2025年被認為是企業(yè)級AI應用真正進入落地階段的關(guān)鍵節(jié)點。AI不再只是效率工具或?qū)嶒炐試L試，而是逐步成為企業(yè)經(jīng)營中需要量化價值的"必修課"。然而，從試點到規(guī)?；瑥睦砟畹綀?zhí)行，企業(yè)在AI落地過程中仍面臨重重挑戰(zhàn)。

9月12日至13日，2025 ITValue Summit數(shù)字價值年會在三亞如期舉行。本屆大會以「AI場景落地真相」為主題，聚焦企業(yè)應用AI過程中的「十大核心問題」，系統(tǒng)性拆解AI戰(zhàn)略、可靠性、數(shù)據(jù)困境、場景選擇、模型選型、行業(yè)落地、知識庫構(gòu)建、安全合規(guī)、人機協(xié)作與人才瓶頸等現(xiàn)實難題，力圖為企業(yè)找到可落地、可借鑒的解法。

AI不是空中樓閣，這一點與ITValue的基因高度契合。

從2009年開始， ITValue Summit 數(shù)字價值年會已經(jīng)不間斷連續(xù)舉辦17年，"長期主義"是大會主辦方和參與者們身上最深刻的標簽，這些人不僅是時代的見證者，更是技術(shù)和產(chǎn)業(yè)進步背后的中堅力量。

"過去一段時間，我們做了接近大半年的訪談，陸陸續(xù)續(xù)在不同的行業(yè)接觸很多人，對AI在企業(yè)的應用做了深入交流。"鈦媒體集團聯(lián)合創(chuàng)始人、ITValue發(fā)起理事、鈦媒體研究院院長萬寧表示，"影響AI在企業(yè)應用落地的問題數(shù)不勝數(shù)，我們總結(jié)了其中關(guān)鍵的十大問題，也針對每一個問題都找到了分享人，他們是AI應用的‘優(yōu)等生’，是企業(yè)AI實戰(zhàn)的幕后操盤手，通過他們帶來的AI落地經(jīng)驗，希望能給探索AI的企業(yè)一些幫助，也引發(fā)更多思考。"

今年，2025 ITValue Summit數(shù)字價值年會首次采用年度主題演講的形式，對"AI落地十大問題"，與對應的案例實踐者、AI落地操盤手們進行了系統(tǒng)化、高密度的討論。

問題一：共識如何達成？

當下，企業(yè)正經(jīng)歷著從技術(shù)試點到戰(zhàn)略重構(gòu)的關(guān)鍵轉(zhuǎn)折。

但一個嚴峻的事實是，當前AI技術(shù)在傳播認知和落地實踐上存在巨大落差，不僅管理者和執(zhí)行者之間的認知、目標無法一致，而且每個企業(yè)的狀況不同，如何選擇合適的路徑都是極為現(xiàn)實的難題。

現(xiàn)在，一些企業(yè)已經(jīng)有AI應用成果，但這些都不是突然出現(xiàn)的，而是經(jīng)過了長期歷史沉淀。

萬寧以瑞幸用AI與數(shù)據(jù)驅(qū)動重構(gòu)咖啡行業(yè)價值鏈、與星巴克的競爭舉例。瑞幸以數(shù)字化原生以數(shù)字化為底座，2020年開始戰(zhàn)略核心就是技術(shù)驅(qū)動，人（用戶）、貨（產(chǎn)品）、場（門店）三大支柱，并且開始布局AI。進而，瑞幸通過AI進行有效的數(shù)據(jù)分析：以免費咖啡換取海量用戶數(shù)據(jù)，精準預測爆品（準確率85%）；用算法選址和供應鏈優(yōu)化，大幅降低租金與運營成本（租金占比＜8%）……最終用9.9元一杯的殺手锏影響客戶選擇，掀起行業(yè)洗牌。

除了企業(yè)積淀，對AI是否有清晰的認知、AI能力邊界在哪里，也是"用好AI"的前提。

平安證券CIO張朝暉觀察到，大多數(shù)人都認為AI是一個工具，有兩個極端的觀點，一個是萬能化，AI應該可以做任何事情；一個是無能化，AI什么事情都做不出來。

在大會現(xiàn)場，張朝暉帶來了一塊游泳浮板——這不僅是泳池里的教具，更是他過去十八個月來自我突破的象征。"浮板是輔助，但不能成為依賴"，張朝暉曾依靠浮板游出兩千米，信心滿滿地認為已掌握自由泳，結(jié)果脫離輔助后僅堅持了二百米。這一"挫敗"讓他意識到，無論是游泳還是企業(yè)應用AI，都不能過度依賴外部工具，而需建立自身的能力體系。此外，他通過自身借助AI教練突破游泳瓶頸的經(jīng)歷，說明AI可作為個性化、全天候的"智囊團"，提供分析、反饋與策略建議。

以游泳的經(jīng)歷，他引申至企業(yè)對AI的應用現(xiàn)狀：當前90%的AI項目未能實現(xiàn)預期，70%的高管認為其效果不佳。在張朝暉看來，問題核心在于許多企業(yè)僅把AI視作"工具"，而非"合作伙伴"。他提出必須重新定位AI與人的關(guān)系——AI可以是提供策略的"顧問"，也可以是鼓勵執(zhí)行的"教練"，但最終的決策者和執(zhí)行者，必須是人。

"AI不會取代CIO，但掌握人機協(xié)作的CIO會取代你。"張朝暉強調(diào)。在他看來，人機協(xié)同系統(tǒng)化轉(zhuǎn)型分三步：本周評估"浮板依賴"（依賴工具≠真正實力），識別冠軍；下月選擇試點場景，開始"334框架"；90天內(nèi)實施方法論，測量結(jié)果，準備規(guī)?；?。其中"334框架"指30%的人類智能，確定戰(zhàn)略方向、價值判斷和文化領(lǐng)導；30%的人工智能，負責分析處理、戰(zhàn)略智能和多智能協(xié)同；40%的執(zhí)行系統(tǒng)，完善基礎(chǔ)設施、流程保證和專業(yè)化交付。

問題二：AI幻覺與"黑箱"、如何確保AI可靠性與可解釋性？

當企業(yè)越來越廣泛應用AI，技術(shù)是否值得信賴就成為一個值得思考的問題。

當生成式AI從實驗室走向產(chǎn)業(yè)一線，企業(yè)面臨的挑戰(zhàn)早已超越算法精度本身，演變?yōu)榧夹g(shù)可靠性、組織適應性與工程化能力的多維博弈。

