夜雨聆风某零售电商品牌的CTO，去年在内部会上宣布：“我们要全面拥抱AI，让我们的用户购物更智能。”
一年过去了，钱花了不少，但效果不温不火。AI团队说模型能力很强，业务部门说功能感知不明显，用户调研显示“没觉得购物体验变好了”。
问题出在哪呢？原来他们只做了“模型能力”的建设，没做“能力体系”的配套。
在我看来，企业AI能力不是单一维度，而是三维协同——数据、平台、应用。任何一个维度短板，都会制约整体发展。
三维模型：数据层+平台层+应用层
根据上海交通大学联合中国太平洋保险、蚂蚁集团等多家企业发布的企业应用AI成熟度模型（AIM²），企业AI能力应从战略、组织、数据、技术、应用、商业六个关键维度综合评估。AIM²课题组负责人刘少轩教授形象地比喻：“六个维度环环相扣，共同构成企业应用AI的‘运载火箭’——数据是燃料，技术是飞控系统，应用是航行轨道，商业价值则是目标星球。任何短板都会制约整体发展。”
我们可以将企业AI能力归为三大层次：
层级 | 对应维度 | 核心问题 | 评估对象 |
数据层 | 数据+战略 | “燃料够不够？” | 数据质量、治理、就绪度 |
平台层 | 技术+组织 | “引擎强不强？” | Agent自主度、Skill生态、Workflow闭环 |
应用层 | 应用+商业 | “跑得快不快？” | 场景覆盖、商业价值兑现 |
维度一：数据层（燃料层）
核心问题：你的数据“能不能喂饱AI”？
麦肯锡在《企业AI规模化报告》中也强调，数据质量是决定AI成败的关键因素。
等级 | 特征描述 | 零售电商场景示例 |
L1 | 数据散落各系统，人工汇总，无统一标准 | 订单数据、商品数据、用户行为数据各自独立 |
L2 | 核心数据初步打通，但存在质量问题和延迟 | 打通部分数据，但每日凌晨批量同步，延迟1天 |
L3 | 数据统一入湖，质量可控，有基础治理 | 实时数据管道打通，自动清洗+质量监控 |
L4 | 数据实时流动，完整治理体系，支持跨场景 | 多源数据融合，支持个性化推荐、智能搜索等多场景 |
L5 | 数据驱动决策，可支撑AI自主进化 | 系统根据用户行为数据自动优化推荐策略和定价模型 |
维度二：平台层（引擎层）
核心问题：你的平台“能不能让AI干活”？
平台层是企业AI能力的技术落地载体，包含三个核心要素：
- Agent（自主度）：AI能独立完成什么任务？是“回答问题”还是“完成任务”？
- Skill（技能生态）：AI具备哪些可调用的“技能”？能否接入内外部服务？
- Workflow（工作流闭环）：从用户指令到服务交付，流程能否自动跑通？
Agent成熟度（L1-L5）
等级 | 名称 | 特征描述 | 零售电商场景示例 |
L1 | 初始级 | 单点响应，无主动服务 | 只能响应“查一下订单状态”的明确指令 |
L2 | 任务执行级 | 能完成简单任务，需人类确认 | 能推荐商品，但需用户手动加购和下单 |
L3 | 多步骤自主级 | 自主执行多步骤任务，关键节点人工确认 | 用户说“帮我买一台适合租房用的洗衣机”，自动完成搜索→比价→推荐→加购全流程 |
L4 | 全自主执行级 | 限定领域内完全自主，仅需提供目标 | 自动理解用户预算和偏好，主动推荐并完成下单 |
L5 | 引领级 | 跨领域自主决策，自我进化 | 成为“私人购物管家”，自动调度比价、优惠券、物流、售后等多场景 |
Skill成熟度（L1-L5）
等级 | 名称 | 特征描述 | 零售电商场景示例 |
L1 | 初始级 | 无结构化技能，仅基础指令 | 只能识别“查价格”“看详情”等基础指令 |
L2 | 定义级 | 有明确技能定义，需人工触发 | 能响应“搜索电饭煲”的技能调用 |
