生成式AI落地6大挑戰是什么？

生成式 AI 落地的第一步，不是采購基底大模型，而是應 該確定合適的落地場景。

1.如何評估創新價值， 獲取項目資源

生成式 AI 是新興技術，企業在投入之初往往難以準確評 估其商業價值。這主要有以下幾方面原因： 生成式 AI 能力邊界有待驗證： 生成式 AI 在不同業務場景中的實際表現和邊界，往往 需要通過真實應用來驗證和調校。這可能會出現預期效 果與實際效果存在一定差距的情況。團隊需要在部署過 程中持續監控效果，并進行針對性的優化，以確保生成 式AI的能力能夠滿足業務需求，創造切實價值。 應用人才稀缺： AIGC 作為新技術，團隊往往缺乏相關實施經驗，導致 解決方案的成熟度不足。在項目早期，技術能力和商 業訴求之間可能存在一定的鴻溝。團隊需要在實踐中 不斷迭代優化，以提升方案的落地質量和商業價值。

大模型能力依賴配套： 大模型的能力在不同場景中發揮作用，往往需要領域 知識庫和工程實現來支撐和引導，才能達到最優的效 果。這就要求團隊在通用大模型之外，還需要投入大 量資源構建行業知識庫，并與工程實現緊密結合，才 能將生成式 AI 的能力最大化地釋放出來。 新技術導入需配套變革管理： 新技術的引入要配合人員的培訓與流程的變革，才能 真正將其轉化為業務價值。生成式 AI 的價值實現，不 僅取決于技術能力本身，更取決于組織的適應和運用 能力。這就需要我們在部署新技術的同時，推動人員 技能的提升和流程的優化，形成人機協同的新運營方 式，以最大限度地發揮生成式 AI 的潛力。

以上因素都導致了企業在生成式 AI 項目立項階段，向決 策層爭取資源時面臨一定的挑戰和阻力。

但事實上，60% 的 CIO 認為 AI 應該帶來直接的成本節約 或效率提升。這些切實的收益，正是我們向管理層證明 生成式 AI 價值的有力論據。我們可以從降本增效的角度 入手，用量化的指標闡明生成式 AI 帶來的切實收益，從 而獲得決策層的認可和持續投入。 但是，我們的目光應該更加長遠。生成式 AI 的真正價 值，在于用新的生產力打造差異化的服務和流程，建立 長期競爭優勢。這是一個極好的機會把數字化團隊從企 業的成本中心轉化成為價值創造中心，從工具的實現方 轉變成為生產力的提供方。

數字化團隊將成為業務創新的主動策劃者。利用生成式 AI 強大的內容生產和流程自動化能力，我們可以更加專 注于挖掘行業趨勢、洞察用戶需求，為業務拓展和客戶 服務探索更多可能。比如在新產品設計中，我們可以利 用生成式 AI 自動分析海量用戶反饋，提煉關鍵訴求和創 新方向，從而主動為產品經理提供洞見和建議，引領產 品規劃和設計。 企業將把數字化作為構建核心競爭力的關鍵抓手。生成 式 AI 將融入業務運營的方方面面，為營銷、研發、生 產、服務等環節都帶來革命性的效率提升和體驗優化。 那些能夠將數字化融入企業基因，打造敏捷協同的組織 能力，擁抱變革的企業，將在未來的競爭中搶得先機， 引領行業發展。

2.場景選擇難， 失敗率高

生成式 AI 落地的第一步，不是采購基底大模型，而是應 該確定合適的落地場景。選擇正確的應用場景能讓企業 充分發揮生成式 AI 的潛力，推動智能化轉型，實現長遠 的戰略價值。反之，若應用在不合適的場景中，其效果 可能大打折扣，不僅浪費資源，還可能導致一系列負面 后果。 挑選合適的場景對于企業的智能化轉型至關重要。我們 親見許多企業因為選擇了困難的甚至錯誤的場景，導致 創新團隊陷入不斷過度承諾和低于期待交付的惡性循 環，最終甚至損壞到一個企業的創新土壤。

