前不久，某医疗行业工程师在一场发布会上演示了医药临床研究报告（CSR）的智能化流程：过去需要数月、涉及十几个部门反复沟通的合规报告，在AI工作空间中压缩到了几天。

这是一次成功的尝试，但对于大多数企业管理者而言，他们正在经历着同一种焦虑：AI到底能不能真正改变我的业务？

这种焦虑也已传导到了ToB企业服务领域。IBM大中华区首席技术官翟峰曾坦言，现在企业对AI已经“谈得有点乏力”，核心问题是："AI落地雷声大、雨点小。表面上看起来热热闹闹，最后却看不到实质价值，ROI也没有，企业领导觉得也没什么意思。”

IDC的数据显示，当前90%的AI概念验证（POC）无法通过生产验收，企业普遍面临“算不清账、落不下去、不敢授权”三大核心痛点。Gartner在2026年初发布的调研则指出，全球超过90%的企业推出过生成式AI试点，但真正跨越实验阶段、进入生产环境并形成规模化价值的项目不足41%。

一面是技术能力的指数级跃升，一面是商业价值的线性甚至停滞。双方交织出一条横在“试点”与“规模化”之间的鸿沟，正在成为企业AI转型中最致命的“死亡之谷”。

企业级AI陷入ROI焦虑

如果要用一个词概括2026年企业AI的集体困境，那一定是“ROI焦虑”。

麦肯锡调研显示，尽管90%的企业都已启动AI转型，但只有25%取得了切实成果，真正实现规模化应用的企业仅占10%。换句话说，绝大多数企业的AI投入，无论是购买大模型API、自建算力集群，还是雇佣AI工程师，这些举措在财务报表上，几乎看不到任何可追溯的回报。

这些对AI投资回报率的担忧正在吞噬企业对于AI应用的信心。IDC预测，到2026年，50%的AI驱动数字化应用场景将无法达到ROI目标，原因包括收益不清晰、风险上升、人机协作薄弱以及数据基础薄弱。翟峰直言，“很多企业上了一个小工具，那里调用一下第三方的大模型，或者调一下网上的API。大部分企业目前是在‘租用智能’，你在使用别人的能力，它并不是你企业自主拥有的智能。”

问题出在哪里？关键在于企业对AI的使用没有融入真正有价值的核心业务流程之中，而只是“浅尝辄止”地应用在一些不痛不痒的环节。对此，神州数码首席执行官李映表示，个人每天使用AI工具安排行程、生成PPT，本质上是“管理生产力”的提升，但企业需要的，是让AI直接进入业务流程，真正创造价值，进而变成企业“运营生产力”。“95%的AI项目停留在PoC阶段，原因正是很多企业还在用管理生产力的方法来处理运营生产力。”李映指出。

IDC中国副总裁武连峰则给出了一个框架性的解释。他将AI驱动业务价值划分为三个阶段：提升生产力、提升洞察力、重构产品服务与商业模式。他提醒企业，“千万不要把AI的价值在短期内估计过大，这个过程至少十年”。

但对于绝大多数企业而言，他们等不了十年。浪潮信息董事长彭震称，“如果今天我们用一个成熟的商业模型去衡量一个创新型的商业变革，我认为是不公平的。AI转型一开始要靠信念支撑。”

信念之外，更务实的企业已经在寻找破局的方法。翟峰发现，越来越多的CIO开始回归到最基础的两个字：流程。他表示，企业里90%以上的流程是固定的（比如报销、审批等），很多时候不需要AI去泛化或创造，而是需要“已有的流程如何实现自动化，减少人工干预”。

企业流程重构

IBM的专家在服务中国企业时发现了一个普遍现象：企业的流程不是太少，而是太多、太碎、太僵。“企业内部无论是研发、生产管理还是IT运维，逻辑都是一样的：你有没有高价值的数据喂给你的模型，让它能够很好地执行流程，进而做好企业决策。”翟峰指出。

针对此，IBM已经开始用AI重塑软件研发的全生命周期。据翟峰介绍，今年3月底发布的AI开发助手Bob，在IBM内部已有8万多个用户，其中2万多是专业软件工程师，日活比例高达65%。“对于简单的配置、流程相关的工作，Bob可以把效率提升50%-80%；哪怕是需要专家协作完成的复杂操作，也可以提升20%-40%的研发效率。”翟峰如是说。

但AI编程带来的不只是效率提升，还有新的风险。翟峰说，“Agent现在已经可以直接跟服务器、业务系统进行交互了。一旦模型调用Agent执行了错误操作，可能就会直接导致应用下线或者服务器宕机。”为此，Bob引入了代码实时扫描、Agent权限管理、安全沙箱和不可篡改的审计日志。

这正是“AI+”与“+AI”的本质区别。“+AI”是在原有工具和流程上辅助加一些AI能力，“但有可能你原有的那套东西已经不与时俱进了，就像非要给马车配一个发动机让它跑。”翟峰指出，而“AI+”则是一上来，组织流程和业务就是建立在AI之上。对于这点，彭震与翟峰有着相似的认知，彭震表示，“+AI”只是浅层工具辅助，而“AI+”是更深层的底层变革。关键在于领导者必须率先提升对AI“创造力、爆发力、效率”的认知，主动进行根本性变革，否则被动等待只会被时代淘汰。

