AI落地實(shí)踐連載③｜掌握底層邏輯，尋找AI落地場(chǎng)景并不難
在人工智能加速向千行百業(yè)滲透的當(dāng)下，為助力企業(yè)持續(xù)將AI技術(shù)轉(zhuǎn)化為實(shí)際生產(chǎn)力，我們?cè)诠娞?hào)開啟「AI 落地實(shí)踐」系列連載，持續(xù)分享6月6日「智見新局?AI—— 人工智能 ToB 場(chǎng)景落地研討會(huì)」上各企業(yè)代表在不同業(yè)務(wù)領(lǐng)域的高價(jià)值A(chǔ)I落地場(chǎng)景。
本期聚焦金現(xiàn)代董事長(zhǎng)黎峰的演講，解碼AI應(yīng)用的底層邏輯，探索如何尋找AI落地場(chǎng)景。
以下為演講精華實(shí)錄：
信息系統(tǒng)老在“體外循環(huán)”
很多領(lǐng)導(dǎo)都跟我感慨，說尋找落地場(chǎng)景特別難，但其實(shí)沒有想象中那么難。
我們先來看看信息化系統(tǒng)。我們搞了 30 年信息化，信息化系統(tǒng)實(shí)際是干什么呢？
拿電廠缺陷管理來說，系統(tǒng)框架從隱患發(fā)現(xiàn)、缺陷分析、缺陷處理都有部署，但現(xiàn)實(shí)是人們經(jīng)常得脫離系統(tǒng)人工處理，再把結(jié)果錄入到系統(tǒng)里。這說明什么？系統(tǒng)只干著存儲(chǔ)、傳遞、展示這些基礎(chǔ)活，只是在輔助人工做決策，我們把這個(gè)東西叫作“體外循環(huán)”。
我經(jīng)常跟團(tuán)隊(duì)說：開發(fā)一個(gè)系統(tǒng)10萬(wàn)就能做，但是100萬(wàn)未必能做得完美。就像我給學(xué)生上課舉的例子：5萬(wàn)塊能做圖書館管理系統(tǒng)嗎，可以！想做個(gè)圖書采購(gòu)決策功能，其實(shí)只需要把采購(gòu)委員會(huì)的說明書錄進(jìn)去，做成表單。
這就是信息系統(tǒng)的關(guān)鍵問題 ——總是在體外循環(huán)，很多環(huán)節(jié)還得在系統(tǒng)外人工處理。
比如缺陷分析階段，系統(tǒng)可能設(shè)了下拉框選缺陷等級(jí)和分類，但實(shí)際選擇還得靠經(jīng)驗(yàn)：新來的大學(xué)生干不了，往往需要三年以上的專責(zé)工程師。到了缺陷處理環(huán)節(jié)，寫消缺方案很難，但寫好了之后把它錄入系統(tǒng)其實(shí)很簡(jiǎn)單。這就是為什么大家反感信息化：系統(tǒng)沒解決實(shí)際問題，我們只是在系統(tǒng)里邊做 “增刪改查”。
AI落地的底層邏輯
那么，到了 AI 時(shí)代，怎么找落地場(chǎng)景？怎么真正理解信息化和智能化的區(qū)別？
智能化系統(tǒng)能干什么？拿缺陷分析來說，巡檢出隱患分析大模型后，能自動(dòng)化完成分析，不用依賴人的經(jīng)驗(yàn) —— 這就是一個(gè)落地場(chǎng)景。
再看處理方案撰寫，這比分類更難：是馬上檢修、暫緩檢修還是停機(jī)檢修？以前判斷全靠經(jīng)驗(yàn)。雖然我跑過很多電廠，在電廠干過很多年，但是寫消缺方案還是覺得費(fèi)勁，但如果我們用歷史數(shù)據(jù)訓(xùn)練模型，就能快速生成方案，不再依賴有經(jīng)驗(yàn)的老師傅。
我們總說智能填寫、智能寫作，這些不該只停留在流程管理，工業(yè)和生產(chǎn)管理更需要。因?yàn)槲覀儚?0年代末開始找信息系統(tǒng)，30多年信息化積累的海量數(shù)據(jù)，足夠支撐模型訓(xùn)練。
所以，找落地場(chǎng)景的邏輯很簡(jiǎn)單，用一句話總結(jié)，就是：找到系統(tǒng)里還得人工處理的節(jié)點(diǎn)，想想能不能用 AI去完成。
具體可以聚焦兩類場(chǎng)景：
