“当前许多企业在AI尝试上止步于孤立项目，难以形成规模效应，而面向生成式AI的转型，已愈发从可选项走向必选项。”2025世界人工智能大会刚刚启幕，毕马威中国客户及业务发展主管合伙人江立勤日前就AI驱动数智化转型这一热点话题接受了本报记者的专访。

在他看来，转型之路上的痛点更多是由生成式AI带来的新型风险与挑战，企业可聚焦“管控域、技术域、治理域、过程域、价值域”五大关键场域，系统性盘查相关风险类型。

AI加速，转型三阶段各有聚焦

在江立勤看来，随着AI技术的快速迭代和企业应用的不断深入，在转型上将经历“员工赋能（Enable）—组织融合（Embed）—生态演进（Evolve）”等几个标志性阶段。

“每个阶段的特点各有不同，”他向记者做了具体点分析，在赋能阶段主要是内部驱动，核心聚焦降低成本、优化内部流程和管理风险，“这一阶段企业的关注点应在内部，以自动化重复性劳动、减少人为错误、提升现有流程效率为目标，解决如何赋能员工做得更快、更好、更省钱的问题。这个阶段的技术通常采用相对成熟、已经被市场验证的技术。”

融合阶段主要为外部驱动：核心聚焦利用技术创造新的收入来源、增强产品/服务、提升客户体验。企业关注点从内部转向外部市场和客户，解决的是“我们如何为客户创造更多价值”的问题。这一阶段的技术应用不再是内部优化为主，而是将AI等作为产品和服务的核心功能之一。

演进阶段主要为生态驱动：核心目标是利用技术从根本上改变商业模式、重塑行业规则，甚至创造一个全新的市场。这一阶段的企业不只是卖产品，而是搭建一个平台，吸引其他开发者、企业和用户共同参与，形成一个强大的生态系统。同时也需要拥抱不确定性，并大力投入前瞻性、高风险的研发。

江立勤表示，企业应将这三个阶段视为动态演进、可能并存的战略组合。要跟上技术应用的节奏，也需要多个方面集中发力，“企业要诚实地评估自己当前主要处于哪个阶段，是还在为效率发愁、是寻求增长、还是有了生态建造者的雄心。同时，像管理投资组合一样管理新技术的应用。例如将大部分资源投入到赋能阶段，确保核心业务稳定；一部分资源投入到融合阶段，探索新的增长点；少量资源投入到进化阶段的探索中，为未来投资。”

此外，无论在哪个阶段，高质量、易于访问的数据都是一切的基础。建立强大的数据中台和数据治理体系是技术应用的先决条件；需要建立敏捷的、跨职能的小团队，快速测试、快速学习、快速迭代；技术最终要由人来驾驭，企业还需要围绕“选、育、留” 构建人才梯队。

记者了解到，毕马威即将在2025 世界人工智能大会期间发布的《新智启新质：生成式AI赋能产业变革的实践与路径》报告。江立勤表示，从企业前、中、后台核心职能部门视角来看，生成式AI的潜在应用场景几乎可以实现全覆盖。基于对当前各行业企业生成式AI应用现状的梳理，相关场景类型可提炼为四类：前台业务提升类、中台经营决策类、后台经营管理类、通用工具类。在场景中，生成式AI的核心功能体现为内容生成、推理问答、数据增强、交互革新。

他同时认为，企业“不敢转、不会转”的原因主要在于缺乏科学路径，从顶层战略设计与场景规划，到技术与组织的高效协同，再到落地实施，企业亟需一条清晰、务实且着眼长远的转型路径。

未来力量，生成式AI这样驱动商业变革

“时至今日，当我们谈论生成式AI时，已不再是一个遥远的技术概念，它已经变成了一个正在深刻定义未来商业逻辑的驱动型力量。“对于未来AI驱动商业的前景，江立勤分享他的三个核心预判。

第一、AI将从企业的效率工具逐渐提升为机制体系的核心。目前生成式AI已经开始以赋能者的角色渗透到千行百业的多场景中，但大多数的企业仍将AI定位为效率提升工具，这只是AI商业化的前奏。在未来三到五年内，领先企业将完成从“+AI”到AI原生的根本性转变，将AI深度嵌入到企业战略、组织流程、产品研发乃至企业文化中，成为机制体系的核心。未来的商业决策，将不再仅仅依赖于高管的经验和直觉，而是基于AI提供的、贯穿全价值链的实时洞察和预测。企业的运营模式也将从“流程驱动”转向“数智驱动”。

第二、“人机共生”将成为未来工作方式的主流，重塑人才定义。未来市场的赢家将是能实现最高效“人机共生”的企业。这类企业可以将人类的战略性思考、创造力、同理心与AI的计算能力、分析预测能力和知识整合能力完美结合。而具备“AI素养”的复合型人才将成为未来就业市场中的翘楚。这类人才一方面能够理解AI原理、能与AI协作、能解读AI结果，例如Agent编排工程师、数据伦理转接、AI行为分析师等；另一方面也需要具备特定行业的专业知识和数据思维。企业需要厘清新型人才画像，重塑岗位职责，并通过体系化培养与项目实战，加速员工从了解到善用AI 的转变。

第三、随着AI技术的不断迭代，如何赢得多方信任将成为企业最宝贵的商业资产。这份信任是多维度的，其中包括来自客户的信任，企业是否会负责任地使用他们的数据；来自员工的信任，大规模的AI应用是为了更好地赋能员工而非岗位替代；来自监管的信任，企业所部署的AI系统和数据搜集是否是公平、透明、可解释且风险可控的；以及来自社会公众的信任，企业在使用AI时是否是负责任且坚守道德和伦理标准的。因此，开展数据治理和建立隐私保护体系、确保算法的公平与可解释性、构建负责任的AI治理框架，这些目前看来仍是企业成本项的投入，在未来将成为企业品牌形象和可持续发展的关键。