這個過程中，AI的"幻覺"問題（模型生成錯誤信息）一直是AI在企業(yè)側(cè)落地過程中最大的阻礙之一，尤其是在一些對準確性要求較高的場景下，是能否落地的決定因素。

當前，證券機構(gòu)正積極借助大模型技術(shù)提升服務能力與運營效率。然而，在實際落地過程中，"模型幻覺"和"決策黑箱"兩大難題成為制約其深度應用的關(guān)鍵瓶頸。

今年，國泰海通構(gòu)建的行業(yè)首個千億參數(shù)的多模態(tài)證券垂類君弘靈犀大模型，完成了上海市001號生成式人工智能服務登記，成為首家唯一完成國網(wǎng)信辦算法備案和上海市服務登記生成式人工智能服務的券商。

國泰海通技術(shù)研發(fā)部總經(jīng)理助理詹婷婷對如何克服AI幻覺和"黑箱"問題進行了詳細解讀。

在專業(yè)性要求極高、容錯率極低的證券行業(yè)，幻覺不僅損害工具實用性，更可能動搖用戶信任、引發(fā)合規(guī)風險。例如，若用戶詢問股票行情，模型若提供錯誤信息，可能直接影響投資決策。更嚴峻的是，由于金融業(yè)務高度敏感，監(jiān)管要求所有輸出內(nèi)容必須可靠、可解釋，且嚴禁未經(jīng)許可的投資建議。

為破解這一難題，國泰海通提出"可信知識庫+小模型校驗"的雙重保障機制。一方面，依托積累十余年的結(jié)構(gòu)化知識庫和專人運營的業(yè)務語料庫，確保數(shù)據(jù)來源準確、合規(guī)；另一方面，在輸出層設置多個小模型進行實時校驗和控制，只有經(jīng)業(yè)務邏輯和合規(guī)規(guī)則過濾的內(nèi)容才會最終觸達用戶。此外，還建立了涵蓋事前、事中、事后的全流程風險管控機制，包括敏感詞攔截、雙向?qū)徍酥贫龋I(yè)務審核+合規(guī)審核）以及用戶反饋激勵閉環(huán)。

而在"決策黑箱"方面，問題則更為復雜。證券行業(yè)中的投資建議、市場分析等行為需持牌進行，而大模型目前無法取得相應資質(zhì)，其基于統(tǒng)計而非邏輯推理的運作機制也不符合監(jiān)管對"可解釋性"的要求。國泰海通構(gòu)建了180多個業(yè)務方法庫，將分析過程拆解為可追溯的算法步驟，使得每一個生成的分析結(jié)果都有明確的邏輯來源和業(yè)務依據(jù)，從而打開"黑箱"，滿足合規(guī)披露需求。

此外，她強調(diào)業(yè)務部門的深度參與是關(guān)鍵——技術(shù)團隊與業(yè)務人員共同設計場景、制定規(guī)則，甚至業(yè)務人員占比遠高于技術(shù)團隊，從而確保AI應用在合規(guī)、可控的前提下落地，有效抑制幻覺與黑箱問題。

點擊觀看問題②完整版演講視頻

問題三：數(shù)據(jù)是決勝關(guān)鍵

數(shù)據(jù)質(zhì)量問題的根源貫穿數(shù)據(jù)生命周期的全鏈條，數(shù)據(jù)采集、傳輸、存儲……任何環(huán)節(jié)出問題都會成為AI落地效果大打折扣。

不少 CIO 在 AI 熱潮后向團隊發(fā)問：多年積累的數(shù)據(jù)價值體現(xiàn)在哪里？事實上，真正形成壁壘的企業(yè)，大多在數(shù)據(jù)準備與結(jié)構(gòu)化方面領(lǐng)先。

香港醫(yī)管局總企業(yè)架構(gòu)師王昱系統(tǒng)闡述了香港醫(yī)管局過去三十年間通過自主開發(fā)與深度整合，構(gòu)建優(yōu)質(zhì)醫(yī)療健康數(shù)據(jù)庫的實踐經(jīng)驗，為公共醫(yī)療數(shù)字化提供了具有借鑒意義的范式。

王昱指出，香港醫(yī)管局數(shù)智化轉(zhuǎn)型主要面臨資源問題、醫(yī)療人才不足問題、需求旺盛，以及公立和私立醫(yī)院之間平衡合作等挑戰(zhàn)。

面對這些挑戰(zhàn)，數(shù)據(jù)被視為一把關(guān)鍵的"鑰匙"。然而，解決問題并非一朝一夕之事——目前，香港醫(yī)管局已積累近60億條高質(zhì)量的醫(yī)療數(shù)據(jù)，這些數(shù)據(jù)來源于不同的臨床系統(tǒng)，是過去三十年來不斷沉淀、逐步豐富,持續(xù)提升的重要成果。

香港醫(yī)院管理局（醫(yī)管局）早在30年前便開啟了自研信息系統(tǒng)的探索，并堅持"一套系統(tǒng)架構(gòu)、一套標準、一套技術(shù)、統(tǒng)一流程"的理念。如今，信息技術(shù)團隊已擴展至2000人，其中約200人為醫(yī)護人員組成的醫(yī)療信息專家，他們直接參與系統(tǒng)及訊息標準設計，使產(chǎn)品能夠真正貼合臨床需求。

面對醫(yī)療數(shù)據(jù)普遍存在的碎片化、標準不一質(zhì)量參差及安全合規(guī)難題，醫(yī)管局提出了"一體化數(shù)字平臺"的解決方案。該平臺通過高度集中的數(shù)據(jù)管理，實現(xiàn)醫(yī)療信息的高效互通與利用。醫(yī)護人員在診療時可實時調(diào)閱患者全病程記錄，大幅提升診療效率和安全性。

在推行過程中，醫(yī)管局采用"由上而下"的企業(yè)架構(gòu)思維，通過創(chuàng)新實驗室機制，將概念轉(zhuǎn)化為產(chǎn)品，并在重點醫(yī)院進行試點和本地化部署。過去兩年間，已有數(shù)十個項目通過這一模式成功落地。

王昱指出，未來數(shù)據(jù)資產(chǎn)將成為醫(yī)院數(shù)智化轉(zhuǎn)型的核心引擎：通過推進數(shù)據(jù)產(chǎn)品化，推動系統(tǒng)由傳統(tǒng)流程驅(qū)動轉(zhuǎn)向以客戶需求驅(qū)動；依托創(chuàng)新及數(shù)據(jù)實驗室，構(gòu)建新服務形態(tài)，培養(yǎng)并吸引人才與合作伙伴，共同推動創(chuàng)新；通過實現(xiàn)數(shù)據(jù)服務化，持續(xù)完善數(shù)據(jù)服務能力，構(gòu)建開放共贏的生態(tài)圈。