L3 | 可调度级 | 能被Agent自动识别和调度 | Agent识别用户需求后，自动调用“商品搜索”“比价”“优惠券匹配”等技能 |
L4 | 生态协同级 | 可接入外部生态服务，跨系统调用 | 整合比价工具、优惠券平台、物流查询、售后服务等，完成完整购物闭环 |
L5 | 自适应级 | Skill自动学习新能力，动态扩展 | 系统自动识别新接入的服务（如直播带货、分期付款）并生成对应的调用能力 |
Workflow成熟度（L1-L5）
等级 | 名称 | 特征描述 | 零售电商场景示例 |
L1 | 初始级 | 线性流程，全人工参与 | 用户手动搜索→加购→下单→支付 |
L2 | 半自动级 | 部分环节自动化，需人工衔接 | AI推荐+用户手动加购和支付 |
L3 | 全自动闭环级 | 完整服务闭环，无人工干预 | 用户语音→AI理解需求→商品匹配→推荐→加购→自动领券→生成订单，一气呵成 |
L4 | 跨场景贯通级 | 多场景服务无缝衔接 | App、小程序、线下门店间服务跟随，购物车跨端同步 |
L5 | 无界协同级 | 全渠道、全触点的服务跟随 | 购物服务“随身走”，App、社群、直播、线下门店全渠道联动 |
维度三：应用层（价值层）
核心问题：AI“创造了多少商业价值”？
应用层是企业AI能力的价值交付界面。
等级 | 特征描述 | 零售电商场景示例 |
L1 | 单点试点，无规模化计划 | 个别品类试用AI推荐，无推广计划 |
L2 | 多场景试点，部分验证价值 | 推荐、搜索、客服等3-5个场景并行试点 |
L3 | 规模化部署，价值初步兑现 | AI覆盖主要用户触点，转化率提升有数据支撑 |
L4 | AI深度融入核心业务，价值可量化 | AI驱动的推荐贡献XX%的GMV，XX%的复购率 |
L5 | AI驱动商业模式创新，成为核心竞争力 | AI定义购物体验（如“AI买手”成为品牌标签），用户因AI能力选择平台 |
我们可以看一个案例：某零售电商品牌的AI能力初步诊断结果
维度 | 等级 | 问题表现 | 优先级 |
数据层 | L2 | 用户行为数据、订单数据、售后数据未完全打通，批量同步延迟 | 🔴最高 |
平台层-Agent | L2 | 能推荐商品，但无法理解“帮我选一款送礼体面的酒”这类复杂意图 | 🔴最高 |
平台层-Skill | L1 | 只有基础的商品搜索和推荐，无比价、优惠券自动匹配等能力 | 🟡次高 |
平台层-Workflow | L2 | “搜索→推荐→加购→支付”链路需要人工多次确认，未形成闭环 | 🔴最高 |
应用层 | L2 | 多场景试点中，但尚未规模化推广，价值待验证 | 🟡次高 |
诊断结论：当前停留在“智能搜索”阶段，距离“智能买手”还有距离。数据层和平台层是最大短板。突破口：先打通数据管道，再在平台层跑通一个完整的Workflow闭环（“需求理解→商品匹配→优惠推荐→一键下单”），最后在应用层验证商业价值。
优化方案：
- 第1-2个月：打通用户行为+订单+售后数据，实现实时入湖
- 第3-4个月：以“智能导购”为切入场景，跑通L3级Workflow闭环
- 第5-6个月：接入比价、优惠券等生态Skill，验证应用层转化率提升
结尾总结
回到开篇那位CTO的困惑：模型很强，用户感知不到。
不是AI不行，是评估的维度错了。不是因为技术不够，而是数据、平台、应用没有协同建设。
企业AI能力不是“有就行”，是“得配套”。数据是燃料，平台是引擎，应用是价值交付——三个层次缺一不可。瘸腿的AI能力，跑不过任何一个竞争对手。
而这篇文章给你的价值是：一张三维评估图，帮你的零售电商AI能力打个分。不看参数，看能力——数据就绪度、Agent自主度、Skill生态、Workflow闭环、应用价值兑现，五大维度缺一不可。