IT时报记者 贾天荣
当越来越多的员工开始用AI写文案、整理资料、分析数据，企业似乎已经站在了人工智能应用的门槛之内。但一个新的问题随之出现：员工的效率提高了，企业整体的生产力为何没有同步跃升？
10月22日，在上海西岸国际会展中心举行的“AI时代，重新理解人”主题论坛上，特赞科技创始人及CEO、同济大学教授范凌将这一问题带到了台前。在他看来，企业AI应用正处于从工具赋能走向深度转型的关键阶段。单纯引入AI工具，并不意味着企业已经完成了智能化转型。只有围绕新技术重新设计工作流程、组织方式和决策机制，AI的价值才可能真正释放。
论坛现场，特赞科技正式发布Agentic Transformation Initiative（智能体转型共建计划），希望联合高校、研究机构、企业及技术伙伴，从真实业务问题出发，探索AI如何从辅助工具进一步成为能够理解业务、参与判断、执行任务并持续进化的企业能力。
从“会用AI”到“让企业拥有自己的智能”，企业级AI正在进入一个更复杂、也更需要验证的阶段。
从工具提效到重构工作流过去两年，企业引入AI的路径并不难理解：采购模型服务、接入应用、向员工开放权限，再通过使用培训推动落地。对于写作、信息检索、资料整理等相对独立的任务，AI已经展现出明显的效率优势。
但当AI进入真实的企业经营场景，问题就不再只是模型能不能生成一份报告、给出一个答案，而是它能否理解企业为什么要做这件事，能否调用完成任务所需的数据和工具，又能否在复杂的业务约束下作出合理判断。
以商品经营为例，AI可以帮助团队整理消费者评论、分析市场趋势，但企业真正需要的并不只是一份分析报告。商品是否应该进入下一轮选品，还涉及品牌定位、库存情况和经营目标。分析结果如何转化为具体行动，又如何通过后续经营结果验证判断，才是业务价值真正产生的环节。
在范凌看来，新技术的引入并不会自动带来生产力跃升。历史上的技术变革也曾经历类似过程：技术本身提供了新的可能，但企业还需要调整原有的流程和组织结构，才能把技术能力转化为生产力。
智能体（Agent）由此成为新的探索方向。与主要根据指令生成内容的AI工具相比，智能体更强调围绕目标持续推进任务，能够在一定范围内调用工具、处理信息，并根据任务进展采取后续行动。不过，智能体能否在企业中稳定运行，仍取决于数据质量、系统集成、权限管理和评价机制等一系列条件。
这意味着企业需要解决的不只是如何让AI变得更聪明，而是如何让AI在真实业务中可靠地工作。
两个世界模型：既要理解消费者，也要理解企业如何让AI真正参与企业决策？范凌提出，企业需要构建两套相互关联的“世界模型”：一套是主观世界模型（Subjective World Model），用于理解客户的偏好、选择逻辑与行为矛盾；另一套是企业世界模型（Company World Model），用于沉淀内部流程、资源约束与决策后果。
前者指向消费者，后者指向企业自身。消费者表达的需求未必等于真实需求，模型从数据中识别出的趋势也未必能直接转化为经营决策。企业不仅要理解外部市场，还要让AI掌握内部的业务规则、专业经验和经营目标，才能将消费者洞察转化为具体行动。
这一思路也贯穿了论坛现场的两场圆桌对谈。“当AI开始帮我们做选择”以消费者研究、商品经营与选品为切入点，探讨AI如何参与商业判断；“当AI成为我们的另一种能力”则聚焦消费者研究、社交媒体营销和增长业务，讨论AI如何融入现有工作流程，以及哪些工作可以交由AI承担、哪些判断仍需要人的参与。
来自天猫奢品、复旦大学、特赞科技、Atypica.AI和MuseOn的嘉宾，从产业实践、学术研究和技术应用等角度展开交流。不同场景背后的共同问题是：AI不仅要理解外部的人，还需要理解企业内部的运行逻辑。
为此，范凌提出，企业不应仅依赖第三方模型服务，而应建立自主可控的智能能力体系，从“租用智能”（Rent Intelligence）到构建“主权智能”（Own Intelligence）。在他看来，租用式智能解决的是单点效率问题，企业的数据资产、业务上下文与判断经验却无法随之沉淀，而这些恰恰是企业最难以复制、也最核心的竞争力来源。构建主权智能，意味着企业拥有可积累、可复用、可进化的智能资产——模型可替换、数据可掌控、判断可解释，让智能随每一次真实行动持续增值，真正形成自己的智能复利。
共建计划如何让AI真正落地？活动现场发布的Agentic Transformation Initiative面向高校、研究机构、企业、模型与技术伙伴及专业实践者开放，围绕企业智能体转型中的真实问题开展长期研究与实践验证。
共建计划聚焦三个方向：Understanding（理解）、Judgment（判断）、Action & Evolution（行动与进化），分别探索AI如何理解真实的人、专业经验和企业情境，如何参与复杂判断，以及如何持续推进实际工作并根据行动结果不断改进。
在实施方式上，计划将通过联合研究、业务实验和实践验证，沉淀评价标准、方法论与案例集，并以研究文章、行业报告和教学案例等形式输出成果。
从消费者研究到商品经营，再到营销与增长，共建计划试图回答的是同一个问题：企业如何把新的技术能力转化为持续的业务能力？
当AI能够承担越来越多的执行任务，人的价值将更多体现在目标设定、复杂判断和责任承担之中。对企业而言，真正的智能体转型，不是简单地接入更多AI工具，而是重新思考人与机器如何分工、组织如何运转，以及如何让每一次真实行动都成为下一次决策的经验。企业级AI竞争的下一阶段，较量的不只是模型能力，也包括企业能否将技术、数据、专业经验与组织机制真正连接起来，并把短期效率转化为长期竞争力。