基于此，對于香港醫(yī)管局而言，在人工智能和數(shù)據(jù)方面主要有四大戰(zhàn)略，首先是以多年臨床數(shù)據(jù)為核心，打造自主數(shù)據(jù)庫；第二是，將AI技術(shù)與臨床工作深度結(jié)合；第三是，滿足安全合規(guī)和自主可控需求；第四是，培養(yǎng)符合要求的人才，打造更為完善的跨界協(xié)同生態(tài)。

AI的未來，不僅藏在模型和算法里，更藏在那些尚未被打通的數(shù)據(jù)孤島中。而打破孤島，既需要技術(shù)飛躍，也需要合作與標準化建設的共同推進。

香港人工智能與機器人學會理事林靜表示，一個AI場景能否成功落地，關(guān)鍵在于是否擁有相關(guān)數(shù)據(jù)，尤其是高質(zhì)量的關(guān)鍵數(shù)據(jù)是基礎(chǔ)支撐。她以賽馬業(yè)務為例指出，不同系統(tǒng)間的信息孤立、記錄缺失或標準不一，導致數(shù)據(jù)難以打通和利用，使得客戶體驗優(yōu)化面臨巨大挑戰(zhàn)。

她表示，數(shù)據(jù)困境的來源主要是信息的割裂、缺失與"質(zhì)量"缺陷，而"質(zhì)量"不是來自于假數(shù)據(jù)，而是標準不一帶來的臟數(shù)據(jù)。例如在跨地區(qū)合作中，海外數(shù)據(jù)與本地標準存在差異，部分關(guān)鍵信息根本不存在或難以采集，而視覺或其他替代技術(shù)處理成本極高且精度有限，這些都嚴重限制了AI的準確應用。

馬會正在推進的全球業(yè)務，則暴露出更深層的數(shù)據(jù)困境。在與澳洲等國家合作時，雙方數(shù)據(jù)標準不一：香港提供每200米計時、芯片定位、衛(wèi)星數(shù)據(jù)與多視角影像，而海外賽馬數(shù)據(jù)往往缺少或不以同樣的數(shù)據(jù)采集方式采集和結(jié)構(gòu)化。這不僅導致數(shù)據(jù)整合成本極高——一場比賽僅視頻分析就需20個GPU集群——也使得跨國、跨系統(tǒng)數(shù)據(jù)融合異常艱難。

她強調(diào)，解決數(shù)據(jù)困境的核心并非僅僅取決于數(shù)據(jù)本身的價值，而是成本。存儲、傳輸和處理數(shù)據(jù)的成本直接決定數(shù)據(jù)能否被有效保留與使用。但她認為，隨著算力效率不斷提升、成本不斷下降，當前的數(shù)據(jù)和質(zhì)量挑戰(zhàn)終將成為發(fā)展過程中的階段性現(xiàn)象。

點擊觀看問題③完整版演講視頻

問題四：場景如何選擇？AI項目怎樣才能不"為了AI而AI？"

企業(yè)在選擇生成式AI應用場景時，往往面臨多重決策困境，這些痛點既源于技術(shù)本身的特性，也與企業(yè)自身的資源、認知和組織模式深度綁定。

比如，有的企業(yè)被生成式AI酷炫的能力吸引，陷入"技術(shù)優(yōu)先"而非"業(yè)務優(yōu)先"的誤區(qū)；而有的企業(yè)，尤其是中小企業(yè)容易陷入"想做卻做不起"的困境，在"試錯成本高"與"錯失機會風險大"的兩難境地中躊躇不定。

易鑫首席科技官賈志峰分享了一個真實的故事。在內(nèi)蒙古寒冷的冬日里，牧民查干一直懷揣著一個樸素的心愿：擁有一輛汽車，代替馬匹完成轉(zhuǎn)場放牧。然而，作為一位收入以現(xiàn)金為主、沒有固定工作單位的非典型就業(yè)者，他幾乎被傳統(tǒng)金融機構(gòu)拒之門外。直到易鑫金融顧問驅(qū)車深入牧區(qū)，通過手機上的智能審批系統(tǒng)，幫助他迅速完成分期購車流程，才讓這個愿望成為現(xiàn)實。

這并非孤例。2014年成立、2017年在港交所上市的易鑫，作為一家年交易規(guī)模達700億人民幣的汽車金融科技平臺，已累計服務超千萬用戶，其中80%來自三線及以下城市，50%為三農(nóng)群體。他們中的許多人，或許沒有穩(wěn)定的工資流水，但在易鑫的幫助下，獲得了改變生活的工具。買車之后，許多人的收入明顯提高，生活條件得到切實改善。

這一切的背后，是易鑫構(gòu)建的一整套科技支撐體系。易鑫自研行業(yè)AI大模型，將智能化解決方案應用于業(yè)務全流程。在獲客階段，易鑫利用對話式工具替代傳統(tǒng)表單，通過自然對話自動生成客戶畫像；在風控環(huán)節(jié)，推出行業(yè)首個基于風險定價的動態(tài)方案，為不同客戶定制差異化還款計劃；在路由匹配中，借助技術(shù)手段將客戶需求精準對接到合適的金融機構(gòu)，顯著提升通過率。更值得期待的是，易鑫即將發(fā)布的 Agentic 大模型，可對業(yè)務全鏈路進行智能化處理與自動化決策，將從根本上提升汽車金融行業(yè)的運營效率與用戶體驗，為行業(yè)帶來更為顯著的變革。

而在醫(yī)療領(lǐng)域，多位嘉賓圍繞"智能科技如何真正理解生命特征、融合人文關(guān)懷，而不是炫技"的話題展開深度討論。

中康科技數(shù)智化事業(yè)部總經(jīng)理單玉表示，AI落地過程中需要"黃金三角"，一個是數(shù)據(jù)，一個是AI能力，一個是行業(yè)Know-how。尤其是醫(yī)藥醫(yī)療行業(yè)，行業(yè)Know-how很重要，讓更多業(yè)務人員參與到AI應用開發(fā)過程中，對AI落地成功有很大幫助。

深圳恒生醫(yī)院信息科主任劉海濤分享了AI在醫(yī)院場景中的應用實踐。他坦言，AI問世之后，造成了患者對醫(yī)生專業(yè)性質(zhì)疑的問題。有些患者在就診之前會首先詢問AI，如果醫(yī)生的診斷與AI不同，會讓患者對醫(yī)生的診斷產(chǎn)生懷疑。但這也讓更多的醫(yī)生開始接觸AI大模型，推動了其在醫(yī)學診療方面的應用。