彭震透露，浪潮信息内部在推动AI转型时，首先给研发部门设立了一个具体到不能再具体的KPI：代码一次性采纳率。“我们给每个部门都要求设立AI转型指标，包括代码一次性采纳率（给研发用的），AI审核覆盖率（给法务、商务用的），营销文案准确率（给销售部门的指标）。”

浪潮信息正在重构从需求管理到产品交付的全流程。但如果只是“一个人+一个Agent写代码”，那仍然停留在工具层面。对此，彭震表示，“以前人的知识密度不够，一个人只能成为某一方面的专家，需要一堆人协同干一个事儿。但AI不一样，它既有深度又有宽度，完全可以涵盖从市场调研、需求管理、架构设计到代码生成的全链条。”

以AI编程为例，从需求管理开始，AI参与需求的解读和澄清；到架构设计阶段，AI辅助拆解需求、分模块；再到代码生成，AI负责具体的编码工作；最后是测试和验证，甚至可以让“一个大模型写一段代码，让另外一个大模型读它，让两个大模型去打个分看谁写得好”。

但彭震特别强调了一个关键点：人依然掌握着最后的按钮。“发出的按钮一定是人类去摁的，不会是机器决定发的，因为风险太大。”

不过在实现“AI+”的过程中，企业员工对于AI的接受度仍然是一个不小的挑战。彭震告诉笔者，“今天AI转型最大的门槛是人，不是物、不是技术、不是流程、不是数据。最大的障碍是人，人愿不愿意拥抱它、愿不愿意去改变。”

认知变革落地到企业内部，首要任务是企业文化与全员心智改造。浪潮信息内部AI转型实操中，就遇到过这种情况，AI转型小组长就曾担心AI落地后会带来团队裁员，自己将背负责任。

与此同时，一线研发人员两极分化：一部分资深工程师鄙视Agent产出代码逻辑性差、缺乏工程美感，完全拒绝协同；另一部分新人则过度迷信AI，直接照搬模型输出内容不加核验。两类心态都让AI协同工作陷入停滞。

针对这类行业共性问题，浪潮信息率先落地全员AI心智改造体系：一方面搭建免费Token创新工厂，剥离员工创新试错的成本压力，同时开展全员AI实操认证、黑客松创新大赛，让员工直面Agent优缺点——把Agent类比为执行力强、易犯低级错误的年轻员工，建立中性协同心态；另一方面重构企业KPI体系，摒弃“人机对立”考核逻辑，不再以单人产出为考核标准，转而考核“人+Agent”协同产出效率、创新成果，同时锁定人类员工终审兜底权限——所有代码上线、业务审批、项目发版最终按钮必须由人类员工操作，筑牢员工岗位安全感。

时代已至

这套方法论背后，是浪潮信息对“软件工程”本质的深刻理解。彭震在演讲中说，企业里面也有大量的年轻人，“很聪明，很勤劳，但经常会犯错误”。为什么企业依然可以健康运行？“因为我们在企业里面有组织、有流程、有作业指导书、有SLA、有Checklist。”“我们实际上用组织力去控制了很多人类所犯的错误，进而达成了一种非常好的商业效果。”

这个逻辑在Agent时代依然成立，甚至更加重要。“今天的AI就可以把它视为一个人类的员工，也许它会犯错误，但我们用组织管理去管理这种不确定性。”彭震表示。

而这，就是彭震提出“Humagent”概念的起点：劳动者从“人”变成了“人+Agent”。彭震指出，以“人”为核心的组织模式已无法适配AI规模化应用后的运行逻辑。在Humagent框架下，人更多聚焦在系统性、前瞻性工作——目标设定、架构、方向规划、责任兜底；Agent则更多承担高频执行工作和创新工作。“人机优势互补、权责清晰、协同共生”，这是彭震对AI原生组织形态的定义。

在彭震看来，AI产业革命与前三次产业革命有本质区别：“前三次产业革命主要针对的是劳动工具，是四肢与五官的延伸；而AI产业革命首次改变了劳动者的定义，是智力的延伸。”

这一观点正在产业界获得越来越多的共鸣。麦肯锡已经将两万五千个智能体深度整合进其全球协作网络，目标是实现员工与人工智能一比一的配对协作。IDC的数据显示，2026年全球近80%的企业已将智能体用于实际生产活动，中国当前平均部署12.84个智能体，计划年底达到30.87个。

但数量的增长并不等于价值的实现。IDC的另一组数据揭示了更严峻的现实：仍有60%的中国企业处于了解评估和试点智能体的阶段，仅有18%的企业把智能体纳入了核心业务流。超过62%的企业将数据权限与安全合规列为智能体跨系统执行的首要障碍。

无论是Humagent的人机协同，还是“AI+”的原生布局，行业早已达成共识：AGI远期具备超越人类智力的能力，但产业并不盲目追求全域AI自主决策。人机共生，永远是企业经营的最优解。二者互补共生，才是2026年之后企业穿越产业变革、构筑长期竞争力的核心答案。