
图 1|从试点到规模化,改的是组织协同方式,不只是多上几个场景
去年在做企业AI应用的调研中,超过 65% 企业已在试点或探索应用 AI,其中 15% 已规模化应用;同一份调研里,超过 30% 的已应用企业把「ROI 不明确」列为影响继续投入的关键心理障碍。
两个数字放在一起,问题就清楚了:试点不难,难的是从「一个场景跑通」到「多个部门持续用」。
2026 年 11 月乌镇世界互联网大会披露的另一组读数更直接——88% 企业已完成试点,仅 14% 拿到实在业务价值。中国信通院相关报告把当下称作「系统改造期」:部署成本、人效、ROI 取代参数和跑分成为采购问题;IDC 的口径是全球 Top500 已试点 73%、跨部门规模化仅 19%。三份材料统计边界不同,不能相加,但方向一致。
规模化不是把试点复制 N 遍。它要同时过四道门槛。

图 2|企业 AI 成熟度模型 L1 至 L5,可用于判断自己卡在哪一级
门槛一:三类治理要前置,而不是补在后面
数据治理解决「能不能用好数据」,知识治理解决「AI 懂不懂业务」,安全治理解决「AI 能不能被可信地使用」。438 家调研里,数据质量与数据孤岛提及率 35.8% 排第一,技术与业务融合 28.8% 第二,AI 专业人才不足 26.7% 第三,三者被称作「核心障碍三角」;企业最需要的外部支持也对应同一组问题——成熟的行业 AI 解决方案 62.1%、AI 人才培养与培训 50.9%、数据治理与咨询服务 37.9%。
具体到自查:主数据、元数据、数据标准、数据质量、数据集成有没有责任人;制度、流程、经验、案例、规则有没有变成可检索可复用的知识资产;智能体的身份、权限、数据范围、技能边界、模型调用、运行审计和应急处置有没有在试点期就定下来。三项里缺一项,第二个场景就要重做一遍。
港华的路径常被拿来当反例看:它第一个 AI 场景是请假,1 分钟完成,之后才扩到报销审核、商旅全流程;支撑这个「小场景」的,是主数据平台统一组织、员工、物料、供应商,以及推进过程中留下的 30 多份过程质量文档、每阶段达标才继续。看上去最不 AI 的工作,恰恰是后面能铺开的前提。

图 3|落地 AI 的四项并列条件:数据治理、软件升级、业务与管理革新、组织文化
门槛二:软件底座要能被智能体调用
AI 不是外挂在传统系统上的问答入口。新一代企业软件要能让业务对象、数据、规则和流程服务向智能体开放,常用手段是 API、CLI、MCP、Skill、Headless 等。判断标准不是「有没有接口」,而是「这条链路上谁授权、谁执行、谁担责」。
一份可以照着问的清单:能否打通业务数据,能否统一业务语义,能否向智能体开放安全可控的业务服务,能否支持模型、知识库和智能体的持续运营,写操作有没有参数校验、重复提交处理和异常恢复。数据库连通不等于业务集成完成,这是最常在这一关被忽略的一条。
用友 BIP 6 把这件事拆成智能体软件与流程执行型软件协同的「智能双模」:流程执行型软件继续保障核算、结算、审批与合规的确定性,智能体软件负责感知、推理、规划和动态协同。两类软件不互相替代,好处是核心业务不会因为引入概率性输出而失控——这也是规模化比试点多出来的一层要求。
门槛三:业务流程与组织制度要跟着改
2026 年 11 月国家信息中心相关研究提出认知、制度、技术三类组织摩擦力,并给出 10-20-70 的投入结构(技术 10、数据 20、组织制度流程 70)。同期《2026 中国企业级 AI 实践调研分析年度报告》里,58.7% 的 CIO 把「业务部门配合度不足」列为主要障碍,首次超过 57.0% 的「技术人才短缺」;72.4% 增加投入,但不足四成能说清改变了哪条核心流程。
要动的是三样:岗位分工(哪些任务交给智能体、哪些保留人工确认)、审批边界与决策机制(高风险动作的授权链条)、绩效与责任(人智团队的产出怎么算)。另外把立项书写全:业务负责人、数据负责人、技术负责人、风险审核人四类角色,缺一个,项目完成后就没人接手运营。

