新浪科技訊 9月11日下午消息，2025 Inclusion外灘大會上，螞蟻集團副總裁、數(shù)字螞力董事長兼CEO周蕓深入剖析了人工智能在企業(yè)落地過程中面臨的挑戰(zhàn)與破局之道。她指出，盡管大模型技術(shù)已發(fā)展四年，基礎(chǔ)能力不斷突破，但企業(yè)在實際應(yīng)用中仍普遍處于“潛水區(qū)”，AI的價值遠未體現(xiàn)在財務(wù)報表和利潤增長上。

　　周蕓回顧了自2022年底ChatGPT問世以來的AI發(fā)展進程。她提到，2023年企業(yè)主普遍處于“焦慮、好奇”的狀態(tài)，擔(dān)心錯過“AI的iPhone時刻”；到了2024年，技術(shù)發(fā)展迅猛，推理模型、多模態(tài)模型相繼推出；2025年初，DeepSeek等模型的出現(xiàn)，使得AI在圖片理解生成、多任務(wù)處理、科學(xué)問題解答等能力上“甚至超過了人力智能”。

　　然而，技術(shù)的飛躍并未帶來企業(yè)應(yīng)用的廣泛成功。周蕓發(fā)問：“為什么反而企業(yè)的日志應(yīng)用，包括很多企業(yè)主的體感，并沒有體現(xiàn)出這些技術(shù)給他們帶來的更深遠，或者是更期待的影響？”她指出，當(dāng)前企業(yè)AI應(yīng)用大多停留在“創(chuàng)意類的生成紋身圖、紋身視頻”，用于電商混排剪輯，或在客服領(lǐng)域“用來降低人工的服務(wù)的量，并不是真正能做到提升客戶的體驗”。

$ag 789bet$$$$$　　周蕓認為，AI落地難的根源遠不止技術(shù)準確率。她以“容錯率”為例：即便每個AI節(jié)點準確率達90%，五個節(jié)點串聯(lián)后整體準確率便“馬上到及格線以下”，這使得企業(yè)難以在復(fù)雜流程中放心使用。

　　更深層次的問題是“協(xié)同難題”。她指出，現(xiàn)有業(yè)務(wù)流程和生產(chǎn)關(guān)系都是“為人和人的協(xié)同去設(shè)置的，并沒有去按照人和AI的協(xié)同去設(shè)計”。她舉例說明：“AI生成代碼實在太難測了。我根本看不懂你的函數(shù)的命名邏輯”，而當(dāng)問題轉(zhuǎn)交人工處理時，“人也不知道機器人回答了什么，他還要去重復(fù)問一遍客戶”。

　　這背后是“治理機制的問題”。周蕓尖銳地指出：“如果人和agent協(xié)同，agent出了問題，怎么甩鍋？”現(xiàn)有的企業(yè)考核機制以個人為單位，無法適應(yīng)人機協(xié)同的新模式，必須進行根本性變革。

　　周蕓提出，解法在于“重塑核心生產(chǎn)關(guān)系的人機融合”。她強調(diào)，不能“用原來的生產(chǎn)關(guān)系，原來的企業(yè)的業(yè)務(wù)流程去定義現(xiàn)在的AI agent和員工的協(xié)同”。

　　為此，螞蟻集團數(shù)字螞力推出了“人機融合的全托管式服務(wù)”。周蕓解釋：“我們來提供人，我們來提供機，我們來定義重塑新的生產(chǎn)關(guān)系。而企業(yè)只需要把這個業(yè)務(wù)流程托管給我。” 在此模式下，企業(yè)無需承擔(dān)“協(xié)同成本、ag 789bet技術(shù)的運維成本，包括應(yīng)用大模型的確定性問題所產(chǎn)生的風(fēng)險問題”，“這些風(fēng)險都由我們來承擔(dān)”，而數(shù)字螞力“交付一個確定性的結(jié)果”。

　　周蕓特別強調(diào)AI的普惠價值。她透露，數(shù)字螞力已為金融、電商、出行等行業(yè)的上百家企業(yè)提供服務(wù)，沉淀了大量行業(yè)方案與know-how。這些經(jīng)驗將被用于服務(wù)小微企業(yè)。

　　她介紹了為小微企業(yè)打造的“人機如一的托管式服務(wù)”數(shù)字員工團隊。她解釋，這與傳統(tǒng)外包不同：“外包是說你永遠是你給他的SLA，你給他的標(biāo)準任務(wù)，他給你完成就行了。而自己的員工和團隊是應(yīng)該是有自驅(qū)力，有支持力，不斷的去提高這個效果。”

　　首批推出的五代數(shù)字員工包括：AI電銷營銷團隊、AI銷售教練、AI數(shù)字客服團、AI督導(dǎo)員以及AI開發(fā)運維團隊，旨在成為企業(yè)內(nèi)生的、伴隨企業(yè)成長的數(shù)字力量。周蕓最后強調(diào)：“AI真正的價值是在于普惠。”（羅寧）

海量資訊、精準解讀，盡在新浪財經(jīng)APP

責(zé)任編輯：何俊熹

本文地址：http://www.599szp.cn/j2pww8.html