当我们迈入连续第四个“AI元年”，企业管理者们正被两个看似矛盾的问题困扰：生成式AI究竟是21世纪最具变革性的技术，还是一场被过度炒作的泡沫？答案或许是两者兼而有之，但更值得深思的是另一个问题：企业当下该如何从AI中获取实实在在的业务价值？
过去三年，不少企业在AI技术和工具上投入不菲，却迟迟未能收获预期回报。CEO们高喊“全面AI化”的口号，组织却难以看到理想的投资回报率。这种情况其实并不意外，历史早已证明，重大技术创新从诞生到真正为商业创造价值，往往需要漫长的沉淀期。
1882年爱迪生就在曼哈顿展示了电力的力量，但直到1913年福特推出电气化流水线，电力才彻底取代蒸汽动力成为制造业的核心。试想1885年的企业管理者催促工人尝试电力技术时，恐怕也难以预见未来一个世纪里，电力会为无线电、数字计算等革命性创新铺平道路。同样，上世纪90年代互联网普及后，消费者端应用爆发式增长，但企业真正通过电商从中获益，却花了整整五年时间。技术的商业价值，从来都是逐步释放的。
ChatGPT的问世让大语言模型走进大众视野，“像人类一样理解对话”的聊天机器人成了AI应用的典型范式。许多企业纷纷推出类似的AI助手，用户反馈尚可，但生产力层面的商业回报却难以量化。代码助手是目前大语言模型在商业领域较为成熟的应用，Claude Code、Cursor等工具展现出惊人的能力，但研究显示，开发者个体的效率提升并未转化为组织整体的生产力增长。更关键的是，如果开发出的产品本身无法创造业务价值，单纯加速开发进程对企业业绩毫无助益。显然，这些都不是AI时代的“杀手级应用”。
要找到AI最具影响力的应用场景，企业必须聚焦自身商业模式的核心驱动力。在《拆解企业》一书中，作者提出“价值动态”概念，将商业模式拆解为一系列相互关联的价值交换，而数据是其中最独特的“货币”。谷歌和Meta等企业正是通过数据积累建立了数字优势：它们将数据收集与收入增长形成良性循环，通过广告定位将客户数据情境化，以此推动核心收入，再通过用户互动收集更多数据。
如今多数企业已积累了大量数据，却未能构建起这样的价值飞轮。大语言模型本质上就是应用数据，它有潜力成为驱动企业价值飞轮的引擎，但需要情境化数据作为燃料，更需要与企业商业模式的核心环节深度绑定。这个“数据激活”的过程，能让数据变得可信且可规模化利用，为企业实现更动态的自动化奠定基础，最终找到适合自身的AI杀手级应用。
激活数据后的企业会是什么模样？我们可以设想几个场景：一家制药企业原本需要投入数百万美元、耗时数年押注新药研发，如今借助AI驱动的动态自动化，能实现更灵活的并行临床试验周期；一家零售银行原本向所有客户群发产品推广，响应率极低且后续流程依赖人工，现在能推送个性化产品，同时简化信贷审批流程，大幅提升高利润贷款产品的 adoption；一家零售商的库存管理系统原本常出现积压和缺货问题，现在通过AI智能体实时分析门店、仓库和供应商的数据，能精准掌握库存状况。
要踏上这条实现AI投资回报的道路，企业可以遵循以下四个步骤：
第一步，梳理企业的价值动态。将商业模式拆解为底层的价值交换，能清晰展现驱动业务的核心能力、关键业务环节，以及各要素在价值创造、获取和分配中的作用。基于价值交换图谱，企业可以找到最适合应用动态自动化的核心业务流程，进一步将每个价值交换环节与软件应用、数据存储、员工任务等运营层面的要素对应，再根据影响程度和实施复杂度评估自动化机会，精准定位AI和数据激活的切入点。
第二步，通过数据激活层构建可选性。数据激活的关键在于数字生态的可选性，即软件功能、数据源、第三方服务等数字资产能实时访问。在AI场景下，这意味着两方面能力：一是整合不同来源的数据，为大语言模型提供精准的上下文，确保推理准确、避免幻觉；二是核心业务功能的软件组件（如银行的贷款审批服务、零售商的实时库存系统）能被基于大语言模型的应用调用，以实现自动化。API是实现数据和功能可访问性的最佳机制，Model Context Protocol（MCP）正成为数据激活的热门API协议。将孤立的应用和数据转化为与业务对齐的API层，是通过数据激活实现AI投资回报的关键。
第三步，拥抱智能体范式的数字解决方案。AI时代的软件架构正在形成，优化的解决方案需要平衡AI组件与非AI组件。AI智能体作为架构中的AI核心部分，基于情境感知的大语言模型推理，借助可用工具执行任务，是数据激活和动态自动化的核心载体。通过API实现可选性的数字生态，是AI智能体发挥作用的最佳土壤。智能体架构支持从简单聊天机器人、工作智能体，到智能体工作流，再到自主多智能体系统等多种模式。采用这种架构，企业能在充分利用现有数字资产的同时，以可控的节奏推进AI adoption，应对价值提升带来的复杂度增长。
第四步，将AI作为生产力工具构建智能体自动化。单纯用AI提升员工生产力，可能无法为企业带来最高回报，但将AI的生产力增益用于激活企业数据、构建智能体自动化，能加速实现实际收益。这不仅是用AI提升开发者效率，更重要的是弥合业务专家与IT团队之间的鸿沟。大语言模型作为基于语言的技术，能以前所未有的方式在需求与解决方案之间搭建桥梁：多模态AI能将业务草图转化为可用于后续开发的工件，会议记录能直接生成原型，实现业务领域知识到解决方案框架的实时转化。
遵循这四个步骤，企业不仅能激活数据、实现AI投资回报，还能更好地适应AI经济带来的新生态、新岗位和新机遇。通过理解自身业务的价值动态、将数字资产转化为可灵活调用的资源、围绕智能体架构布局，企业将不再被动等待AI未来的到来，而是亲手创造属于自己的AI时代。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ji-huo-shu-ju-suo-xiao-ai-tou-zi-hui-bao-que-kou-jie-zhu