廣州金域醫(yī)學集團副總裁、人工智能與數(shù)據(jù)科學中心總經(jīng)理、廣州醫(yī)科大學教授李映華表示，大模型時代，AI離不開數(shù)據(jù)。對于醫(yī)療行業(yè)而言，數(shù)據(jù)割裂、孤島化現(xiàn)象嚴重，數(shù)據(jù)價值挖掘不夠。他認為，醫(yī)療醫(yī)藥行業(yè)數(shù)據(jù)要素化需要堅持三個方向：一是數(shù)據(jù)資源資產(chǎn)化，加強醫(yī)學數(shù)據(jù)融合與治理，建設專病數(shù)據(jù)集；二是數(shù)據(jù)服務產(chǎn)品化，以終為始，搞清行業(yè)需求，進而確立數(shù)據(jù)價值定位；三是數(shù)據(jù)生態(tài)空間化，共建行業(yè)可信數(shù)據(jù)空間，讓價值數(shù)據(jù)端到端合法合規(guī)合理流通起來。

博彥科技股份有限公司咨詢部合伙人徐永新表示，當前AI給整體醫(yī)療醫(yī)藥領(lǐng)域帶來了三個改變：第一是醫(yī)療機構(gòu)借助AI改進智能客服，提升服務質(zhì)量和運營效率；第二是醫(yī)生可以利用AI在研究和教學方面進行技術(shù)賦能；第三是AI加速了醫(yī)藥研發(fā)產(chǎn)品創(chuàng)新的進程，降低了研發(fā)成本。不過目前AI+醫(yī)療醫(yī)藥仍處于"嬰兒"階段，企業(yè)需要確保投喂醫(yī)療大模型的數(shù)據(jù)質(zhì)量和數(shù)量，并要考慮AI應用框架，進行全新的流程和Ai框架設計，以及加強企業(yè)AI應用的內(nèi)部協(xié)同和協(xié)調(diào)。

海南博鰲樂城國際醫(yī)療旅游先行區(qū)中心藥房有限公司總經(jīng)理馬昱表示，AI的應用場景是樂城未來發(fā)展的重點方向，博鰲樂城先行區(qū)的海南真實世界研究院設有專門的科創(chuàng)數(shù)據(jù)處室進行AI研發(fā)，助力國際創(chuàng)新藥械藥物警戒等相關(guān)工作。當前，中國藥品審評改革持續(xù)深化，CDE正籌劃AI輔助審評，這對于AI在醫(yī)藥行業(yè)發(fā)展，起到了極大的促進作用。

點擊觀看問題④完整版演講視頻

問題五：基礎(chǔ)模型怎么選才最具"性價比"？

基礎(chǔ)模型的選型、技術(shù)路線的選擇……要考慮根據(jù)不同場景，適配相對應的模型，還要兼顧性能、成本，如何平衡？

上述問題曾困擾著想要盡快用上AI大模型的企業(yè)，但亞馬遜云科技大中華區(qū)產(chǎn)品部技術(shù)總監(jiān)王曉野在大會現(xiàn)場拋出了一個尖銳的問題："都2025年了，你還在糾結(jié)選擇大模型嗎？"

他展示了一組行業(yè)調(diào)研數(shù)據(jù)，只有約 40% 的POC（概念驗證）項目能夠成功走到生產(chǎn)，其余 60% 步履維艱。

究其原因，這40% 成功落地的項目往往做對了三件事：一、場景評估——成熟的 AI 場景不再稀缺，像娛樂、出海、翻譯、素材生成等已有大量驗證案例。企業(yè)需要在 ROI、預算和時間維度上進行全面評估，而不是只看模型效果。二、技術(shù)選型 —— 選擇合適的合作伙伴，共同支撐生產(chǎn)級的落地。三、系統(tǒng)化思維 —— 不僅關(guān)注模型，還要量化生產(chǎn)化后的成本和收益，形成整體的系統(tǒng)評估。

而導致失敗的六大原因，幾乎沒有一條是因為"選錯了模型"。相反，問題主要集中在：業(yè)務范圍和建模評估不足、為做 AI 而做 AI、數(shù)據(jù)準備不充分、工程能力缺失、成本認知不足以及安全風險管理不到位。

"在真正實現(xiàn)業(yè)務價值的時候，模型只是前提條件，而不是核心。"王曉野指出。相比于 2023 年大家熱議"選擇哪個大模型"，2025 年的焦點已經(jīng)轉(zhuǎn)向了如何避免 POC 陷阱、如何從想法走到生產(chǎn)。

他建議，在 ROI（投資回報率） 的衡量上，企業(yè)往往把注意力放在效率提升上，但實際調(diào)研發(fā)現(xiàn)，走在前列的公司首先關(guān)注的是新業(yè)務模式與新收入來源。

例如，亞馬遜的 Ring 智能攝像頭，最初只是賣設備，但借助 AI 能力，Ring 增加了語義檢索和事件理解功能，推出視頻回看訂閱服務，從而創(chuàng)造了新的增長點。對比之下，單純的運營效率提升反而排在次要位置。

"選擇模型不再是問題。"演講的最后，王曉野再次強調(diào)，真正需要關(guān)注的是：數(shù)據(jù)能否持續(xù)投入，組織是否具備工程化能力，以及是否能在新一代 Agent 范式下把握行業(yè)方向。

企業(yè)的競爭力，已經(jīng)不在"選哪個模型"，而在"如何讓系統(tǒng)真正走到生產(chǎn)"。

點擊觀看問題⑤完整版演講視頻

問題六：行業(yè)模型如何落地？如何讓AI說"行話"？

在行業(yè)專有能力要求較高的場景之中，行業(yè)模型比通用大模型更有優(yōu)勢。但行業(yè)模型的落地絕非簡單的技術(shù)移植，而是一場系統(tǒng)性變革，是一場行業(yè)特性與當前尚不夠成熟的AI技術(shù)的碰撞和洽接。

只有深刻理解行業(yè)本質(zhì)需求，在技術(shù)理性與行業(yè)特性間找到平衡點，才能真正釋放行業(yè)模型的價值。

在這一話題討論中，來自醫(yī)療、航空、酒店的嘉賓分享了所在領(lǐng)域構(gòu)建行業(yè)大模型的實踐與思考。

"AI下半場是大數(shù)據(jù)小模型的時代。"壹生檢康創(chuàng)始人王強宇開門見山地提出了鮮明的觀點。他強調(diào)，通用大模型已經(jīng)達到了相當高度，但如果要真正推動千行百業(yè)的智能化轉(zhuǎn)型，行業(yè)專屬的小模型才是關(guān)鍵。