一類是看似簡(jiǎn)單但高頻、耗時(shí)的工作；
另一類是復(fù)雜、依賴知識(shí)、經(jīng)驗(yàn)的工作。這不僅解決了知識(shí)傳承的問題（比如老師傅退休后人才培養(yǎng)周期長(zhǎng)），還能通過數(shù)據(jù)積累讓系統(tǒng)越用越聰明。
我們服務(wù)的某省電力公司，他們的配電網(wǎng)信息系統(tǒng)建了很多年，覆蓋問題分類、工程造價(jià)、審批、結(jié)算驗(yàn)收等全流程，整個(gè)系統(tǒng)看起來非常完備，但依然有上百個(gè) “體外循環(huán)” 的節(jié)點(diǎn)。他們從中挑出經(jīng)濟(jì)價(jià)值高、可行性強(qiáng)的節(jié)點(diǎn)，用大模型實(shí)現(xiàn)了自動(dòng)化處理。這是在電力行業(yè)的實(shí)踐，其實(shí)在各行各業(yè)都適用。
雖然現(xiàn)在很多模型都是針對(duì)具體問題的局部模型。但Agent 技術(shù)來了以后，基于 MCP(Model Connection Protocol）標(biāo)準(zhǔn)，這些模型可以像插件一樣集成到傳統(tǒng)業(yè)務(wù)系統(tǒng)里，或者用 Agent 串聯(lián)起來解決問題。所以不用怕場(chǎng)景零散，只要按 MCP標(biāo)準(zhǔn)建設(shè)，把模型封裝成智能體或 API，就能被業(yè)務(wù)系統(tǒng)調(diào)用。
說到AI應(yīng)用，很多人先想到問答窗口，但真正的價(jià)值在于把 AI封裝成服務(wù)：和業(yè)務(wù)系統(tǒng)交互、按 MCP 標(biāo)準(zhǔn)被 Agent 流程調(diào)用 —— 真正能被 To B 領(lǐng)域的應(yīng)用，而不是只用在To C 的娛樂場(chǎng)景。
關(guān)于AI的兩點(diǎn)思考
最后分享兩點(diǎn)思考。
第一，AI 時(shí)代的價(jià)值重構(gòu)。當(dāng)某一環(huán)節(jié)成本大降，它的價(jià)值就會(huì)弱化，產(chǎn)業(yè)鏈重心會(huì)轉(zhuǎn)移。比如視頻一鍵生成技術(shù)出現(xiàn)后，制作成本降了，劇本和原創(chuàng)內(nèi)容就更值錢；工業(yè)制造里，制造成本降了，價(jià)值就向品牌和設(shè)計(jì)轉(zhuǎn)移。同理，當(dāng)編程成本降了，價(jià)值會(huì)向創(chuàng)新和設(shè)計(jì)傾斜。這時(shí)候我們應(yīng)該思考的是，AI帶來了大量?jī)r(jià)值的轉(zhuǎn)移，我們?cè)撊绾稳マD(zhuǎn)型？
第二， AI的確在替代人、替代知識(shí)和經(jīng)驗(yàn)。工業(yè)革命替代了同質(zhì)化的體力勞動(dòng)，AI 時(shí)代正在替代處理信息的白領(lǐng)。從信息化到智能化，當(dāng)白領(lǐng)工作成本降低，價(jià)值必然轉(zhuǎn)移 —— 這會(huì)導(dǎo)致產(chǎn)業(yè)興衰和價(jià)值鏈重構(gòu)。那么下一輪價(jià)值可能轉(zhuǎn)向哪里？可能是原材料（比如礦石）、能源（比如核聚變），或者情感領(lǐng)域…… 就像從說書、評(píng)戲到話劇、電影，再到COSPLAY再到劇本殺的演變，舊產(chǎn)業(yè)消亡，新產(chǎn)業(yè)崛起。
所以回到最初的話題，尋找 AI 落地場(chǎng)景，既要盯著當(dāng)前價(jià)值鏈的降本增效（比如煉鋼燒結(jié)、鍋爐尾氣氮化物預(yù)測(cè)），也要預(yù)測(cè)價(jià)值鏈重構(gòu)后的新重心，提前布局高價(jià)值環(huán)節(jié)。這是我對(duì) AI 的一點(diǎn)思考，供大家參考。