破解 AI 投入低效困局：补齐弱链，驱动组织进化

过去两年，如果要评选企业管理层最热衷讨论的话题，AI一定排在最前面。

几乎所有企业都在制定AI战略、建设智能体、部署大模型。预算在增加，项目在推进，员工培训在开展，但一个现实问题也越来越频繁地被摆上桌面：为什么投入越来越大，真正创造出来的业务价值却没有想象中那么大？

这并不是模型能力的问题，也不只是技术成熟度的问题，而是企业正在遭遇一个更深层次的挑战——组织体系与AI时代之间出现了错位。SAP大中华地区总裁原欣在2026 SAP中国峰会上表示，SAP提出的“自主运营企业”，本质上是在试图解决这个问题。

事实上，关于AI究竟会创造多大价值，学术界其实一直存在两种截然不同的声音：一派相对谨慎，以2024年诺贝尔经济学奖获得者、麻省理工学院教授Daron Acemoglu为代表的学者认为，目前AI能够覆盖并实现盈利自动化的经济活动占比仍然不足5%，未来十年对美国生产率的提升可能只有1.1个百分点。

另一派则更加乐观。斯坦福大学教授Erik Brynjolfsson认为，所有通用技术都会经历“先抑后扬”的过程。短期内需要重新适配组织和生产体系，因此效率未必立即提升；但随着互补创新不断出现，最终会迎来生产率的大幅增长。他甚至预测，AI有望推动美国生产率增长达到2.7%。

两种观点看似对立，却共同指向了一个被许多人忽视的事实：AI价值的释放并不会自动发生。

技术突破只是起点。从历史经验来看，真正决定一项通用技术能否转化为生产力的，往往不是技术本身，而是企业是否愿意围绕这项技术重新设计自己的生产体系和组织方式。

过去如此，今天依然如此。

以电力革命为例。19世纪末，电力已经实现商业化应用。按照今天很多人的想象，一项如此颠覆性的技术出现后，生产效率理应迅速提升，产业格局也应该很快被重塑。但真实情况恰恰相反。

在电力商业化之后相当长的一段时间里，企业只是简单地把蒸汽机替换成电动机。动力来源变了，但工厂布局没有变，生产流程没有变，组织管理模式同样没有变。人们只是用一种新技术替代了旧技术，却没有真正理解新技术背后的生产逻辑。

直到后来，企业逐渐意识到电力最大的价值并不是替代蒸汽，而是能够实现分布式供能。生产设备不再需要围绕中央动力源布局，工厂开始被重新设计，生产线开始被重新规划，组织协作方式也随之发生变化。正是在这一过程中，电力革命真正释放出了生产力价值。

今天的AI正处于类似的发展阶段。

大模型、生成式AI和Agent几乎成为企业数字化转型的核心议题。越来越多企业开始尝试将AI引入营销、客服、研发、供应链乃至企业管理的各个环节。从表面上看，AI似乎已经无处不在。但本质上仍然是在原有流程之上叠加AI能力，而不是重新思考企业应该如何运转。

企业看到了员工效率的提升，看到了任务处理速度的加快，看到了内容生成成本的下降，但这些变化更多停留在局部层面，并没有真正转化为企业整体经营效率的跃升。

也就是说，问题未必出在AI身上，而是出在企业自身。

“真正限制AI价值释放的，并不是模型能力，而是企业运营体系中的弱链。”原欣在现场反复提到一个关键词——Weak Link。这个概念来自斯坦福大学教授Chad Jones提出的“弱链理论”。中国企业对此其实并不陌生，它与我们熟悉的“木桶理论”有着相似的逻辑：决定木桶能够装多少水的，从来不是最长的木板，而是最短的那一块。

今天谈论AI时，人们总是习惯把目光放在最先进的大模型、最热门的Agent框架以及不断刷新的推理能力纪录上。但现实世界中的商业价值创造，却往往取决于那些最容易被忽视的基础环节：供应链数据不完整、跨部门协作存在断点、业务流程缺乏标准化，又或者是企业知识长期分散在系统、文档和员工个人经验之中。

这些问题在传统环境下已经存在，而当AI开始深入企业运营之后，它们反而会被进一步放大。因为AI再聪明，也必须建立在完整、准确且连贯的业务体系之上。如果底层业务逻辑本身存在问题，那么AI所做的不过是把原本低效的流程执行得更快而已。