數據團隊需要理解“數據”和“知識”的差異，開始著眼于 治理對商業有影響的、非結構化的、主觀的“知識”。比 如，一個明星銷售員如何從閑聊中獲取客戶的真實需 求，一位資深設計師如何從用戶反饋中提煉產品創意， 一名優秀管理者如何根據市場變化快速調整決策...... 這些 知識往往蘊藏在員工的經驗和直覺中，難以用結構化的 數據來表示。但恰恰是這些知識，構成了企業快速響 應、持續創新的基礎。數字化團隊要通過與業務專家的 持續互動，將這些經驗性知識提煉為可被 AI 理解和利用 的形式，用智能技術去放大專家經驗的價值。

組織成員不會一夜之間就能最大化 AI 所帶來的新生產 力，新研發的 AI 產品和工具也需要團隊的推廣和使用才 會產生價值。隨著 AI 產品的陸地投入使用，企業還需要 培養員工和重塑傳統業務流程，實現人機協同，提升整 體運營效率。這些組織變革需要企業持續投入，不能認 為科技產品到位變革就會產生。

相比于技術和合規方面的風險，我們發現管理風險才是 導致企業 AI 落地失敗的最常見原因。這其中，科技團隊 和業務團隊是否能對場景的業務價值、實際業務流程和 AI 的能力邊界達成一致至關重要。比如在一個 AI 銷售助 手項目中，業務團隊最初期望 AI 可以直接面對客戶，自 主完成從線索挖掘到成單的全流程。但經過雙方反復討 論和概念驗證，大家才意識到由于客戶咨詢的多樣性和 銷售談判的復雜性，當前階段一個可行的方案是為銷售 人員研發一個實時話術助手 (Copilot)，在銷售通話過程 中提示下 步話術和客戶洞見。管理層需要營造鼓勵創 新但包容失敗的氛圍，引導科技和業務團隊在項目早期 就對齊期望，在過程中保持緊密協作和頻繁迭代，逐步 找到技術能力與業務場景的最佳匹配點。

3.AI 基礎設施構建慢， 如何完成快速啟動 

2023 年 11 月，OpenAI 推出了一項革命性的新功能—— GPTs (Custom ChatGPT)。這一功能允許用戶根據特定 目的創建定制版的 ChatGPT，以便在日常生活、工作或 家庭中提供更有針對性的幫助。例如，GPTs 可以幫助用 戶學習任何棋盤游戲的規則，輔導孩子學習數學或設計 貼紙等。 2023 年 12 月，字節跳動在海外推出了新一代 AI Bot 開 發平臺 Coze，并于 2024 年 2 月正式在國內上線扣子， 為非技術人員提供了一個快速、低門檻搭建個人智能助 理的絕佳機會。通過 Coze（扣子），用戶無需掌握復雜 的編程知識，就能輕松創建、調試和優化屬于自己的AI 聊天機器人。

Coze 集成了多種 AI Agent 工作方式，包括反思、工具 使用、規劃和多 Agent 協作等。用戶可以根據自己的需 求，靈活選擇不同的工作流程，實現個性化的智能助理 定制。無論是對話反饋、任務拆解，還是跨領域協作， Coze 都能提供強大的功能支持，讓非技術用戶也能輕松 駕馭 AI 的力量。 隨著 GPTs、Coze 等平臺的不斷發展，人工智能正在成 為大眾用戶的得力助手。在不久的將來，人人都將擁有 屬于自己的智能 Agent，讓生活和工作變得更加高效、 智能、有趣。而 GPTs 和 Coze 無疑是這一趨勢的重要推 動者，為普通用戶打開了通往 AI 世界的大門。

