【京津冀·AI 破局谈】解码AI应用落地路径与破局之道

【京津冀·破局谈】AI落地路径与破局之道

数字化浪潮汹涌澎湃，AI技术正加速重塑行业格局，成为企业数字化转型的新引擎，然而，随着技术迭代升级，其在企业业务场景中大规模落地，却遇到了“卡点”。面对场景适配、数据支撑、算力、成本控制等AI落地挑战，京津冀区域协同发展，形成了“北京创新+天津研发+河北场景”的生态链闭环，引领着AI应用落地的未来方向。

在2025京津冀CIO数智创新大会上，来自不同行业专家、企业CIO，围绕【AI落地路径与破局之道】的主题进行了思想交流，共同探讨企业AI落地路径、洞悉AI+行业未来发展趋势。

话题1：AI落地与商业价值

姜正林：作为一名 IT 领域的从业者，AI技术的火爆发展是一个重大突破。从信息化到数字化，再到如今的 AI 化，其带来的变革称得上“跃迁”，在这种背景下，各个行业也都进行着AI尝试。

孙   剑：华润健康集团在医疗领域的 AI 探索，始终立足公益角度，重点围绕图像辅助诊断、医疗质量质控、患者分诊、AI 陪诊以及检验报告解读等方向开展了深入尝试，目前整体使用效果良好。

栗   鑫：从信息化到数字化，再到AI相关策略，力生制药始终秉持小步快跑的数字化理念。在AI方面，力生制药联合生态合作伙伴针对不同场景开展 AI 探索。一个是人力资源场景，实现了智能招聘、智能面试纪要和智能打分，并构建了基于这些场景的模型；另一方面在多场景模型基础上，逐步推进智能合同审核等场景。未来，将会尝试探索工业智能质检、销冠陪练等领域拓展。

石   欣：在AI时代背景下，河北电机主要有两项相关举措：一是在高附加值产品上开展预防性维护、远程数据获取工作，实现关键数据实时监控与异常实时预警，但这严格来说属于大数据应用，并非典型 AI 应用；二是在财务结算环节落地自动退票功能，有效减少了财务人员工作量。后续将借鉴“小步快跑”的理念，推进相关领域的进一步实施落地。

姜正林：AI落地应用离不开数据支撑，没有数据谈 AI 不切实际。今年（2025年）被行业称之为AI Agent应用“元年”，在诸多场景应用中，AI带来了哪些应用价值或者获得业务认可？

孙   剑：在医疗行业，国家卫健委发布的 48 个人工智能医疗场景，已覆盖诊前到诊后的全医疗流程。医疗的本质是服务大众健康、治愈疾病，而患者安全与医疗质量是关键。AI 在病例质控领域的赋能价值显著，AI质控将以往零散的抽检式质控升级为全量病例质控，能够及时提醒医生避免误诊和漏诊等问题，更能通过语义识别内涵性问题，有效助力提升医疗质量、保障患者安全。

姜正林：病例质控同样是泰康口腔在2025年首个大模型应用尝试领域，不过，针对病例书写规范和针对诊断环节措施进行质量把控有所不同。

孙   剑：我们采用规则与大模型混合的方式开展病例质控。规则主要针对结构化病例和数据，规范其填报范围、数量等基础合规性内容；大模型则聚焦规则难以覆盖的循证医学逻辑关联分析，可整合检验检查报告、主诉、用药反应等全量信息，提示医生可能漏判的内容，填补人工关联时的疏漏。质控分为两个阶段，一是过程质控，患者在院未出院时，医生保存病例后模型实时检测，提示检验结果未录入、治疗措施缺失等问题；二是终末质控，周末汇总所有完整证据后再复盘排查潜在问题，双阶段质控显著助力病例质量提升。

姜正林：无论是在制药行业全流程应用，还是人力资源场景落地，AI都展现出了显著价值。对制药行业，研发环节至关重要，AI 在药品研发过程中，是否真正为业务创造实质性利好？

