Agent热潮之后，企业级AI正在进入新的落地阶段。
过去两年，大模型在企业中的应用主要集中于知识问答、智能客服、内容生成等场景，本质上服务于个人工作效率提升。从银行知识库、券商投研助手到企业办公协同，越来越多机构完成了第一轮AI能力部署。
但随着模型能力逐步普及，市场关注的重点正在发生变化。
相比于让员工使用AI完成某项任务，企业开始更关心另一个问题：AI能否真正进入业务流程，并创造可量化的经营价值。
6月9日，在北京举行的数云原力2026·原力论坛上，多位产业人士围绕“AI for Process”展开讨论。与此前聚焦Agent、Copilot等工具形态不同，这一思路更强调AI进入企业运营流程，参与决策、执行与协同，而不仅仅停留在信息查询和内容生成层面。
这一变化并非偶然。
过去一年，企业级AI经历了快速扩张。大量机构完成了大模型接入、知识库建设以及智能助手部署。然而，在经历早期探索之后，越来越多企业发现，能够回答问题的AI，并不一定能够创造业务价值。
在不少场景中，AI可以帮助员工检索信息、撰写文档、生成报告，却很难真正推动业务流程向前运行。尤其是在涉及多部门协同、复杂规则体系以及专业经验积累的领域，单纯依靠问答式Agent往往难以覆盖完整业务链条。
这也是当前企业级AI面临的共同课题：从管理生产力走向运营生产力。
论坛现场，神州数码首席执行官李映提出，相较于个人场景下提升工作效率，企业场景更需要AI直接进入业务流程，成为企业运营体系的一部分。只有当AI能够理解业务逻辑、参与流程运转并持续沉淀经验时，企业级AI才能真正形成长期价值。
这一趋势在金融行业体现得尤为明显。
过去一年，银行、保险、证券等机构纷纷启动大模型建设。从智能客服、营销助手到投研问答，AI应用不断扩展。但相比这些标准化场景，授信审批、风险管理、合规审核、运营管理等核心业务流程涉及大量制度规则、历史经验和跨部门协同，其复杂程度远高于单点应用。
随着第一轮技术部署逐步完成，越来越多金融机构开始将探索方向从“工具应用”转向“流程应用”。如何让AI参与业务决策、调用内部系统、理解企业规则，并在执行过程中形成持续迭代能力，成为新的关注重点。
从这个角度来看，企业级AI竞争正在发生变化。过去比拼的是模型能力、知识库规模以及Agent数量；而未来更重要的，可能是企业对于业务流程的理解能力，以及将AI嵌入流程的能力。
神州数码认为，企业级AI下一阶段的发展重点并非增加更多Agent，而是推动AI进入企业运营流程。当天发布的神州问学2.0平台，也围绕这一思路展开设计，希望将员工、业务系统、企业知识以及AI Agent纳入统一工作空间，通过流程协同实现能力沉淀与经验复用。
与此同时，神州控股展示了供应链AI控制塔方案，尝试将AI应用于需求预测、采购计划、仓网调配和履约管理等环节；神州信息则分享了AI在金融领域的实践案例，涉及银行前中后台多个业务场景。无论是供应链管理还是金融运营，其共同方向都是让AI从辅助工具进一步向流程参与者转变。
根据IDC（国际数据公司）此前的研究判断，企业AI建设正逐步从技术验证阶段走向价值兑现阶段。随着基础模型能力不断成熟，企业对于AI的评价标准也在发生变化，投入产出比、业务转化效率以及组织协同效果的重要性正在提升。
从行业发展节奏来看，2023年至2025年，大模型解决的是“有没有AI”的问题；而进入2026年后，市场开始更多讨论“AI如何创造价值”。
当模型能力逐渐成为通用能力，企业之间的差异或许不再体现在接入了多少模型，而体现在能否将AI真正嵌入业务流程，并形成持续优化的运营体系。
这也意味着，企业级AI正在从工具竞争走向流程竞争。对于正在推进数字化转型的金融机构而言，这场变化或许才刚刚开始。
Comments