来自麦肯锡的调研数据显示，全球88%的企业已经在至少一个业务场景中部署了AI，但真正认为超过5%的EBITDA增长来自AI贡献的企业仅有6%。

也就是说，企业并不缺AI项目，缺的是能够把AI能力转化为经营成果的运营体系。而这恰恰也是SAP观察到的行业症结所在。

过去几年里，企业对于AI的投入快速增长，但与此同时，ERP等基础业务系统的重要性却在不少企业的预算排序中持续下降。然而企业真正的运营中枢从来都不是某一个AI应用，而是ERP、供应链、财务、人力资源、客户管理等系统共同构成的业务神经网络。

AI价值如果要实现端到端落地，就必须建立在这张神经网络之上，而不是绕开它重新建设一套体系。尤其是在Agent成为行业热点之后，SAP对于当前市场普遍采用的发展路径提出了不同看法。

在很多企业的实践中，Agent建设往往意味着不断增加新的智能体。企业把业务规则告诉它，把业务经验告诉它，把流程逻辑告诉它，把企业背景告诉它，希望通过不断补充知识让Agent变得越来越聪明。

但问题也由此产生。

每一个Agent都拥有自己的局部认知，却缺乏对企业整体运营的理解。它们能够完成单点任务，却难以理解跨部门、跨流程、跨系统的复杂业务关系。Agent之间缺少统一语义，缺少统一业务上下文，也缺少统一的数据基础。

结果往往是局部效率获得提升，但整体运营效率并没有发生本质变化。在SAP看来，企业真正需要的不是越来越多的Agent，而是一颗能够理解企业运作逻辑的“企业大脑”。

这颗“大脑”由两部分构成：首先是SAP的知识图谱（Knowledge Graph）。SAP希望将ERP以及业务网络中沉淀多年的客户、订单、物料、合同、生产计划、财务事件等业务对象，以及它们之间的关联关系，编织成一张完整的企业知识网络。对于Agent而言，面对的将不再是孤立的数据和指令，而是一套完整的业务语义体系。它不仅知道自己正在处理什么业务，还能够理解这一决策将对供应链、生产、交付乃至财务产生的连锁影响。

另一部分则是企业记忆。这里存储的不再是模型参数，而是企业长期积累下来的经营经验与运营智慧。流程如何执行、规则如何制定、异常情况如何处理、历史案例如何解决，这些原本散落在系统、文档乃至员工经验中的知识，被统一沉淀下来，形成可供AI调用的长期记忆。

在此基础上，SAP进一步构建了完整的自主运营企业架构。最上层是Joule Work，通过Agent理解用户意图并完成任务编排，改变传统依靠菜单和事务代码操作系统的方式；中间层则是面向不同业务领域的自主型管理套件（Autonomous Suite），由智能助手负责业务感知和任务调度，再调用大量Agent完成具体执行；最底层则是SAP商业AI平台（Business AI Platform），负责知识图谱、企业记忆以及Agent治理能力的构建。

“知识图谱解决的是理解问题，企业记忆解决的是经验问题。”SAP战略客户部咨询总监周德伦表示，SAP构建的不只是一个更聪明的Agent，而是一套真正理解企业如何运转的智能体系。

不过，自主运营企业最重要的意义仍然不在技术层面。因为技术问题终究会被解决，真正深刻的变化来自组织本身。

随着Agent能力不断增强，一个人加上几个Agent组成的小团队，已经能够完成过去几十人甚至上百人的工作量。客服如此，营销如此，内容创作如此，运营管理同样如此。

越来越多组织学者开始讨论一个新的问题：未来的企业，是否还需要今天这样的组织结构？

传统企业之所以形成今天这样的形态，本质上是因为组织内部协作成本低于市场协作成本，因此需要通过部门、流程和层级管理实现资源整合与效率提升。

但当Agent能够7×24小时服务客户、自动分析数据、自动生成内容、自动协调流程之后，许多原本依赖组织分工才能完成的工作正在被重新定义。

未来企业面临的挑战，或许不再只是如何部署AI，而是如何重新设计组织。

过去竞争往往发生在企业与企业之间；未来，更有可能演变为“人+AI”组合体之间的竞争。组织边界被不断打破，管理层级被持续压缩，决定生产效率的因素也不再只是人力规模，而是企业所拥有的“智能密度”。

这也是为什么原欣反复强调，自主运营企业不是一个技术项目，而是一场组织进化工程。

为此，SAP启动了“AI奇点启航计划”，希望帮助企业识别自身运营体系中的弱链，找到最具价值的落地场景，并通过快速验证和持续迭代的方式，将AI真正嵌入企业日常运营体系之中。

写在最后

从蒸汽机到电力，从互联网到AI，历史反复证明：技术突破只是开始，价值释放最终取决于组织是否完成重构。