王強宇引用了一組數(shù)據(jù)：目前通用大模型訓練使用了約 65萬億的數(shù)據(jù)，然而，行業(yè)內(nèi)部還沉睡著 170萬億尚未被利用的數(shù)據(jù)。這些數(shù)據(jù)關(guān)乎醫(yī)療、法律、制造等各個垂直領(lǐng)域，而AI的價值發(fā)揮離不開數(shù)據(jù)的充分利用。他表示，"如果行業(yè)數(shù)據(jù)得不到訓練，很難想象AI能夠真正服務好千行百業(yè)。"

在醫(yī)療領(lǐng)域，行業(yè)模型的優(yōu)勢已經(jīng)得到驗證。壹生檢康團隊打造的豆蔻婦科大模型，在六大常見婦科癥狀的問診準確率達到 90.2%。更令人矚目的是，該模型已經(jīng)能夠通過婦科主任級考試，最近一次的成績高達 64.94分，超越通用模型（GPT-5考試分數(shù)52.5）。

硅谷也出現(xiàn)了AI 醫(yī)療行業(yè)模型的典型應用層范本——OpenEvidence通過最新的技術(shù)架構(gòu)：專業(yè)化的模型訓練、權(quán)威的內(nèi)容聯(lián)盟和臨床導向的產(chǎn)品設計，僅用11個月就覆蓋了美國超過40%的執(zhí)業(yè)醫(yī)師，月活躍醫(yī)生用戶超過10萬，成為醫(yī)療史上增長最快的臨床應用程序。

王強宇指出，這一思路正在啟發(fā)豆蔻婦科模型的下一步：通過AI智能搜索+分析+總結(jié)，打造出"醫(yī)生的Copilot"，為臨床提供更專業(yè)更新決策依據(jù)。

行業(yè)模型的優(yōu)勢不僅是準確率，更體現(xiàn)在專業(yè)契合度、定制靈活性、成本可控、數(shù)據(jù)安全和差異化競爭。王強宇引用英偉達的觀點指出，"小模型是未來"，因為使用數(shù)千億參數(shù)的大模型來解決特定行業(yè)的小問題，無異于"高射炮打蚊子"，既浪費又低效。

更重要的是，行業(yè)模型不必獨立存在，它們與 Agent 技術(shù)結(jié)合后，能夠更好地解決復雜的行業(yè)問題。

在王強宇看來，AI下半場的最大機會正在于行業(yè)模型。通過強化學習等科學的訓練方法，即使是小團隊，也能在短期內(nèi)訓練出高效的小模型。

未來，隨著各行各業(yè)加快布局，更多行業(yè)專屬小模型誕生，將迎來行業(yè)生產(chǎn)力的全面釋放。

"生成式大模型有別于以往的判別式人工智能技術(shù)，泛化能力強但無法完全保證準確性，而很多行業(yè)場景錯誤容忍度極。"航旅縱橫創(chuàng)始人，中航信移動科技有限公司董事長、總經(jīng)理薄滿輝認為，通用大模型無法直接應用于嚴肅場景，行業(yè)大模型是解決之道。而且，薄滿輝強調(diào)，行業(yè)大模型不只是模型，而是系統(tǒng)工程。行業(yè)大模型需要具備復雜推理、專業(yè)知識檢索增強、行業(yè)通識理解，以及專業(yè)數(shù)據(jù)生產(chǎn)的能力，而不是簡單通過預訓練和微調(diào)通用模型就能實現(xiàn)行業(yè)大模型的落地。

在此過程中，持續(xù)的數(shù)據(jù)生產(chǎn)能力是行業(yè)大模型建設的基礎(chǔ)，可控可解釋的推理能力是行業(yè)大模型建設的關(guān)鍵，能否鏈接真實場景是衡量行業(yè)大模型成色的重要維度。對此，薄滿輝表示行業(yè)大模型不僅需要多模態(tài)、高質(zhì)量、有標注、有機組織的高質(zhì)量數(shù)據(jù)集，更要建立"數(shù)據(jù)-模型-數(shù)據(jù)"閉環(huán)，保持持續(xù)進化。

酒店業(yè)也正從早期的概念嘗試邁向深度應用階段，AI已成為提升收益管理與運營效率的核心工具。

作為酒店行業(yè)的連續(xù)創(chuàng)業(yè)者，心逸酒店集團董事長、CEO朱暉表示，酒店真正的核心競爭力是店長，而非品牌或資金。然而當前店長工作繁重，除日常運營外，還須應對消防檢查、平臺運營、公司活動等多重事務，其中最核心的目標仍是提升收益。因此，公司決定將AI首先應用于店長層面，打造稱為"AI數(shù)字經(jīng)理"的智能助手，嵌入店長日常使用的CIM系統(tǒng)中。

他以今年五一期間杭州一家門店的實際案例，說明AI在收益管理中的突破性作用。當時店長憑五年經(jīng)驗判斷應當漲價，但AI通過實時商圈流量分析發(fā)現(xiàn)已無新客流涌入，堅決建議降價。盡管店長最初強烈質(zhì)疑，甚至在商圈現(xiàn)場拍攝人潮照片為證，但在總部"作戰(zhàn)協(xié)同部"的支持下最終執(zhí)行降價策略。結(jié)果全天入住率同比提升8.3%，RevPAR（平均客房收益）也實現(xiàn)增長，而周邊競爭酒店同期業(yè)績普遍下降。店長由此意識到，AI基于數(shù)據(jù)的判斷比經(jīng)驗更精準。

除了收益管理，AI還實現(xiàn)了對客房清掃的智能調(diào)度。他指出，店長以往每天需花費大量時間分配房間和統(tǒng)計清潔成果，而AI不僅能自動排房，還可根據(jù)實時預訂數(shù)據(jù)指導清潔人員優(yōu)先打掃高需求房型，避免到店客人無房可住。系統(tǒng)還會自動完成計件統(tǒng)計，大幅減輕店長事務負擔。

在網(wǎng)評回復等場景中，AI也表現(xiàn)出高效一致的處理能力，擺脫以往機械粘貼的回復方式。

他強調(diào)，AI已深入酒店運營的市場判斷、收益優(yōu)化、清掃排房、網(wǎng)評管理與應急處理等多個環(huán)節(jié)，帶來實質(zhì)性的效率提升與收益增長。盡管有店長擔憂被替代，但他明確表示："AI不會取代店長，但會用AI的店長一定會取代不會用AI的店長。"在他看來，這場以AI為驅(qū)動的運營變革，正悄然重塑酒店行業(yè)的管理模式與競爭力內(nèi)核。

