企业AI如何落地?看这一篇就够了

| 本文约【2700】字，阅读约【6】分钟

最近围绕“企业AI落地”的话题写了6篇文章，今天这篇做个系统性回顾，方便大家看到全貌。没时间逐篇阅读的朋友，读这一篇就能了解核心脉络。文中附了原文链接，大家可按需查阅。

01

缘起于工具的发展

2026年初OpenClaw席卷全球，各大信息化厂商纷纷布局自己的龙虾，AI迈入“能干活”的阶段。各种工具、平台层出不穷，企业看花了眼，不知道应该从哪里下手、如何选择工具。

于是我写了企业AI落地的三个层级，依据Gartner的分类，整理各个层级工具的形态、发展情况：

• 层级1：大语言模型「LLM」个人效率工具；

• 层级2：AI智能体「AI Agent」单系统任务执行者；

• 层级3：代理型AI「Agentic AI」跨系统自主协同。

后面各个业务场景的落地方式，也是按这3级结构逐步深化的。越高的层级对组织能力的要求越高。

02

如何做好蓝图规划

了解了工具的发展情况后，新的问题又来了。有读者问我：

• 如何规划？ 应该自上而下还是自下而上？

• 用什么标准选择？ 哪些业务先做？应用什么工具？

• 应从哪里入手？ 是不是沿着流程摸排，把人的节点换成AI就可以了？

于是有了企业AI落地探索系列1：思考维度及规划路径。我认为，智能化转型也应该像信息化、数字化转型一样进行战略规划，并给出了一个四步分析框架：

①场景分类：先按工作组织方式，给业务场景分类；

图1：工作组织方式分类

②特征评估：再用「业务价值」X「五个特征」，判断哪些场景适合 AI；

为了提高评估效率，不同工作组织方式的打分维度可以进行如下聚焦：

图2：四类工作组织方式的典型特征

给各个特征打分，定位高价值领域：

图3：「价值」X「特征」打分确定高价值领域

③现状分析：接着评估企业自身的基础条件，算清投入；

图4：内外部成本

④优先级确定：最后用「价值 × 投入」矩阵，排出场景优先级。

图5：场景优先级

• 速赢区：场景价值最高、投入最低，应该优先启动；

• 战略区：场景价值高但投入大，需要制定分阶段路线图，先做前置基础建设；

• 备选区： 主要是单点应用，落地难度小，应该给业务部门一定的资源和赋能，让他们自行推进；

• 观望区：这些场景并非“永远不做”，而是“现在做太早”。企业应保持关注，待技术成熟、成本下降、内部基础条件具备后，某些场景可能会迁移到其他象限。

到这一步，基本回答了开篇的前2个问题：

• 如何规划？ 应该自上而下还是自下而上？

• 用什么标准选择？ 哪些业务先做？应用什么工具？

第3个问题，具体到落地执行，是不是沿着流程摸排，把人的节点换成AI就可以了？

不全是。首先，AI与人并不是简单替代关系；其次，企业内也不只有流程这一类场景。

细心的读者留意到，在评价阶段我就分了4个场景，落地阶段它们的打法也不一样。

03

四种业务，四类打法

《业务流程：穿越从概念到实践的丛林》（陈果著，机械工业出版社2024年8月14日出版）提出，按“产出的确定性程度”和“过程的结构化程度”两个维度，企业的业务活动可被分为四类工作组织方式：流程、项目、协同、个案。它们的特点不同，评价维度和落地方式也不一样。

「流程」

流程 = 审批流 + 业务流。审批流关注“谁来审批”，解决程序合规和风险控制，规则和权限明确；业务流关注“业务如何运转”，涉及多部门，伴随物质流、信息流、资金流流转。

流程的过程结构化程度和产出确定性程度都高，同时具备适合AI落地的五个特征，是智能化的主战场。

审批流里，AI的价值不是替老板去批，而是帮老板盯全局：层级2的Agent在平台内提供全局视角，低风险快速放行、异常转人工；层级3的Agentic AI跨系统调度多个Sub Agent，到ERP查预算、到SRM查供应商、到WMS查库存，让审批从形式走向实质决策。

