人人都看得清楚：AI将深刻改变未来社会，但看不清楚的是过程，看得到未来，看不清楚契合的时机。
如今，企业领导很重视AI，说起来也启动了很多AI项目，但问到项目的效果和收获，很多还在探索中，暂时没有带来明显的收益。
AI for Process是企业级AI发展新阶段
对于现阶段AI发展有很多分析和描述，如：从Perception AI → Generative AI → Agentic AI → Physical AI的发展历程，如今进入Agentic AI阶段，看重智能体应用创造价值。在6月9日举行的 “数云原力2026·原力论坛”上，神州数码也给出了AI for People → AI for Work → AI for Process的判断。
如果说前者分析侧重技术，神州数码的判断则侧重实用。
AI for Process更加能够直击企业灵魂：也就是如何使用AI创造价值。相比AI for People面向个人消费类提供服务，如豆包、OpenAI等，目前的豆包日均Token调用量已达120万亿，折合到全年营成本高达1460亿元。即便采取收费模式，较为乐观估计收入为60亿元，与庞大支出相比不过是九牛一毛。而AI for Work与Agentic AI比较接近，都是针对某些特定场景进行AI赋能，但对企业整体影响有限。
关于AI for Work，神州数码AIBG AI产研中心总经理侯浩也结合AI编程谈了自己的体会。
“早在2025年底，我们就开始广泛使用各类 AI Coding 工具，写代码的工作变得非常‘爽’，只消几句描述就能生成代码，但问题也随之而来：每个人写代码的速度更快了，人却变得更忙、更卷，因为随之而来的软件测试、评审、提交等后续工作接踵而至，压力自然变大。后来我们意识到，大模型不应只限于写代码，而应贯穿于软件研发的全部流程，服务整个生命周期，这样才能够创造价值。”他说。
这里所说的全部流程就是Process。
“AI for Process”是神州数码董事长郭为提出的企业级AI落地的方法论，核心是让AI融入流程，从而打造能够自我进化的组织。
对于AI for Process ，神州数码首席执行官李映在主题演讲中也有这样表述：“当前 AI 技术迭代迅猛，但落地企业人员适配、组织架构变革的周期仍然漫长。行业需摒弃定式思维，以概率性视角研判业务波动与外部环境变化；打破固有认知，客观看待 AI 幻觉，其在特定场景下可转化为创新创造力，未来组织与从业人员将和 AI 双向适配、协同成长、同步演进。”
Process要有全局视角
神州数码对AI for Process的表述可谓高屋建瓴。如果说以往AI for Work强调了AI对局部场景带来的效率提升，就像各种AI Coding 工具所带来的帮助，与之相比，AI for Process更加注重AI对于完整业务流程的价值，打造端到端业务闭环的能力，为企业创造价值。
AI for Process的价值主要体现在人机协同的自主创新和自动化。就像李映所说的，以往的信息化带给我们的是一种定式思维，讲究是科学性、确定性，而AI 时代给我们带来的更多是概率性的推理和判断。对此，就需要转变思维。
“为什么要客观看待 AI 幻觉，因为幻觉本身就是一种概率，是一种不确定性；当我们追求100%消除幻觉的时候，就是用确定性取代了概率判断，不要惧怕AI幻觉，它可以通过人与AI 的双向适配，最终把关，这是一个协同成长、同步演进的过程。”李映说。
神州数码副总裁、CTO李刚从技术的角度，对于AI for Process和现有企业管理方式进行了对比。
传统的数字化系统主要把流程判断节点、管理规则及业务结果固化到系统里，但沉淀下来的，本质上是关键节点的结构化留痕，真正驱动流程的知识、经验与协作信号依然散落于系统之外。但企业真实业务是动态变化的、市场需求是柔性迭代的，而固化的系统则难以跟上并应对这些柔性需求的变化。这就是碎片化的数字化系统没有办法解决的问题。
如今，AI系统推理能力为解决问题提供思路和方法。
目前通用性AI模型推理并不能够直接用于企业业务流程，需要通用模型和企业数据、人类专家知识进行有机的配合，技术上说，就是要解决好上下文的问题。所谓上下文，就是要让模型清楚地了解到企业的知识、过程控制，以及企业专家的做法，要对这些知识和经验进行向量化处理，以支持AI模型的访问，与此同时，为了实现自动化，需要模型能够访问企业数据库、ERP等数字化系统，从而构建一个人机协同的工作空间。
这就是神州数码在此次原力论坛上发布的神州问学2.0 Agentic Workspace——以新的软件形态承载AI系统化落地，让AI从工具层进入运行层，打造持续推进、沉淀自动化工作新流程。
AI for Process落地场景和实践
要想将人、Agent、知识、工具与系统整合在同一Workspace中，实现人、Agent与流程协同方式的重构，这显然不是一个一蹴而就的过程， 其中的难点就是企业know how与AI推理的有机融合。
为了实现这种融合，神州数码、神州控股、神州信息的专家和高端制造、金融、医药、汽车、电商等领域的头部企业合作，通过类似Palantir FDE (Forward Deployed Engineer，前沿部署工程师)的工作模式，与用户一起研究关键环节和应用场景的自动化决策。
以供应链AI 控制塔为例，神州控股已经能够利用AI的推理能力实现顶层统筹、全链路可视与协同地企业决策，其中，涉及需求预测、采购计划、仓网调配、渠道补货、履约预警、经营归因等核心业务操作，已实现了人机系统自动化管理和操作，不仅让AI从“看见”走向“决策”，而且能够将“决策”深度嵌入到底层的ERP、WMS系统，完成业务自动化流程。
在医药和新能源汽车制造领域，AI for Process首先在药物研发临床试验和新车设计制造等业务领域发力，对业务流程各环节进行梳理，对于相关专家经验进行总结，直击研发周期长、数据零散、试错成本高等核心痛点，运用AI推理的能力，通过人机协同，提高业务创新能力，简化工作流程，解决以往协同、同步效率低，法规遵从滞后的问题，并借助AI协同来提高效率。
在金融领域，神州信息基于 AI for Process，锚定金融核心业务流程、拆分识别全流程关键节点、结合大模型技术赋能改造，帮助金融机构落地常态化的人机协同运营模式，探索以客户需求为中心的金融业务创新。论坛现场，神州信息 AI 创新中心总经理晋梅博士结合银行前、中、后台多维度真实落地案例，具象展现落地成效。同时，神州信息还现场发布了金融智能体工厂，并面向全行业金融机构发出生态邀约，招募生态合作伙伴携手共建金融AI落地项目。
此外，论坛现场，神州数码、神州控股也在行业实践的基础上，通过产品方法论提炼，将一些通用性方法和经验进行总结和集成，发布了神州问学2.0、燕云三件套等通用性产品和工具平台，方便更多企业级用户使用。
这些行业解决方案以及产品实践，共同构成了AI for Process的落地“工具包”。
小结
AI for Process落地方法论，核心是向企业全业务流程、全数据链路、全运营体系要效益，其本质是AI推理和企业知识、经验的有机结合，如果说Agent是具体的技术和工具，那么，AI for Process就是企业智能化应用的目标，是实现AI驱动业务创新质变的方法论。
AI for Process为行业智能化，为业务创新提供的新的思路，并配套了落地的方法论和实践。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表