點擊觀看問題⑥完整版演講視頻

問題七：知識庫如何搭建才能更有"活力"？

知識庫就像是大模型的養(yǎng)分，需要不斷地注入營養(yǎng)給大模型，才能讓大模型在業(yè)務場景中發(fā)揮真正的作用。

真正能釋放業(yè)務價值的知識庫絕非靜態(tài)的"資料倉庫"，而是動態(tài)流動、持續(xù)迭代的"智慧引擎"。建立持續(xù)迭代機制，讓知識在應用中不斷循環(huán)更新，才能適應業(yè)務的變化。

上海東航數(shù)字科技有限公司副總經(jīng)理李志軍指出，企業(yè)的知識管理正處在全新的轉(zhuǎn)折點，人工智能正在推動從"信息存儲"向"知識驅(qū)動"的躍遷。

李志軍回顧了傳統(tǒng)知識獲取的過程。他以民航業(yè)為例：通過信息化系統(tǒng)發(fā)現(xiàn)某些月份客座率接近90%，而另一些月份不足75%。這類數(shù)據(jù)可以揭示淡旺季，但尚不能直接指導行動，必須結(jié)合人工經(jīng)驗和行業(yè)理解才能得出"淡季增加商務航線運力、旺季增加旅游航線運力"的知識。

過去企業(yè)主要依賴專家顧問、資深員工傳授、行業(yè)書籍以及內(nèi)部手冊來獲取知識，然而這些知識存在"信息墳場化"問題。研究表明，企業(yè)42%的知識仍停留在人腦中，26%以文檔形式存儲，只有12%進入了可檢索的知識庫。在東航，乘務員要學習專業(yè)手冊，例如在空中為過生日的旅客送上祝福，才能將知識轉(zhuǎn)化為實際行動。但這種模式效率低，更新慢，容易形成知識孤島。

針對航空業(yè)，李志軍總結(jié)了六大挑戰(zhàn)：1、知識沉淀難，大部分知識仍依賴個人記憶，難以數(shù)字化；2、數(shù)據(jù)量龐大：每架飛機運行都會產(chǎn)生海量圖像、音頻、視頻和傳感器等數(shù)據(jù)，傳統(tǒng)BI技術(shù)難以提取知識；3、信息墳場化：員工每天需花 1.2–2.7小時 跨系統(tǒng)檢索知識；4、更新滯后：新產(chǎn)品落地時，知識更新不及時會引發(fā)投訴；5、部門壁壘：營銷、運行、服務板塊間存在信息鴻溝；6、旅客體驗差：航空知識體系專業(yè)壁壘強，普通旅客難以理解。"這些困境制約了知識真正轉(zhuǎn)化為生產(chǎn)力。"李志軍說。

但新一代人工智能為知識管理帶來了躍遷，李志軍分享了東航的四大實踐：1、場景識別：通過調(diào)研發(fā)現(xiàn)，員工對知識的需求迫切，許多應用場景落在"業(yè)務價值高、技術(shù)實現(xiàn)可行"的區(qū)域，是AI落地的最佳切入點。2、知識治理：自2017年起推進數(shù)據(jù)治理，東航成為民航業(yè)內(nèi)首家獲得 DCM九五級認證 的企業(yè)，并入選央企數(shù)據(jù)治理"十佳標桿"。盡管知識準確度較高，但"亂"和"散"的問題依舊存在。3、RAG應用：基于檢索增強生成（RAG）構(gòu)建知識庫，目前已涵蓋 300多本公司手冊，服務超過1萬名一線員工。例如，地服人員詢問"大提琴如何托運"，RAG能迅速返回精準規(guī)定，減少投訴，提升服務質(zhì)量。調(diào)查顯示，70%的旅客投訴源于員工不熟悉手冊，RAG顯著改善了這一問題。4、智能體應用：東航已有 400多個部門級智能體 投入運行。比如"新開航線智能體"，能夠快速生成覆蓋經(jīng)濟效益、飛行條件、備降機場選擇等內(nèi)容的分析報告，效率遠超人工；而"Askdata"工具不僅能回答"昨天盈利多少"，還能自動分析原因并給出行動建議。

李志軍提出，未來的知識管理目標是"讓知識無縫嵌入生產(chǎn)過程"。東航正在探索基于自有數(shù)據(jù)訓練民航垂直大模型，突破RAG和智能體在長文本、多模態(tài)上的限制。在他預期中，未來人人都會擁有智能知識助手、每位員工可訓練數(shù)字分身，替代自己整理并傳播知識。

"知識最終要成為生產(chǎn)力，真正為企業(yè)發(fā)展和旅客體驗服務。"李志軍說。

點擊觀看問題⑦完整版演講視頻

問題八：Agent時代，尋求人機協(xié)同的"最優(yōu)解"

AI Agent正在從單一任務執(zhí)行者，進化為復雜業(yè)務場景的協(xié)同參與者，其編排邏輯與治理機制正成為企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵命題。

"共生關(guān)系"絕非簡單的技術(shù)疊加，而是需要在分工界定、能力適配、界面設計、信任培育等維度建立剛性秩序，更依賴業(yè)務部門從被動接受者轉(zhuǎn)變?yōu)橹鲃釉O計者。

美的荊州工廠14個智能體覆蓋了38個核心生產(chǎn)業(yè)務場景，由"工廠大腦"指揮，統(tǒng)一協(xié)同和控制計劃、供應鏈、物流、生產(chǎn)、品質(zhì)，大幅提升效率。美的以"多智能體協(xié)同架構(gòu)"重構(gòu)生產(chǎn)邏輯，其技術(shù)架構(gòu)（Agent自主決策+工業(yè)領(lǐng)域大模型融合+具身交互）、場景廣度（38個場景）、落地深度（從整個工廠、車間、產(chǎn)線進而深入到工位），定義了生產(chǎn)制造的未來形態(tài)——從"數(shù)字化工廠"演進為"自主進化型智能體生態(tài)"。

美的集團AIGC項目負責人李明德在會上分享了美的在AIGC應用方面的經(jīng)驗與布局。

"AI大模型不僅是一種工具，更是企業(yè)經(jīng)驗沉淀、業(yè)務重構(gòu)與人才轉(zhuǎn)型的核心載體。"李明德進一步指出，"商業(yè)應用框架成熟將促使專業(yè)分工的清晰，通用大模型由行業(yè)巨頭占據(jù)，垂直和專業(yè)模型產(chǎn)業(yè)企業(yè)將突出行業(yè)優(yōu)勢，能力層將形成服務化沉淀，企業(yè)將加快突破及應用。"