4.怎樣做好 AI 項目的 落地準備工作

生成式 AI 產品并非簡單地接入大語言模型就大功告成。 事實上，一款出色的生成式 AI 產品，其智能化程度和實 用價值很大程度上取決于融入其中的行業知識和經驗。 這需要業務專家與技術團隊的密切配合，通過迭代開發 和持續優化，將顯性知識和隱性知識注入到系統中，形 成行業定制化的知識庫和算法模型。只有經過大量行業 數據的訓練和調校，生成式 AI 產品才能準確理解業務場 景，給出專業化、個性化的回復。 生成式 AI 落地項目并非傳統的“客戶 - 供應商”關系的項 目，業務團隊不再是被動的需求方，而是 AI 系統訓練和 優化過程中的重要參與者。他們既是 AI 的使用者，也是 AI 模型學習的對象，需要與技術團隊形成緊密的反饋閉 環，不斷補充場景、糾偏算法，共同“調教”AI，讓其 從“學生”蛻變為“專家”。這對項目組織方式和流程都提出 了新的要求。 生成式 AI 落地需要技術和業務的雙輪驅動，敏捷高效的 跨界協作是項目成功的關鍵。

5.要有規劃，也要速贏， 如何快速補齊能力差距

在當前，生成式 AI 的 PoC 項目的失敗率依然很高，在一 些企業中，AI 落地的失敗率甚至超過一半。在團隊能力 和知識積累還不完善時，做好分階段規劃、獲得成功經 驗對實現速贏至關重要。

項目初期就對齊業務價值和科技發展路線 業務團隊需要給予新技術迭代發展的容錯空間，允許 定的試錯成本，而不是期望一蹴而就。同時，也要 設定明確的階段性目標，以較小的迭代步伐快速驗證 價值，積累信心和經驗。 幫助業務團隊形成對大模型能力的合理認知 長期來看，80% 的工作崗位或將發生變化，但短期 內，在大多數場景下 AI 都還難以脫離人類員工獨立 工作。以 AI 支持的設計為例，雖然 AI 能提供海量創 意和效率提升，但仍需要人類設計師把關品質、落地 執行；又如 AI 支持的銷售，雖然 AI 能洞察客戶需 求、提供個性化服務，但仍需要人類銷售代表來維系 客情、決勝關鍵時刻。業務團隊要理解生成式 AI 的 能力邊界，合理設定期望，把 AI 作為助手和賦能 者，而非替代者。

注意統籌規劃短期回報和長期目標 企業應協同科技、業務、戰略等部門，同時引入外部 專家和咨詢公司，共同探討生成式 AI 的應用路線 圖。要明確哪些是當前就能突破的低垂果實，哪些是 需要長期積累的基礎能力；哪些問題可以通過算法迭 代、數據增強等技術手段逐步優化，而哪些會長期受 限于商業邏輯、倫理規范等外部約束。通過系統梳 理，企業可以在眼下的 PoC 項目中，有的放矢地積累 數據和經驗，為長遠發展奠定基礎。

生成式 AI 落地不可能一蹴而就，企業要以開放和務實的 心態擁抱變革。通過對業務價值的精準判斷，對技術能 力的客觀認知，對長短期目標的統籌規劃，以及對成敗 經驗的復盤提煉，才能在 PoC 階段高效積累，降低決策 風險，加速價值變現。唯有夯實基礎，久久為功，方能 在智能時代搶占先機，實現彎道超車。

6.如何形成自下而上的 全民創新環境

業務團隊似乎提不出可行的 AI 需求，這讓不少企業管理 者感到非常頭痛。 究其原因，業務團隊對 AI 技術的理解和認知還存在不少 盲區。他們對 AI 能做什么、不能做什么，AI 與傳統 IT 系統有何不同，AI 如何融入現有業務流程等問題缺乏清 晰的認知。這種知識盲區限制了業務團隊的想象力，讓 他們無法提出真正有價值、可落地的 AI 需求。

在這種情況下，業務團隊非常需要科技團隊的幫助：了解 AI 技術的邊界 業務團隊需要科技團隊幫助他們理解日新月異的 AI 技術，用通俗易懂的語言解釋 AI 的能力邊界。 獲得行業案例啟發 業務團隊需要看到足夠多的 AI 行業應用案例，以開 拓創新視野。他們希望科技團隊能提供這樣的案例分 享和培訓。比如我們總是在企業高管 AI 培訓的第一 天就給大家看 100+ 生成式 AI 案例。 理解 AI 與現有系統的融合 業務團隊往往不理解現有 IT 系統和新的 AI 能力如何 結合。他們需要科技團隊從業務視角出發，討論 AI 如何與現有流程和系統整合，創造新的應用模式。