你的企业AI能力能打几分?一张图看懂“数据+平台+应用”三维评估模型

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。