李明德表示，美的聚焦三大應用方向——效率提升、業(yè)務場景融合與支撐體系。比如在知識庫方面，通過匯聚各垂類領(lǐng)域知識，美的構(gòu)建了統(tǒng)一數(shù)據(jù)基座，并結(jié)合大模型能力，實現(xiàn)非結(jié)構(gòu)化知識自動解析與智能對話，并快速賦能消費者、導購、工程師、客服、員工等。今年上半年，美的AIGC實現(xiàn)財務認可提效2.83億元，節(jié)省490.4萬小時；截至8月底，該數(shù)字迅速升至4.4億元和860萬小時，推進速度超出團隊預期。

此外，讓一線員工參與到智能體開發(fā)之中，也是美的AIGC應用開發(fā)過程中的重要舉措。據(jù)李明德介紹，目前美的內(nèi)部已涌現(xiàn)9000多個"民間智能體"，由一線員工自主開發(fā)。一線員工最清楚業(yè)務痛點，他們開發(fā)的智能體甚至比技術(shù)和產(chǎn)品團隊做得更好。這些智能體不僅顯著提升效率，更成為企業(yè)知識沉淀的新載體。

在智能時代浪潮中，云跡科技作為機器人行業(yè)的先行者，已逐步將"AI同事"從概念推向現(xiàn)實。2024年全年，云跡機器人完成了超5億次任務，服務覆蓋超3萬多家酒店，行走了2033萬公里，相當于繞地球赤道約507圈，真正成為人類工作中穩(wěn)定、高效、低成本的協(xié)作伙伴。

在云跡科技副總裁謝云鵬看來，機器人不僅具備移動與操作能力，更以"六維能力"（學習力使其舉一反三、適應力對抗環(huán)境風險、交互力讀懂人性需求、自主力實現(xiàn)目標閉環(huán)、情感力構(gòu)建共情機制、社會力融入組織角色）為驅(qū)動的以服務人類健康與設備效能為終極目標的自進化硅基生命。

例如，在酒店場景中，機器人能通過電話溫柔提醒客人取物，避免驚擾；也能為盲人客戶開啟無障礙服務，體現(xiàn)細膩的情感設計。它們不再是冷冰冰的工具，而是被許多酒店視為"正式員工"，甚至擁有自己的生日慶祝儀式。

所以，云跡科技提出"機器人口紅利"時代正加速到來——通過具身智能與離身智能的協(xié)同，機器人以規(guī)模化、自進化的服務能力，釋放人類去從事更具創(chuàng)造性與情感價值的工作。

談及與AI機器人同事高效協(xié)作，謝云鵬認為有四大關(guān)鍵：目標明確、過程可控、結(jié)果可溯、反饋必應。

例如，云跡科技機器人在全球三萬余家酒店中每日完成超百萬次任務——酒店管理者不僅為這些"AI同事"設定工作時長、響應時間等清晰KPI，更從運行數(shù)據(jù)中敏銳識別細微的客戶需求，借助持續(xù)反饋推動系統(tǒng)優(yōu)化。每一次精準服務都不只提升運營效率，更轉(zhuǎn)化為實實在在的價值增量，助力酒店贏得更多好評。這樣的人機協(xié)作模式，同樣適用于醫(yī)院、工廠等多種場景，賦能更多行業(yè)實現(xiàn)智能升級與體驗提升。

在謝云鵬看來，人機協(xié)作不是替代，而是進化?？萍纪苿拥臅r代不可逆轉(zhuǎn)，而真正的未來屬于那些善用AI、與AI共創(chuàng)新價值的人們。

點擊觀看問題⑧完整版演講視頻

問題九：AI人才瓶頸如何解？

AI價值的持續(xù)釋放，高度依賴與之匹配的人才結(jié)構(gòu)、跨部門協(xié)作機制及敏捷的運營流程。當前，爭搶AI人才逐漸白熱化，也正超出企業(yè)承受范圍，如何突破人才瓶頸？

科銳國際高級副總裁曾誠圍繞 AI 時代的人才挑戰(zhàn)、人才特征，結(jié)合鮮活實踐與破解路徑展開分享。她指出，AI 技術(shù)飛速發(fā)展背景下，企業(yè)普遍面臨的"人才荒"并非AI時代獨有，其本質(zhì)是人才戰(zhàn)略與組織能力未能跟上技術(shù)變革的節(jié)奏。當戰(zhàn)略藍圖繪就后，最核心的命題就是如何通過人才實現(xiàn)它。人們常說"AI一天，人間一年"，這背后隱藏的邏輯是：AI時代，人才尤為重要。

曾誠提到，當前 AI 人才競爭已進入白熱化階段。她引用科銳國際內(nèi)部數(shù)據(jù)，當前 AI 崗位需求量同比翻倍，但人崗適配契合的人才僅為20%，可謂"需求如瀑布，人才如水滴"。她強調(diào)，這種失衡不僅源于人才數(shù)量的短缺，更關(guān)鍵的是，仍有部分人被舊思維裹挾，無形中阻礙著這些"水滴"般的人才向前流動。整個行業(yè)的組織形態(tài)，正處在一種混沌又彌散的狀態(tài)里。

那么，如何破解這一難題？

曾誠提出，企業(yè)應從"花錢買人才"轉(zhuǎn)向"主動造人才"，從"AI人才消費者"轉(zhuǎn)變?yōu)?AI人才生產(chǎn)者"。她表示，AI 時代的人才戰(zhàn)略必須前置，與業(yè)務戰(zhàn)略同步甚至領(lǐng)先推進，并在人才的選用育留上雙線發(fā)力：一方面推動現(xiàn)有員工轉(zhuǎn)型與培養(yǎng)，另一方面積極引入外部高端人才。

她分享了一個千億規(guī)模的傳統(tǒng)制造企業(yè)的案例：該企業(yè)在推進 AI 落地時，并未一味依賴外部挖人，而是先基于自身戰(zhàn)略明確人才畫像，邀請專業(yè)機構(gòu)盤點內(nèi)部具備潛力的適配人才，再針對性設計系列課程，對業(yè)務人員開展系統(tǒng)技術(shù)培訓與考核，同時在關(guān)鍵崗位引入外部專家，最終搭建出完整的人才體系。

針對高端 AI 人才的吸引與保留，曾誠認為，除高薪外，企業(yè)更需關(guān)注人才與組織發(fā)展階段的契合度。她舉例說，一些初創(chuàng)企業(yè)盲目追求"大廠背景"或名校畢業(yè)生，反而忽略了對候選人實際能力、文化匹配度及企業(yè)自身階段的理性分析，導致人才適配效果不佳。

