AI落地的“十大问题”

2025年，企业级AI应用落地进入关键阶段。AI已从效率工具向认知伙伴跃迁，但多数企业落地效果不尽如人意。据IDC等数据显示，多数企业AI应用停留在局部，规模化落地不足。为解决这一系列问题，钛媒体与ITValue联合举办的2025 ITValue Summit数字价值年会在即，本次峰会将以“AI落地场景真相”为主题，针对企业级AI落地中的十大问题展开深度讨论。

峰会将邀请行业话语权企业、甲方现身说法，分享解决方案与案例分析，并拆解“踩过的坑”与甲乙方对落地视角的理解，探讨AI落地全维度问题。以下为梳理的AI落地十大问题：

• 问题一：共识如何达成？
  在生成式AI重塑商业逻辑时，企业管理者需正确认识AI，结合行业Know-How制定战略，与组织对齐目标以保障落地条理。


• 问题二：数据是决胜关键
  获取高质量数据集是AI落地的痛点，数据孤岛、合规安全等问题阻碍落地，数据质量影响模型成效，如同种子与果实的关系。


• 问题三：场景如何选择？
  企业在选择生成式AI应用场景时，常陷入“技术优先”误区，忽略业务匹配度，且中小企业易因成本、资源陷入“试错成本高与错失机会”的两难，影响落地决策。


• 问题四：模型怎么选才最具“性价比”？
  基础模型选型需平衡性能与成本，技术路线（预训练模型+微调、提示词工程+检索增强等）和模型类型（开源/闭源）选择存在矛盾，影响落地初期效果。


• 问题五：行业模型如何落地？
  不同行业需适配不同模型，行业模型落地是技术、数据、组织等多维度复杂工程，需理解行业本质需求，在技术理性与行业特性间找到平衡点。


• 问题六：如何确保AI可靠性与可解释性？
  当生成式AI走向产业一线，AI“幻觉”与“黑箱”问题阻碍落地，尤其在要求高的场景下，可靠性与可解释性是落地关键，需关注工程化稳定性。


• 问题七：知识库如何搭建才能更有“活力”？
  知识库需动态迭代、持续运营，摆脱“僵尸系统”宿命，融入员工日常工作，实现“新陈代谢”以适应业务变化。


• 问题八：Agent时代，寻求人机协同的“最优解”？
  Agent AI成为复杂业务协同参与者，人机协作规则重构是挑战，需在分工、能力适配等方面建立秩序，让业务部门主动参与。


• 问题九：安全合规是永远的红线
  AI安全合规从技术细节升级为战略风险，算法偏见、隐私泄露等问题需适配现有规则框架，规避法律与声誉风险。


• 问题十：AI人才瓶颈
  AI落地依赖匹配人才与跨部门协作，缺乏融合型人才和组织架构不完善是主要障碍，突破需组织与文化协同。

9月11 - 14日，三亚举办的2025 ITValue Summit数字价值年会将围绕上述十大问题展开深入讨论，邀请行业同仁参与，共同探索数字经济变革与机遇。