AI Native企业的关键，是从外化到内生

2003年，Nicholas Carr在《哈佛商业评论》发表《IT Doesn't Matter》，论点鲜明：当一项技术人人可得，它就不再构成竞争优势。这篇文章引发的争议持续了很久，几乎每场采访都会被人提起。今天轮到AI兴起，没人再说AI doesn't matter了。然而，承认一件事重要，和让这件事在企业里真正重要，往往是两回事。这个新问题，恐怕会被讨论很久。

三年三阶段：企业AI应用的演进与困境

MIT《The GenAI Divide》报告调查了300多个企业AI部署案例，发现一个令人警醒的事实：95%的试点没有产生任何可衡量的财务回报。模型在三年里跃迁了三次，从语言理解到多模态感知再到自主编程。几乎每家企业都在业务中叠加AI。但加完之后往往会发现一个尴尬的现实：关掉它，业务照转。AI并没有变成关键拼图。

数据：被忽视的核心生产力

从GPT发布到现在三年半，企业级市场经历了清晰的三个阶段。最初是知识问答阶段，企业拿大语言模型搭建超级搜索框，本质上还是在用模型的问答能力做专家服务。到了2025年上半年，市场转向Agent，AI客服、AI巡检、智能BI大量涌现，企业希望构建能自主执行任务的应用。再到2025年下半年，AI Coding崛起，技术范式发生根本转移，企业开始意识到编程能力本身可以被AI接管。 三个阶段递进，AI的能力边界在指数扩张。但一个反直觉的判断浮出水面：不管AI怎么发展，企业首先要重新重视的，其实是数据。数据才是AI时代企业的核心生产力。

三家企业的内生路径

有一个类比很形象：有时候，企业关心路灯怎么建，却忽略了地下管网。过去30年，企业的IT系统围绕ERP构建，所有软件服务于流程，数据只是流程运转的副产品。选品、比价、加入购物车、结算、发货，流程固化好了，人按流程把事做完，不需要泛化性。数据在这个体系里的地位低到什么程度？量大了就删，删不掉就拷到磁带机上。 金钱永不眠，数据在沉睡。AI改变了这个等式。算法、算力、数据三要素，其他两个都可以商品化，但数据往往是独特的。数据从副产品变成了核心生产力，从“附加结果”变成了数字员工的经验。数字员工的能力可以拆成三个维度：大语言模型代表智商上限，数据代表积累的经验，Coding代表动手执行的能力。三者缺一不可，但后两者——经验和执行力，全部依赖企业自身的历史积淀。 高飞用三个字概括了这个前提：存、通、用。数据存在哪里，有多少量？各业务系统之间是否互通？数据是否被有效使用？相当数量的上市公司到今天还没有一个合理的数据治理方案。于是，如果有企业一号位问“能不能帮我做一个AI应用”，要先回答一个根本问题：你的企业有多少数据量？

内生的本质：把过去的厚度变成未来的能力

如何从外化走到内生？三家企业的实践提供了三个不同切面的答案。 **中国一汽：把智能体架构嵌入企业架构** 中国一汽的数智化进程本身就是一个缩影：ERP到EBC再到EOA。ERP是流程在线化，完成任务。2012年业内提出EBC（企业业务能力平台），核心目的是把能力组装起来，快速响应市场。到了AI时代，中国一汽提出EOA（运营智能），目标是构建“自感知、自决策、自执行、自进化”的运营中枢。三个缩写背后是三十年企业IT的演进，每一步都没有推倒前一步。EOA不是替代ERP，而是在ERP的数据和流程基础上，叠加一层智能体架构。 这不是概念游戏，落地场景能说明问题。设计即制造：过去汽车研发是串行的，研发设计、工艺评审、制造调试，出了问题再反复沟通。现在把制造现场的数据前置到研发环节，建立端到端的数据流转。以车门总成为例，梳理出60类、6275项工艺边界规则，设计方案生成时，智能体自动调用这些规则，一次成型，减少返工。 更深层的变化发生在认知层面。4S店销售员介绍底盘，讲的多是技术参数。数据显示用户对这样的介绍没有触动。再用数据看高绩效顾问怎么做？他们不讲技术参数，而是说“遇

如有侵权，请联系删除。