业务流里，层级2的Agent降低配置和使用门槛、沉淀最佳实践；层级3则降低跨系统对接成本，甚至能够绕开传统信息化路径重构业务。

详情请见原文：企业AI落地探索系列2：流程智能化落地方式

「项目」

项目是为创造产品、服务或成果而进行的临时性工作，过程结构化程度高、产出确定性低、目标明确、跨部门跨系统，且沉淀的知识具备跨项目转移价值。

AI落地分两个层面：

• 执行层面，AI是“数字伙伴”，作为co-pilot提升个人和团队的工作质量；

• 管理层面，AI是“智能秘书”和“智能PM”，降低协调和管理成本。

层级2中，专用的项目管理系统（如PLM、ALM）擅长知识沉淀与专业校验，通用项目管理系统擅长计划、里程碑、资源管理。主流厂商最新版本的系统都已内置AI智能体和相关能力，可按需升级。

层级3的Agentic AI让智能PM从“单平台视角”升级为“项目全局视角”，让智能秘书从“系统内提醒”升级为“跨系统闭环跟进”。

详情请见原文：企业AI落地探索系列3：项目智能化落地方式

「协同」

协同指两个或两个以上的部门/角色，通过信息共享和讨论，共同完成一项无法由单方独立完成的任务（通常是决策共识）。常见的协同场景有产销协同、战略规划。

协同的难点在于过程非结构化、产出不确定、跨系统跨部门属性极强。与流程相比，它没有固定规则；与项目相比，它没有明确终点。

协同场景智能化落地没有统一模板，必须先梳理关键步骤、明确分工和数据来源，再判断AI在哪一环节、以哪一层级介入。

我在企业AI落地探索系列4：协同智能化落地方式中以产销协同为例做了完整拆解，感兴趣的读者可以移步阅读原文。

协同的智能化转型，目标是实现从“人分析数据后组织各方讨论”走向“AI准备好数据和方案后各方协同决策”。

「个案」

个案是以解决一个具体问题或完成一项具体任务为目标的个人工作。它分为两类：

• 执行层面的个案（如表单填写、数据分析），规则明确、可重复性高 —— 这部分个案工作一定会被AI取代。

• 专家层面的个案（如页面设计、合同审核、法律案件、专项审计、工艺优化、管理决策）。备两个特征：高知识密度（需要大量专业知识、历史经验，这些积累构成竞争壁垒）和强反馈机制（好坏容易被验证，AI可不断学习迭代）。

层级1的LLM就可以显著提升个人办公效率；

层级2最务实的选择是用好现有系统的AI能力，并持续搭建知识库——企业内部的知识、经验、失败教训才是AI发挥作用的土壤；

层级3，适用于需要全局视角的管理者，比如高管可用数字分身盯流程，管理驾驶舱实时感知态势，遇到问题时Agentic AI主动唤起Sub Agent分析，呈报全面的影响分析和多种解决方案供其决策。

个案类工作的AI落地，是一场“个人经验 → 组织资产 → 个人赋能”的闭环。

详情请见原文：企业AI落地探索系列5：个案智能化落地方式

04

结语

这几篇文章回答的是三个递进的问题：

第一，工具有哪些、发展到哪一步了。从LLM到AI Agent再到Agentic AI，三个层级越往上，AI能承接的任务越复杂，对组织能力的要求也越高。

第二，从哪里入手、怎么排优先级。用“价值×投入”矩阵排出速赢区、战略区、备选区、观望区。AI落地的本质，是用技术能力适配业务场景，用ROI检验商业价值——找对场景、做好规划、算清账、分步走。

第三，具体到执行，不同场景打法不同。流程是AI落地的主战场；项目可以用“数字伙伴”、“智能秘书”和“智能PM”赋能；协同没有统一模板，要根据业务场景定制落地方案；个案则是一场“个人经验→组织资产→个人赋能”的闭环。