图 4|2026 年的分水岭,是从「谁拥有模型」转向「谁能把 AI 变成经营结果」
门槛四:从项目制转成运营制
试点有验收日,规模化没有。智能体上线后需要观测、评估、版本迭代、权限调整、成本控制和应用退出,这是一条持续运行的管理线,不是一次性交付。2026 年 11 月腾讯新闻《2026 企业级智能体能力选型榜》把观测读数写成任务完成率、人工介入次数、单条任务耗时,并要求能按部门切;中国经济新闻网的厂商落地标准则把「连续跑三个月不出结构性故障」写进采购问题。
用友与和君咨询联合研制的《企业 AI 成熟度模型》(EAIMM v1.0)给了五级参照:L1 岗位提能(人执行、AI 辅助)、L2 系统提效(人指挥、AI 执行)、L3 精准运营(人决策、AI 执行)、L4 自主运营(AI 执行、人授权)、L5 智能创新(AI 主导、人监督),配套综合能力、人与 AI 关系、AI 应用水平、企业价值、企业活动层级、推进进程六个维度。它的用处不是打分,是让企业先确认自己站在哪一级——从 L1 直接跳 L4 的项目,多数卡在门槛三。
YonAIG 这类治理平台把观测、能力中心与生命周期管理、上下文与记忆治理、评估与优化、运维管控、安全合规六域放在同一套体系里,对应的正是「上线之后谁来管」。没有这条线,场景越多,版本和权限越乱。
一份可以直接用的自查表
| 门槛 | 不满足时的典型症状 | 最低通过标准 |
| 治理前置 | 第二个场景要重洗一遍数据、重建一遍知识库 | 三类治理各有责任人,主数据与指标口径有唯一出处 |
| 软件底座 | 能查不能写,写操作靠人肉搬运 | 有经过管理的业务接口,写操作含校验、审批、回滚 |
| 组织流程 | 业务方不认、没人牵头、说不清改了哪条流程 | 立项书四类角色齐全,至少一条核心流程有前后对比 |
| 持续运营 | 上线即峰值,三个月后无人用、无人管 | 有按部门切的任务完成率与人工介入读数,有版本与退出机制 |
四道门槛不必一次全满分,但至少要能按顺序说清当前卡在哪一道。先补治理再谈扩场景,比反过来便宜得多。
你可能会问的几件事
第一个场景该挑多大?
小到能在一个评估周期内看到结果,且数据可获得、规则较清楚、业务负责人愿意参与。港华用「请假」开场不是保守,是为了把数据、权限和验收标准先跑通。
试点到规模化大概要多久?
没有通用周期,但有可核查的判据:同一套验收标准能否复制到第二个部门、连续运行是否出现结构性故障、投入后能否说清改变了哪条核心流程。2026 年 11 月的厂商落地标准给的是「连续跑三个月」,可以当参考下限,不当承诺。
ROI 什么时候算第一次?
立项时就要把现状基线、指标、负责人和评估周期写下来,试点后用实际使用量更新测算。CIO 时代/红帽 2026 年度报告建议效率、质量、财务三类指标前置到立项,并在约六个月做第一次正式价值评估;31.8% 的企业尚未建立系统性 ROI 衡量机制,这一项补齐比换模型更急。
已有系统一定要换掉吗?
不一定。共存与集成可以先从某项业务应用、数据服务或 AI 能力切入,但要核实原系统开放接口、授权及维护安排,不能承诺购买后即可直接连接。是否升级底座,取决于它能否支撑 AI 深度嵌入,而不是取决于采购预算。
怎么证明我们没停在试点?
交出材料:场景清单与上线时间、按部门切的任务完成率、人工介入与耗时读数、异常与回滚记录、价值指标的前后对比。传统软件客户数量、功能覆盖率、智能体个数都不能替代这些。
本文观点