AI 工具越来越多，企业推进 AI 的方式也在不断变化。但从企业管理者和一线实践者的视角看，AI 落地并能简单地采购工具、开通账号，再等待效率自然提升。
在 10 月 22 日举行的 InfoQ AI 侦察团 @QCon 上海 2026 活动中，四位侦察团成员分享了各自企业的 AI 实践进展、面临的挑战与下一步计划。有的企业已将 AI 融入日常工作，另一些则开始思考如何推动 AI 从个人提效走向组织协同，还有的企业正在探索客户沟通数据整合、财务报销自动化等具体场景。
这些真实具体的实践，给我们提供了观察企业 AI 落地的多维视角。
左右滑动查看更多
在研发实践中，AI 正在改变个人完成工作的方式。
来自 TGO 鲲鹏会的朱凯迪在采访中提到，一个人可以借助 AI 串联多个系统、并行推进任务，减少过去跨系统、跨团队协作中的部分沟通摩擦。他还分享了利用 AI 重构早年搁置的 C++ 游戏引擎项目的尝试：在提前梳理项目结构、技术要求和性能约束后，他使用 AI 在几个小时内推进了原本因工作量较大而搁置的项目，完成效果也让他感到满意。
但个人实践的效率提升，并不意味着组织可以忽略基础建设。他特别关注 Token 消耗与生产力之间的平衡，以及企业知识库的建设。如果团队缺少统一、可靠的知识基础，重复踩坑的问题可能从个人层面扩散到整个组织。
【朱凯迪 TGO 鲲鹏会杭州会员】
这也引出了另一个问题：当少数人已经掌握高效的 AI 工作方式，企业如何让更多人参与进来，并把有效经验沉淀为组织能力？
闯奇信息科技董事长黄炳川龙在采访中谈到，自己过去更关注个人或少数成员如何用好 AI，而下午的分享让他进一步思考如何推动组织整体提效。他希望下一步不再局限于少数人的使用，而是让更多成员参与 AI 组织建设，并通过研发效率等指标观察实际效果。
【闯奇信息科技（上海）有限公司董事长 黄炳川龙】
两人的关注点有所不同，却都指向一个转变：企业需要从“谁在使用 AI”，进一步走向“组织如何围绕 AI 重新协作”。
对很多企业而言，知识并不一定缺失。真正的问题是：它们是否被整理、连接，并能在需要时被有效调用。
正耀电子科技联合创始人、副总葛占国提到，企业已在财务、技术支持和软件移植等部门开展 AI 实践。在他看来，推进 AI 落地时，一个重要阻力是固有思维和工作方式难以改变。技术方案可以逐步搭建，但要让 AI 真正融入工作，还需要推动人的认知与习惯发生变化。
【昆山市正耀电子科技有限公司联合创始人、副总 葛占国】
千零软件创始人、TGO 鲲鹏会上海会员陈冲，则已经将 AI 深入许多主要的工作流程。他认为创始人对 AI 这块的认知和投入是非常关键的，多数企业管理者未充分意识到 AI 转型的必要性，对投入产出存在顾虑，不敢放开投入尝试。同时他也提到一个具体问题：客户沟通数据分散在不同平台，限制了 AI 对完整信息的调用。他也在考虑如何把 AI 用于财务报销等职能流程，减少人工整理和核对的工作。
【千零软件创始人、TGO 鲲鹏会上海会员 陈冲】
这两种实践都说明，知识库并不是一个孤立的技术项目，只有当信息能够被组织、连接，并进入具体的工作流程，知识才有机会真正转化为生产力。
企业推进 AI 时，效率往往最容易被看见，但它并不是唯一需要衡量的指标。
朱凯迪提到，模型使用成本与 Token 消耗需要和生产力收益一起考量；陈冲则提醒，企业既要关注创始人对 AI 的认知和投入，也要重视企业知识体系的延续。如果关键经验过度集中在少数员工身上，即使 AI 提升了效率，企业也可能面临新的知识与人员风险。
从这些实践中可以看到，AI 落地至少涉及几个相互关联的层面：
投入是否值得： 不仅关注工具费用，也要考虑员工使用方式、知识准备与流程调整所需的成本。
流程是否适配： 将 AI 放入既有流程之前，需要先识别重复劳动、信息断点和真正值得自动化的环节。
知识能否延续： 让关键经验不只存在于个人脑中，也不只散落在不同系统里。
组织能否跟上： 技术应用需要与员工习惯、协作方式和管理机制共同调整。
这些问题很难靠单一工具解决，也很难通过一次培训完成。企业需要在具体场景中持续试验，根据效果调整应用方式。
四位成员所处的 AI 应用阶段并不相同，但他们的实践都从具体问题出发：重构一个项目、推动更多员工参与、提升客户响应效率，或打通分散的业务数据。
这些具体的行动更容易形成清晰的验证路径：先明确一个值得解决的问题，梳理现有流程与数据基础，再决定 AI 应该承担什么任务、哪些环节仍需要人工判断，以及用什么标准衡量结果。
企业 AI 转型的难点，是持续回答一系列具体问题：哪些工作值得改变？改变之后是否更有效？经验能否复制？风险是否可控？AI 没有替企业做出所有判断，它改变的是企业解决问题的工具与方式，而选择解决什么问题、如何组织资源、怎样验证效果，依然需要企业自己回答。
InfoQ AI 侦察团希望创造的价值，是让正在探索 AI 落地的企业决策者有机会走到一起，通过真实的案例、坦诚的讨论和跨企业的经验碰撞，共同分析并拆解这些具体问题，帮助企业少一些盲目试错，多一些有依据的判断，让企业决策者带着更清晰的方向回到业务现场，继续验证、迭代，推动 AI 从试点走向真正的业务实践。
