（来源：经济日报）

转自：经济日报

2025世界人工智能大会于7月26日至28日在上海举办。毕马威中国在大会期间发布了《人工智能白皮书》，系统性分析了互联网、金融、制造、汽车、医药、政务六大重点行业中生成式人工智能（AI）应用潜力。毕马威中国“智慧之光”数智化解决方案主管合伙人柳晓光在接受经济日报记者书面采访时表示，企业可借此探明转型边界，并进一步挖掘潜在高价值场景，在强化自身竞争力的同时，加速行业的数智化。

柳晓光表示，以DeepSeek为代表的中国式创新范式，以工程化创新突破算力制约，通过开源生态驱动AI普惠，凭借场景化优势和技术快速迭代双轮驱动AI应用从通用走向垂直，从泛化走向深化。在这一过程中，泛行业企业既是主要参与者，也是主要受益者，将由数字化正式迈入数智化，共推新质生产力发展。

柳晓光认为，在大模型时代，制定AI战略路线图，企业需摒弃技术先行的思维，转向以业务价值为核心的顶层设计。

“首先，企业高层必须明确AI转型的核心目标，是重塑客户体验、极致优化运营效率，还是颠覆性创新商业模式。这要求将AI与企业5年至10年的长期战略紧密相连，识别出能被大模型能力撬动的关键价值链环节。其次，企业应全面盘点业务场景，结合大模型的技术成熟度与自身数据基础，筛选出最具潜力的应用场景。这些场景应被系统性地评估其商业价值与实现可行性，从而形成一份动态的、分阶段的实施蓝图。”柳晓光说，“AI转型还是一次组织能力的深刻变革。企业要建立一套面向大模型特性的敏捷运营体系，以支持快速迭代的模型策略、持续演进的场景形态，以及对模型输出结果的有效评估与风控。这意味着组织需要更加灵活，并积极与外部领先的技术公司、研究机构建立合作，形成内外互补的生态，加速技术落地与价值实现。”

当前，企业在推进AI转型过程中，普遍面临挑战。柳晓光表示，首要挑战是从数据治理到知识治理的升级，大模型应用不仅意味着管理结构化数据，更需要高效处理和利用海量的非结构化文档、报告、对话记录等。应对方法是构建统一的知识中台，建立端到端的企业级知识管理体系，将分散的内部信息转化为模型可理解、可调用的高质量知识资产。

此外，复合型人才稀缺也是常见挑战。柳晓光认为，企业应采取内外并举的人才策略，对内建立系统性的AI赋能培训体系，对外精准引进高端AI人才，并设立灵活的激励与发展机制。

谈及如何解决员工与客户对AI的决策可靠性、过程透明度及安全性心存疑虑的问题。柳晓光表示，企业要将负责任的AI理念，系统性地贯穿于技术、流程与治理的每个环节，提升模型的可解释性与鲁棒性，建立清晰的人机协作边界与无偏见的审查机制，确保AI系统的公平性，并建立严格的数据隐私与安全保障机制。

企业在推动AI转型过程中，普遍希望明确合理的投资回报指标。柳晓光认为，衡量大模型驱动的AI转型价值，必须超越传统的IT项目ROI评估框架，采用更多元、更长期的视角，核心在于将评估指标与前述战略目标紧密挂钩，形成一个全面的指标体系。

“效率提升与成本节约指标是最直接的衡量维度。此外，也要注重业务增长与客户价值指标。这类指标关注AI应用对核心业务的贡献，例如，通过部署能够深度理解客户复杂意图的AI智能体，提供以往只有人类专家才能给予的高度个性化建议与解决方案，由此带来的高价值决策转化率提升、用户生命周期价值的增长、以及客户满意度与净推荐值的改善。”柳晓光认为，部分AI投资的回报是长期的、战略性的，难以用短期财务数据完全衡量。因此，需要引入一些前瞻性指标，例如新产品或新服务的研发速度、员工创新提案的数量与质量、企业在行业内的技术领导力等。这些指标虽不易量化，但对于评估AI是否真正成为企业持续发展的核心竞争力至关重要。（经济日报记者 袁勇）