|
近日，2026 帆软智数大会在武汉圆满落幕。会上，帆软应用研究院院长梅杰发表了题为《让每家企业都用好AI》的主题演讲。
扫码或点击图片查看直播回放
演讲中，梅杰分享了一个令人警醒的数据——73% 的企业说想用 AI，但只有 12% 真正用起来了。他从这一数据出发，结合上汽新动力、顾家家居、晶科能源三家企业的真实实践，拆解了企业用好 AI 的三个阶段路径。
一组数据背后的真问题
今年我们做了一个小小的调研，AI 非常热，但 73% 的企业都说自己想把 AI 用好，只有 12% 的企业真正用起来了。
这个数据其实还挺触目惊心的。为什么？我看下来，三个问题把绝大多数企业卡在了原地。
第一个问题，是很多人看见了 AI，觉得很好，但没付诸行动。 看着别人做，也是一种乐趣，是吧？但这种乐趣，不会变成企业的能力。
第二个问题，是个人已经用上了，部门层面却不知道怎么用。 这就是我们常说的 "Shadow AI"——影子 AI。员工个人的能力在涨，但组织的能力没涨。这是浅尝辄止。
第三个问题，是有些部门其实用得不错，但公司层面没感觉出来指标有什么变化。 本来就是老大难，单点跑通了，但从提效到经营变革，中间还差着一套完整的体系。
这三个问题，其实是阻挡我们绝大多数企业真的把 AI 用好的三道坎。所以我们的智数先锋们，给了我们答案。
观望期的破局：上汽新动力
我们看第一个企业，上汽新动力。
这家公司是上汽集团旗下的百年老厂，做得非常好，年产 10 万+ 台柴油机。他们的特点是多品种、小批量，这种类型对现场的精益管理水平和安全生产要求极高。
你想想看，这种类型的工厂，跟一线讲 AI 行吗？怕是不行。
这家企业的智数先锋们很优秀，他们不跟一线讲 AI，他们跟一线讲现场的异常管理。
怎么做？他们把异常管理的流程用简道云实现，再用悟帆 AI 实现智能结合——拍照即审核，发现即闭环。
我们来看一个真实的例子。现场巡检拍了一张叉车的照片，如果你没怎么去过生产线，光看这张照片，能看出有什么问题吗？大概率会草草了事："这个好像不太对，记录一下"。
现在的做法是：拍了叉车的照片上传到简道云，秒出结论——货叉没有停到地面，叉车上面还有货物但没人看管，叉车位置停放在黄线外也没停好。
你可以想象，一个员工其实并不是不想做安全生产，他是看到这张照片没感觉，他不知道哪里有问题。而 AI 非常好的一个做法是，把你日常在企业里要看到的问题，跟企业已有的经验结合起来，告诉他怎么应对，这个信息很快推给责任人，他们立刻整改处理。最后这些信息还可以进入企业的复盘过程。
重大生产停线下降 86%。这是他们的成果。
我觉得他们的做法对观望期的企业是个很好的参考：先小后大，先简后深。你可以先从一个简单的场景，把它搬到线上，再用简道云跟悟帆结合，让它实现一些智能，让一线的人相信，那么很多事就水到渠成了。
应用期的进阶：顾家家居
到了应用期，大家还记得有什么问题吗？每个人都在用 AI 解决自己的 PPT，解决自己的问题，但跟企业的现状结合不是特别清楚。
顾家家居的智数先锋们很厉害，他们就想了一些解决办法。顾家原来用 BI 用得非常好，怎么在已有的数据基础上叠加上 AI 能力，变成企业都可以用的内容？
他们的运维主管说过一句话很生动：出现一个问题，首先得找数据吧，找完数据还得自己加工吧，这一套下来，问题可能已经发酵一段时间了。
所以他们就想，有没有可能性在帆软已有的数据资产上，叠加上问数跟归因的能力，让原来整合数据定位问题的时间缩短。这对主管来说是实实在在的提效。
在这个过程中，他既感觉到了 AI 的便利，又享受到了原来数据资产的加持。顾家的先锋们还把它总结成了小口诀——原来老说"人找数据"，后来变成"数据找人"，现在变成"AI 出来的数据洞察找到人"。
我们看他们的六步法：先总览、再看数据、问 FineBI Next、得出报告、加速整改，数字化人员有更多时间去研究背后的安全和性能问题。故障定位从 90 分钟缩短到 15 分钟。
应用期要让大家从个人的提效，变成组织层面上、公司层面上用起来。顾家的关键启示是：你可以在已有的数据资产上，结合本地化的 Dora 或者 AI 原生的 FineBI Next，实现价值的 1+1 > 2。
深水区的攻坚：晶科能源
到了深水区怎么办？有些部门用得不错，但我怎么让公司层面上有所体现？
晶科能源给我们一个非常重要的启示。晶科能源是国内做光伏的领先企业，他们行业有一个核心指标——切片断线率。你越到深水区，越不能拿自己部门的指标来琢磨，必须关注公司层面上最重要的指标。
围绕这个指标，但凡出问题，谁压力最大？一线的生产经理啊。
他至少要追着两个跑：一是追着报表跑，要看断线率异常数据上是什么原因；二是被主管、被领导追着跑，指标异常了领导会上追问——什么原因？哪条产线？怎么改善？
跑完产线回来还得在系统上提交一遍再填报一遍。如果问题是晚上出现的，第二天早上还指定炸锅。
晶科能源的智数先锋们是怎么做的？让 AI 盯住有异常的产线，进行问题剖析，给出解决方案，推送给对应的班组长。主管领导也可以看到重点问题，想参与可以参与解决。
他们总结得很好——AI 感知 → 智能分析 → 辅助决策 → 执行闭环。
晶科能源的关键数据：切片断线率下降 3.3%，年收益 1148 万。这个成果不是单跑了一个模型，而是 AI 加数据跟企业核心经营流程结合的结果——这个结合的过程，也正是企业在深水区走出来的关键。
三阶段，对应三种服务
三个阶段，三家企业，给了我们三种答案。
观望期——主要矛盾是让大家低门槛地用起来。我们提供工具跟服务，就是为了降低数据消费的门槛，降低 AI 应用的门槛。具体配套：先做 AI 成熟度诊断，再参加 Dora、FineBI Next、悟帆的打卡营，或者参加城市 AI 大课。
应用期——业务部门说都在用，但跟数字化成果没有强关系。这个时候要思考，哪些场景是 AI 已有的数据资产能结合的，做完结合可以让决策更科学、行动更快捷。具体配套：AI 升级诊断 + 业务场景课程 + 业务实操课程。
深水期——关注经营过程、核心指标、企业最关注的事。让 AI 参与到经营过程中，让更多人用 AI、用数据，让 AI 越用越懂企业。具体配套：整体人才诊断 + FDE 项目驻场交付 + 经营分析体系落地。
回到分享的主题
我说我们的初心是让每家企业都用好 AI。刚说这个话的时候还有点忐忑，但经过这半年时间，看到很多智数先锋们在企业里的实践，我们发现了一个秘诀——企业只要有更多的人才能够对 AI 祛魅，积累更多的 AI 人才，就一定会涌现出更多的先锋，他们能够动手，将"看见"变成"用深"。
也非常感谢来自我们 5 个赛道的 16 个地区、400 多家企业、1000 多位智数先锋。是你们让我们看到了"让企业用好 AI"这件事，有巨大的可能性。
接下来，帆软会继续加强 AI 数字人才服务，让每一个企业涌现出更多的实战先锋，让想用好 AI 的企业加速开始。
| 
