原创｜大宇云 AI 实验室

过去一年，几乎所有企业都开始关注 AI。

有人部署 DeepSeek，有人接入 ChatGPT，有人开始研究 AI Agent，也有不少企业启动了企业知识库建设。

但在与企业交流的过程中，我们发现一个值得思考的现象：

讨论 AI 的企业越来越多，真正把 AI 应用到业务中的企业却没有同步增加。

过去几年，大宇云持续服务企业数字化建设，目前累计服务 28 万家企业用户。从最近一年接触的大量案例来看，影响企业 AI 落地的核心因素，并不是模型能力，而是企业是否建立了适合 AI 工作的业务体系。

结合近期一次企业 AI 交流活动的讨论，以及近年来参与数字化项目的实践经验，我们重新梳理了企业 AI 建设的底层逻辑。

如果用一句话总结：

企业 AI 不是一个软件项目，而是一场工作方式的重构。

为什么很多企业部署了 AI，却没有明显效果？

这是最近一年被问得最多的问题。

很多企业的第一步都是选择模型。

比较 DeepSeek、Claude、ChatGPT 或其他大模型。

随后购买工具、开通账号，希望员工尽快使用。

但几个月以后，大多数企业都会遇到类似的问题：

员工偶尔使用 AI 写文章、整理会议纪要，但整体效率没有明显提升；知识库建起来了，却很少有人维护；AI Agent 做出来了，回答的内容却始终停留在公开知识层面。

这些问题，本质上都不是模型造成的。

真正的问题在于，企业依旧沿用传统的软件建设思路来部署 AI，而 AI 更依赖流程、数据和知识的持续积累。

换句话说，AI 的价值，不来自模型本身，而来自企业是否建立了一套适合 AI 工作的环境。

第一阶段：先优化工作流，而不是采购 AI

在最近的企业交流中，有一位嘉宾分享了自己的工作方式。

面对两个小时以上的会议录音，他不会直接整理纪要，而是先完成语音转文字，再借助 AI 区分发言人、提炼观点、生成摘要，最后形成正式汇报材料。

另一位分享者则介绍了处理 900 多页可研报告的方法。过去需要几天时间才能梳理清楚的系统关系，现在借助 AI 生成信息流图和业务全景图，只需要几十分钟就能建立整体认知。

这两个案例有一个共同特点。

AI 并没有改变业务。

改变的是业务处理流程。

因此，大宇云 AI 实验室建议，企业导入 AI 的第一步，不是寻找"最强模型"，而是梳理那些重复、标准、信息密集的工作。例如会议纪要、合同审核、知识检索、客服问答、售前方案整理等，这些都是 AI 最容易产生价值的场景。

第二阶段：建立企业知识库，而不是继续堆积数据

很多企业把知识库理解成文档中心。

实际上，两者并不是同一个概念。

文档中心服务的是员工。

企业知识库服务的是 AI。

如果企业的数据长期分散在企业微信、飞书、钉钉、ERP、CRM、邮箱和网盘中，即使部署能力再强的大模型，也无法真正理解企业业务。

从近年来参与企业数字化建设的经验来看，大部分 AI 项目效果不理想，并不是模型能力不足，而是企业知识没有完成统一沉淀。

因此，我们越来越倾向于把企业知识库定义为：

AI 时代最重要的企业基础设施。

它的意义不是存储文档，而是帮助 AI 建立完整的业务认知。

第三阶段：AI Agent 的核心，不是模型，而是知识

今年以来，AI Agent 成为了企业关注的热点。

很多企业希望快速开发客服 Agent、销售 Agent、HR Agent 或运维 Agent。

但从实际案例来看，Agent 项目失败的原因，往往不是开发能力，而是知识体系。

举一个简单的例子。

如果销售 Agent 无法访问产品资料、客户案例、价格政策和历史项目，它能够提供的价值，与普通聊天机器人并没有本质区别。

反过来，当企业已经完成知识沉淀，Agent 才能够真正参与业务流程，例如自动生成售前方案、分析客户需求、辅助销售沟通，甚至完成部分内部审批流程。

因此，我们一直坚持一个观点：

知识库决定 AI Agent 的能力边界，模型决定 AI Agent 的表达能力。

这个顺序，很多企业容易做反。

第四阶段：真正需要升级的，是企业组织

活动中，有一句观点让我印象深刻。

很多人担心 AI 会不会取代员工。

但真正需要改变的，其实不是员工，而是组织。

AI 正在不断降低岗位之间的能力边界。

过去需要产品经理、研发、测试共同完成的部分工作，现在借助 AI，一个人已经能够完成其中相当一部分内容。

未来企业之间竞争的重点，也将逐渐从软件能力转向组织能力。

谁能够更快建立 AI 工作流，谁能够更快完成知识沉淀，谁能够更快形成 AI 协作机制，谁就更容易获得新的竞争优势。

大宇云 AI 实验室的三个观察

结合近几年服务 28 万家企业用户 的实践，以及近期企业 AI 交流活动中的讨论，我们总结出三个值得关注的趋势。

第一，企业 AI 建设应遵循"工作流 → 知识库 → AI Agent"的演进路径，而不是直接部署 Agent。

第二，企业知识库将逐渐成为 AI 时代的基础设施，其重要性将不亚于过去的 ERP、CRM 等业务系统。

第三，AI 项目真正改变的不是某一个岗位，而是企业整体的工作方式和组织协作模式。

我们认为，这三个判断将在未来几年持续得到验证。

写在最后

过去几年，企业经历了上云、数字化建设，而 AI 正在开启新的阶段。

今天，企业真正需要思考的问题已经不是"要不要使用 AI"，而是如何让 AI 真正参与业务、沉淀知识，并成为企业持续创造价值的一部分。

未来，大宇云 AI 实验室也将持续围绕企业 AI 工作流、企业知识库、AI Agent、企业数字化转型等方向，分享更多来自真实项目和企业实践的观察，希望帮助更多企业少走弯路，把 AI 真正变成生产力，而不仅仅是一个热门概念。

---

作者：大宇云 AI 实验室

持续关注企业 AI 落地、云计算、数字化转型与智能体应用实践，基于服务 28 万家企业用户 的经验，分享可落地的方法论，而不是停留在工具层面的讨论。