1. 首頁 > 生活百科 > >

PEC 2025 AI創新者大會提問：新工作時代：AI工作流由誰主導？

ai人工智能

PEC 2025 AI創新者大會提問：新工作時代：AI工作流由誰主導？
作者：王聰彬
在企業AI落地的賽道上 ， 有一個尷尬的現實：技術再先進 ， 項目再前沿 ， AI工作流仍頻繁“爛尾”；有決策權的高管不點頭 ， 連啟動鍵都按不下去；當AI開始自我優化流程 ， 人類指導者又是否真的可以被取代？這些問題在9月13日的PEC 2025 AI創新者大會暨第二屆提示工程峰會上被拎了出來 。
會上“年度提問二：新工作時代：AI工作流由誰主導？”由PEC China發起人、微軟MVP、軟積木CEO劉海峰主持 。 來自企業與技術前沿的代表齊聚一堂：百度智能云創企生態負責人張龍、中國聯通智慧足跡副總裁、首席經濟學家王旭陽、NVIDIA企業級軟件生態負責人張海軍、百望股份數字經濟與金融科技研究院院長李國平 ， 以及華碩電腦AIoT戰略合作伙伴總監蔡裕正 ， 從企業實踐到技術實現、從業務落地到戰略決策 ， 展開了一場高密度的思想碰撞與經驗分享 ， 將AI工作流背后的難題和解決路徑徹底揭開 。
【PEC 2025 AI創新者大會提問：新工作時代：AI工作流由誰主導？】
AI 工作流 “爛尾” 該怪技術？ 還是業務方需求反復無常？
在企業AI落地實踐中 ， 工作流爛尾的現象屢見不鮮 。 無論是技術能力不足、業務需求頻繁調整 ， 還是數據治理不完善 ， 都可能讓原本前景可期的AI項目半途而廢 。
百度智能云創企生態負責人張龍將問題拆解為啟動前、開發中和上線后三個階段 。 他指出 ， 啟動前的選題與選型至關重要 ， 過度貪心或工具不可拓展會讓項目埋下隱患；開發中要關注模型與工具的場景適配性 ， 并兼顧安全與內容紅線；上線后需持續優化、建立數據飛輪 ， 否則項目容易草草收尾 。
中國聯通智慧足跡副總裁、首席經濟學家王旭陽認為 ， 爛尾問題源自業務側與技術側的雙重因素 。 業務部門對AI能力邊界認知過高 ， 期望AI解決所有復雜任務；技術側在POC階段停留 ， 對落地復雜性估計不足 。 他建議將復雜任務拆分為微服務 ， 分級部署 ， 確保每個環節穩健運行 。
NVIDIA企業級軟件生態負責人張海軍強調 ， 企業需系統性構建AI能力 ， 將技術工具與業務價值緊密結合 。 AI落地應作為“一把手工程” ， 通過系統規劃讓AI融入組織架構 ， 利用不同類型的AI軟件組合解決業務問題 ， 而非局限于單一技術 。
百望股份數字經濟與金融科技研究院院長李國平指出 ， 傳統企業爛尾原因主要集中在業務部門對AI預期過高、技術部門脫離業務價值以及數據治理薄弱 。 他強調 ， AI工作流需通過智能體技術靈活適配業務變革 ， 才能避免項目停滯 。
華碩電腦AIoT戰略合作伙伴總監蔡裕正指出 ， 忽視用戶體驗是AI工作流“爛尾”的核心原因 。 若功能追求大而全 ， 而非聚焦高頻剛需 ， 往往難以獲得用戶長期使用 。 他建議企業在開發階段就邀請小部分用戶參與測試 ， 并通過快速迭代優化產品 ， 從而降低項目失敗的風險 。 他強調 ， 唯有堅持以用戶體驗為核心 ， AI工作流才能真正落地并創造長期價值 。
沒有高管拍板 ， AI 工作流為何 連 “啟動鍵” 都按不下去？
即便技術成熟、業務價值明確 ， AI工作流仍可能因決策層猶豫而停滯 。 跨部門協同難、成本收益難量化 ， 以及高管對AI認知不足 ， 都是阻礙項目啟動的重要因素 。
