夜雨聆风
过去几年，大模型快速发展，让AI拥有了前所未有的语言理解、知识生成和推理能力。从智能问答到Agent不断进入企业业务流程，越来越多人开始讨论一个问题：AI是否会替代人？
但在陈果看来，比"AI会不会替代人"更值得思考的是另一个问题：企业究竟需要怎样的AI？
因为企业级AI真正的价值，从来不是拥有一个更聪明的模型，而是在真实的组织环境中，与人共同完成一次次复杂的经营活动。
01
AI在模拟人的部分认知能力
为了帮助大家理解今天AI的发展阶段，陈果分享了一个生动的比喻。
如果希望像鸟一样飞翔，人类可以有两种选择。一种，是制造一只真正会飞的机械鸟, 另一种，则是制造一架飞机。最终，人类选择了飞机。飞机并不会挥动翅膀，也没有完全复制鸟类的飞行方式，却同样完成了飞行这件事情。
在陈果看来，今天的大模型也是如此。人工智能的发展，并不是重新制造一个完整的人，而是在模拟人类部分认知能力。它能够理解语言、学习知识、组织信息，也能够完成推理、归纳和表达等大量过去依赖人完成的脑力工作。但这并不意味着AI已经完整拥有了人的全部能力。
AI真正模拟的，是人类认知中的部分机能，而不是完整的人。
因此评价AI的标准，并不是它是否足够像人，而是它是否能够在特定场景下，承担原本由人完成的一部分认知工作，并真正创造价值。对于企业而言真正面对的，是一个组织如何协同工作的问题。
02
企业真正需要的是AI+人
围绕"AI是否会替代人"这一长期讨论的话题，陈果给出了自己的判断: "现实世界中的工作，远比很多人想象得更加复杂。"
一个岗位能够存在，并不仅仅因为它拥有一套固定流程，而是因为其中同时包含专业知识、行业经验、组织协同、价值判断，以及面对复杂环境不断调整策略的能力。面对同样的市场变化，不同企业可能采取完全不同的经营策略；同样的经营目标，在不同阶段也会有不同的优先级。
因此，在陈果看来，企业级AI的发展方向更可能出现的,是AI与人长期协同工作。AI负责处理大量重复性的认知工作，例如理解数据、分析信息、生成方案、执行部分任务, 而人则更多承担目标制定、价值判断、风险控制以及最终决策等职责。
03
从技术突破到企业应用
大模型真正改变了什么
从图灵测试提出"机器是否能够表现出类似人的智能"，到神经网络推动大模型快速发展，再到近年来生成式AI不断突破，人工智能经历了多个阶段的发展。
在陈果看来，今天大模型最大的突破，并不是简单提升了计算能力，而是在知识表达方式上发生了根本变化。过去，企业软件更多依赖规则驱动。程序员需要把每一条规则提前写进系统，系统才能按照既定逻辑运行。
但现实中的企业经营，并不存在一套能够覆盖所有场景的完整规则。大量业务经验、管理方法以及经营判断，并不能完全写成标准流程。
陈果引用了著名的波兰尼悖论（Polanyi's Paradox）："我们知道的，远比我们能够表达出来的更多。"
企业经营中的大量知识，都属于这样的隐性知识。过去，这些知识很难进入系统。而今天，大模型第一次让系统具备了一定程度处理隐性知识的能力，越来越多企业开始尝试将AI引入业务流程。
不过，陈果也强调，大模型的突破并不意味着AI已经没有边界。尤其在涉及真实世界感知、复杂环境交互以及价值判断时，AI仍然需要依赖人的参与。
因此，当AI开始进入企业组织，企业软件的发展方向也开始发生新的变化。
04
企业数字化
正在进入第三个阶段
如果把AI放回整个企业信息化的发展历程中去看，过去几十年，企业软件的发展大致经历了三个阶段。
第一阶段，是记录（Record）。
ERP、CRM、MES等业务系统，帮助企业完成交易、生产、客户和财务等业务数据的记录，让企业第一次拥有了完整的数据资产。
第二阶段，是洞察（Insight）。
随着数据仓库、BI以及各类分析平台不断成熟，企业开始利用数据理解经营、分析问题，并持续优化业务决策。
而今天，企业正在进入第三阶段——行动（Action）。
与过去最大的不同在于，AI开始从分析走向执行，从提供建议走向参与业务过程。
Agent之所以成为今天企业AI最受关注的话题，是因为它第一次让企业软件拥有了承接行动、推动任务和持续协同的能力。
真正重要的变化，并不是AI越来越会分析，而是企业软件第一次开始具备了承接行动的能力。
而当分析开始连接行动，企业AI也随之进入了新的发展阶段——决策智能。
05
Agent的关键
在于找到真正适合的场景
随着Agent成为企业AI最热门的话题，陈果认为，企业首先需要回答的，并不是"要不要用Agent"，而是这个场景是否真正需要Agent。
真正适合Agent发挥价值的，往往是那些高度依赖上下文、需要动态判断、存在较强不确定性的业务场景。例如，当经营目标发生变化、市场环境不断调整、不同业务部门需要持续协同时，AI不仅需要理解数据，还需要结合业务背景、组织目标以及实时反馈不断调整策略。这类场景，才真正体现出Agent的优势。
因此，在企业AI实践中，比选择模型更加重要的，是找到适合AI参与的业务场景。正如陈果所说: "AI不是拿着锤子找钉子，而是找到真正需要智能体参与的问题。"
06
企业真正改变的，是组织
今天行业讨论更多的仍然是各种各样的个人智能体，它们能够帮助个人完成搜索、写作、分析等具体任务。但企业经营面对的，却是一套更加复杂的组织体系。销售、供应链、生产、财务、运营等不同部门拥有不同的数据来源、业务规则和协作方式，仅仅拥有多个独立Agent，并不能真正支撑企业经营。
这套体系不仅需要统一的数据基础，更需要共享业务上下文、组织知识、运行机制以及协作规则，让不同Agent能够围绕同一套经营目标持续协同、持续学习、持续进化。企业关注的重点，也将从"拥有多少个Agent"，逐渐转向"是否建立起统一、可信、可持续演进的企业AI架构"。
这也与观远数据在此次发布会上提出的方向高度一致——从"以数据为中心"迈向"以决策为中心"，让AI不仅帮助企业理解业务，更能够持续参与经营决策，将数据真正转化为行动，让决策持续创造价值。
这不仅是观远数据对企业AI未来发展的判断，也是其迈向决策智能时代所交出的答案。
• 看得见仓配闭环，守得住店铺体验：前置仓智能运营实战｜Aha! Moment直播回顾
👇 点击阅读原文，立即体验DEMO