企业 AI 成熟度层级划分，你的公司在哪一层？

如果你也在关注企业 AI 落地和 Agent 进入组织之后会发生什么，可以先点个关注，后面会继续写这类判断和真实使用观察。

最近跟不少企业客户聊 AI 建设，聊完经常有同一种感觉：想法和现状之间，不说一点关系没有，也是完全没有关系。

有的企业，老板说想要一个智能供应链系统，能自动调拨、自动预警、自动给方案。一看现场，CRM许久没人管，系统之间靠手工导XLSX，连哪个仓库有多少货都对不上。

有的企业，给全员开了 DeepSeek 账号。大家也确实在用，写邮件、查资料、总结会议纪要。管理层觉得 AI 建设大功告成，就等着员工赶英超美了。

这种案例越聊越聊多。我便开始想，有没有一个东西，它能帮企业快速判断自己 AI 建设走到哪了，下一步AI建设该做什么。

找了一圈，没有特别合适的，于是自己整理了一个七层模型。

企业 AI 能力推进成熟度

这七层是有顺序的。读完全文就会发先，跳层是 AI 建设最贵的弯路。

下面逐层展开。

L0 数字化基础层

这一层其实还谈不上 AI，它更像企业 AI 的地基。

数据有没有统一口径，数据治理有没有专人负责，系统之间能不能连接，流程有没有稳定下来，权限和责任边界是不是清楚。

这些东西听起来很传统，但 AI 能不能进企业，先过的就是这一关。

很多企业手里并不缺模型。AI 一接进来，立刻撞上的反而是脏数据、断流程、乱权限和没人负责的接口。

如果企业还在这一层，追最新模型的优先级要往后放，先把基础设施补起来。

要回答的问题很朴素：你的数据、流程、系统和协同，到底能不能承载后面的 AI 能力。

L1 工具试用层

员工开始用 AI 了，但主要靠个人兴趣探索和驱动。企业层面还没有形成可复用的能力。

往下一层跃迁的关键是把零散用法沉淀成规则：哪些场景适合用，哪些数据不能喂，哪些输出必须复核。

L2 场景辅助层

AI 进入具体业务场景：客服问答、合同初审、采购比价、报表分析等。这些项目边界清楚，风险可控，容易出成绩。

但局部场景跑通不等于企业具备 AI 能力。大多数企业的AI项目目前停在这一层。

L3 流程嵌入层

实话实说，我觉得这才是企业 AI 成熟度真正的分水岭。

前面几层更多是在提高个人或局部团队效率。

到了流程嵌入层，AI 的输出开始进入正式工作流。

比如采购流程里，AI 除了总结供应商资料，还要参与供应风险识别、替代供应商推荐和审批材料准备。

比如销售流程里，AI 除了写话术，还要根据客户阶段、历史互动和产品组合，推动下一步动作。

比如IT研发流程里，AI 除了写代码，还要接入需求、测试、代码审查、发布和回滚。

这一层会直接触碰组织规则。

AI 输出谁负责复核，错了谁承担责任，什么情况下可以自动进入下一步，什么情况下必须人工确认。

这些问题不解决，AI 就会停在场景辅助层。

所以这一层不是多做几个场景那么简单。

它是在问企业，愿不愿意让 AI 成为正式流程的一部分。

这也是为什么很多企业 AI 项目从 PoC 到上线很难。

PoC 只要证明能做就行。

流程嵌入要证明能用、能管、能追责。

L4 决策增强层

AI 越过材料处理，进入预测、仿真、风险识别和方案比较。过去靠开会拍脑袋的判断，现在可以摆出多个方案和各自代价。

AI 不替人拍板，但它能把几个方案的利弊摆清楚，让拍板的人知道自己在选什么。

L5 跨域协同层

从单部门走向多部门。销售、供应链、财务、生产不再各自优化局部指标，AI 要理解一个动作会影响另一组动作。

难的地方不是模型不够聪明，是部门之间目标经常打架。销售要快，生产要稳，财务要省，AI 得在这些矛盾里找到一个大家都能接受的方案。

L6 自主编排层

这一层其实是大家聊得最多的层。很多人现在一聊 AI，就直接跳到这一层。

Agent 自动拆任务，自动调工具，自动看数据，自动追进度，自动给方案，甚至在边界内自动执行。

听起来很爽。但没有前面六层的基础，自主编排很容易变成一个高级 demo。

真正的自主编排里，Agent 不是在聊天框里陪你聊天，而是在企业定好的目标、规则和权限范围内干活。哪些事自己做，哪些事要请示人，哪些数据不能碰，什么时候该停下来，这些边界要提前画清楚。而且它每一步都要留记录，出了问题能查到它当时为什么这么做。

这个模型从哪来的？

整理这七层的时候，我参考了几套现有框架。

GB/T 45403-2025（数字化供应链成熟度）里的基础起步级对应L0，单元优化级对应L2，集成互联级对应L3，全链贯通级对应L5，生态智能级对应L6。

Gartner 供应链成熟度五阶段（React → Anticipate → Integrate → Collaborate → Orchestrate）。React 对应 L0-L1，企业还在被动响应；Anticipate 对应 L2，开始用 AI 做场景辅助；Integrate 对应 L3，流程打通；Collaborate 对应 L5，跨部门协同；Orchestrate 对应 L6，自主编排。它的价值是给管理层一条可沟通的演进路径。

Accenture 的 AI 供应链能力框架把 AI 能力分为人工驱动、自动化、增强决策和自主决策四个层次。自动化对应 L2 的场景辅助，增强决策对应 L4 ，自主决策对应 L6。如果企业要做 GenAI 转型方案，这套视角适合拆场景和拆能力。

这个七层模型是吸收了这三套框架之后的结果。它们各自覆盖不同层级，七层模型把它们拉通成一张完整的图。

先知道自己在哪，再决定往哪走

回到开头的两种情况。

想要智能供应链系统但数据都没洗的企业，现在知道自己在 L0，该补的是数字化地基，不是模型。

觉得全员用上 DeepSeek 就算 AI 建设完成的企业，现在知道自己在 L1，上面还有五层。

不是每家企业都要走到 L6。走到 L3，AI 进入核心流程，就已经能产生很大价值。少数企业才真的需要自主编排。

但不管走到哪，有一件事是一样的：先定位，再推进。跳层是 AI 建设最贵的弯路。

如果这篇文章对你有帮助，欢迎点个赞，也可以转给正在做企业 AI 推进的朋友。

留言区聊聊，你所在的公司现在更像哪一层，卡住它往下一层走的，到底是数据、流程、系统，还是组织决策？

参考框架：

• • GB/T 45403-2025《数字化供应链 成熟度模型》
• • Gartner Five-Stage Supply Chain Maturity Model
• • Accenture AI-Powered Supply Chain Framework