“AI工作流本質是‘一把手工程’ 。 ”張龍強調 ， 要說服決策層 ， 需要用真實案例展示量化ROI ， 并通過持續布道讓高管理解AI范式與傳統范式的本質差異 ， 從而主動推動項目 。
王旭陽認為 ， 決策層猶豫主要因為成本收益不明確與跨部門協同困難 。 AI項目屬于重資產投入 ， 涉及算力、數據和業務專家 ， 若無法清晰核算收益 ， 項目很難啟動 。 同時 ， 多部門協作難以統一調度 ， 也會導致項目擱淺 。
張海軍提出 ， 推動AI工作流需要構建完整體系 ， 包括頂層設計、AI平臺、組織協同和業務需求四個層次 。 頂層設計明確戰略規劃 ， AI平臺解決基礎設施和數據問題 ， 組織協同確保工具被充分使用 ， 業務需求則確保技術與真實痛點匹配 。
“決策層推進AI工作流應聚焦可量化業務價值 ， 避免盲目跟風 。 ”他解釋道 ， AI雖然帶來技術創新和效率提升 ， 但企業在投入前必須明確具體產出和落地場景 ， 技術與業務部門需共同測算產出 ， 找到真實落地場景 ， 確保投入帶來可觀收益 ， 才能獲得高管認可 。
蔡裕正補充道 ， 高管在推進AI工作流時最關注的核心是數據安全與信任 。 如果企業無法保障關鍵數據的安全性 ， 或未能建立對技術方的信任 ， 項目往往難以啟動 。 他強調 ， 唯有在安全可控、成果可預期的前提下 ， 高管才會主動推動項目落地 ， 從而加速AI工作流的執行 。
當 AI 自己能優化流程 ，“人類指導者” 會不會被徹底取代？
隨著AI技術日益成熟 ， 自主優化流程的能力逐漸增強 。 一些重復性、規則性任務可能完全由AI完成 ， 但戰略決策、復雜業務判斷和風險控制仍需人類干預 。
盡管AI可以優化重復性任務 ， 但在戰略規劃和復雜業務判斷上 ， 人類指導者仍不可替代 。 張龍認為 ， AI能顯著提升效率 ， 但在項目設計、風險評估和跨業務流程的整合中 ， 仍需要人類提供方向和監督 。 未來AI將更多作為生產力助推器 ， 幫助人類更快完成數據分析和決策執行 ， 而不是完全替代人類判斷 。
王旭陽指出 ， AI自主優化能夠減輕人工操作負擔 ， 提高常規任務處理效率 ， 但在跨部門協調、業務優先級設定以及復雜經濟預測等環節 ， 人類的判斷和經驗仍不可或缺 。 企業應合理劃分AI與人工的邊界 ， 讓AI承擔可重復、可量化的任務 ， 而將核心決策保留給熟悉業務全局的人類 。
張海軍強調 ， AI在工作流中的自優化潛力必須依托完善的數據治理和流程體系 ， 否則優化效果有限 。 他補充道 ， AI雖然可以自主完成部分流程迭代 ， 但企業仍需建立監控機制和反饋環路 ， 讓人類在異常處理和戰略目標調整中提供指導 ， 確保AI輸出與業務目標一致 。
“AI優化能夠顯著提升規則性任務效率 ， 但企業決策、業務優先級設定及異常處理仍需人類把控 。 ”李國平認為 ， 企業應將AI用于可量化、重復性強的環節 ， 同時確保關鍵節點由人類監督 ， 以避免技術自嗨或偏離業務目標 。
AI 能在特定場景中快速迭代并優化用戶體驗 ， 但在人類的戰略決策、信任建立與風險把控上仍不可替代 。 蔡裕正建議企業探索“人類指導 + AI 自優化”的混合模式：讓AI承擔高頻、重復性的自動化任務 ， 而關鍵決策依舊由人類掌舵 。 唯有如此 ， 才能確保技術落地真正轉化為業務價值 。
從爛尾原因到啟動難題 ， 再到AI自優化趨勢 ， 企業若能實現技術、業務和決策層的協同 ， 就能在新工作時代搶占先機 。 對于正在探索數字化轉型的企業而言 ， 這不僅是一份直接可落地的實踐指南 ， 也是未來AI應用的參考藍圖 。


    推薦閱讀