此外，她呼吁企業(yè)構(gòu)建敏捷人才生態(tài)，采用"全職員工 + 外包/獨立顧問 + 數(shù)字員工"的多元模式，以應對AI智能時代下快速迭代的業(yè)務及組織能力需求。她以某AI原生國企為例，該公司從 10 人團隊快速成長為近 200 人的賽道明星企業(yè)，正是得益于靈活多元的用工形態(tài)與精準的人才定位。

點擊觀看問題⑨完整版演講視頻

問題十：安全合規(guī)是永遠的紅線

安全合規(guī)始終是企業(yè)在選擇數(shù)字化轉(zhuǎn)型技術(shù)的過程中，最為關(guān)注的問題之一。

當AI大模型從實驗室走向企業(yè)核心業(yè)務系統(tǒng)，其安全合規(guī)問題已從技術(shù)細節(jié)上升為戰(zhàn)略風險。企業(yè)級應用的規(guī)?；鼍暗拿舾行耘c監(jiān)管的全球化，使得算法偏見、隱私泄露等問題被放大為法律糾紛、聲譽危機甚至業(yè)務停擺的導火索。這種困局不僅源于技術(shù)的復雜性，更在于AI治理體系與現(xiàn)有規(guī)則框架的適配斷層。

近年來，奢侈品積極擁抱AI，嘗試為品牌激發(fā)新活力。例如，愛馬仕成立AI治理委員會；LV通過分析社交媒體數(shù)據(jù)，將傳統(tǒng)需耗時三周的洞察壓縮至一天；迪奧虛擬試衣間通過算法推薦限量款，響應時間從90秒縮短至30秒；勞力士通過AI精準定位高凈值人群。

但利用AI進行效率革命的另一面是數(shù)據(jù)隱私。今年5月迪奧（Dior）全球部分客戶數(shù)據(jù)曾被未經(jīng)授權(quán)的外部人員獲?。?月香港就LV陸續(xù)發(fā)生泄露香港41萬客戶事件進行調(diào)查……奢侈品牌的高凈值客戶對數(shù)據(jù)隱私敏感度高，此類事件極易引發(fā)信任危機。

財務領(lǐng)域?qū)I安全合規(guī)態(tài)度更為謹慎。李錦記的副總裁、全球供應鏈及研發(fā)財務負責人劉欣雨直言，AI在財務領(lǐng)域帶來了前所未有的機遇與挑戰(zhàn)，但底線永遠是數(shù)據(jù)合規(guī)，"這是一條生死線"。

作為曾在一家上市公司擔任CFO的資深財務人，劉欣雨在開場就拋出一句："這是最好的時代，也是最壞的時代。" 最好在于AI提供了提高效率、降低成本的新工具，解放了財務人員的生產(chǎn)力；最壞則在于，若這些工具落入錯誤的場景或被不當使用，可能讓企業(yè)蒙受巨大損失甚至陷入萬劫不復。

他引用了一組數(shù)據(jù)：2020年到2024年，被監(jiān)管機構(gòu)處罰的上市公司財務人員數(shù)量，從60人上升到137人，年復合增長率高達23%。目前中國A股有5348家上市公司，每家公司都有CFO，"如果這個增速持續(xù)，18年后所有的CFO都可能被處罰一次。" 劉欣雨強調(diào)，這一趨勢反映的核心問題就是上市公司面臨的監(jiān)管越來越嚴，財務面臨的數(shù)據(jù)合規(guī)壓力越來越大，甚至空前絕后。

在分析被處罰的原因時，他指出，大約70%—80%集中在兩類：虛假財務報告和未及時披露信息。"有人為的因素，也有體系不健全的原因。"在他看來，即便財務職能已經(jīng)從傳統(tǒng)"記賬"演進到今天的"決策支撐"和未來的"價值整合"，底層依然是合規(guī)，如果數(shù)據(jù)處理環(huán)節(jié)出了問題，所有工作都將失效。

那么，AI在合規(guī)領(lǐng)域的應用機會點在哪里？劉欣雨列出了多個方向：智能票據(jù)處理、現(xiàn)金流預測、欺詐檢測、虛假貿(mào)易監(jiān)管、內(nèi)控報表審核、動態(tài)預算編制、并購（M&A）評估等。在其所服務的公司已上線智能報銷平臺，員工只需語音指令"幫我整理昨天去上海的報銷單據(jù)"，AI即可完成票據(jù)整理與填報。在面對數(shù)以萬計的員工報銷時，這類工具極大提升了員工報銷和財務審核的效率，也保障了合規(guī)性。

此外，他還分享了AI在異常資金流動監(jiān)測中的作用。過去一些企業(yè)"老板一句話"就能支配數(shù)千萬資金，極易造成合規(guī)風險。而AI系統(tǒng)能夠及時提示：供應商是否存在代碼異常、新建供應商賬戶是否合理、資金是否超出業(yè)務范圍，從而幫助企業(yè)避免違規(guī)。

然而，機遇背后挑戰(zhàn)重重。他直言，數(shù)據(jù)安全與隱私、算法偏見、模型可解釋性、技術(shù)依賴和法律風險，都是不可忽視的問題。尤其是"模型透明度"問題，在財務中尤為關(guān)鍵。

他進一步警示，隨著AI生成技術(shù)的快速發(fā)展，Nano Banana能零成本的在十幾秒內(nèi)將電子原始憑證改的面目全非且難辨真假，但電子憑證的推廣卻如火如荼，對財務數(shù)據(jù)合規(guī)就構(gòu)成巨大挑戰(zhàn)。

最后，劉欣雨拋出了一個尖銳的問題："如何讓AI在財務合規(guī)上為虎傅翼，而不是為虎作倀？"

他提醒與會的CIO和企業(yè)管理者，AI帶來的效率提升與成本下降固然重要，但唯有守住合規(guī)的底線，才能避免在未來的財務數(shù)字化浪潮中給企業(yè)帶來巨大風險。

點擊觀看問題⑩完整版演講視頻

（應企業(yè)的相關(guān)合規(guī)要求，部分現(xiàn)場演講視頻暫不對外發(fā)布）

結(jié)語

關(guān)于AI落地問題的討論無法在一天之內(nèi)找到答案。過去一年，我們與上百位企業(yè)高管溝通、調(diào)研，嘗試離答案更近一步。

我們將持續(xù)與AI實踐者們對話，更多案例與場景分享，請?zhí)砑游⑿盘杢mthuiyuan。

點贊轉(zhuǎn)發(fā)本文章，關(guān)注公眾號：ITValue

在后臺回復關(guān)鍵字：AI場景落地真相，免費獲取年度演講完整版PPT（鈦媒體版，不包含案例分享嘉賓內(nèi)容）。