栗   鑫：AI 在医药研发领域已展现出显著价值，尤其，2025 年DeepSeek模型爆发进一步推动了这一进程。一方面在核心研发环节，AI 模型可参与分子化合物设计、靶点识别及先导化合物发现等工作，能将原本需十几年的靶点发现周期缩短至 12 个月左右，极大加速研发进程；另一方面，对研发机构、研发部门而言，AI 依托自然语言识别技术，对相关的专业文献进行翻译，更显著提升了跨国药企的工作效率，甚至加速了 MNC 级别的并购进程。AI 对医药及泛医药行业的发展将产生重要影响，也将推动医疗行业实现蓬勃变革。

姜正林：AI的火爆发展为各行业各业带来极大的便利，也释放出了巨大价值。无论是医药行业，还是制造行业，AI应用都依赖较好的数据基础。对传统制造业而言，哪些工作会为AI应用奠定较好基础？

石   欣：作为研产销一体的公司，AI 在研发端的设计仿真样机的应用尤为关键。在数据样本充足的前提下，AI 可替代人工开展分析、样机设计及仿真工作，能对电磁、结构、震动等方面进行有效模拟，具备很强的指导意义。此外，AI应用能快速降低设计成本，对企业降本增效作用显著，通过 AI 仿真从研发设计阶段把控成本，才是更根本的降本方式。

AI落地挑战与决策

姜正林：降本增效一直是企业追求的目标，单点降本未必健康，当前企业 AI 尝试多集中在点状应用，实现降本增效，AI 需覆盖全流程。AI 应用落地及流程优化由谁决策？

孙   剑：从信息化角度看，数字化转型是“一把手”工程，同样，AI战略也是“一把手”工程，主要原因在于当前 AI 投入的回报率难以核算，且支撑旗下多家医疗机构的大模型运作所需算力成本极高，需一把手推动。对于AI落地挑战也需要分场景看待，如果AI能减轻工作量、提升效率，业务部门乐意接受；仅以病例质控场景而言，临床医生会有抵触，这是由于此前仅抽检 1/10 病例，如今每份病例都会被 AI 弹窗提示多条改进点。不过，医院推进质控的动力较强，并通过绩效等激励机制，搭配相应管控手段，推动 AI 相关应用顺利落地。

栗   鑫：无论是大众层面，还是公司高管各层面，在AI赋能落地角度上，力生制药坚持以“需求驱动”为主的核心原则。一号位参与 AI 赋能推进方式的探讨，目前正联合合作伙伴编制 AI 发展战略愿景与策略，初步共识是基于需求驱动选择样板场景落地。

从各业务部门需求来看，营销部门 AI 赋能需求最为强烈。通过与营销部门组建联合调研小组，开展 POC 方案探索，重点聚焦两大方向：一是通过 AI复制销冠经验，替代传统“销冠讲师授课”模式，助力销售代表能力提升；二是借助 AIGC 打造“AI 内容工厂”，生成适配小红书、抖音等视频交互渠道的广告内容，推广相关产品，契合当下用户偏好视频信息的特点。未来，营销部门已成为 AI 赋能的核心合作伙伴，专门配置 HRBP 为营销部门提供专属的场景化 AI 赋能支持。

石   欣：公司高层一直关注包括AI在内的信息化建设，并对各个部门提出相关要求以及与同行业、上下游进行对标，以便发现相关薄弱环节。一是高层提出明确要求；二是IT部门按照领导要求与业务部门对接，根据实际情况完成调研报告，为高层决策提供支持。

姜正林：AI落地企业业务场景已经成为一种趋势，在AI落地过程面临哪些挑战？

石   欣：目前， AI大模型缺乏行业专业性，以电机行业为例，电机领域本身到上下游企业，都缺少适配的行业级或通用型AI大模型。大多厂商推出通用型 AI 产品提供给企业被动适配，而且面临不能满足针对行业或企业定制需求。毕竟不同行业、不同企业在生产、决策、财务、仓储等环节的参数要求不同，尤其是研发环节，差异更为明显，AI 需要兼顾行业特性。

栗   鑫：当前，企业AI应用落地面临三大方面核心挑战：一是数据观层面，不同企业业态与数据质量差异较大，相当一部分企业缺乏高质量的标准化数据，没有优质数据，从AI到Agent 都面临“巧妇难为无米之炊”的困境；二是人才与流程层面，企业不仅普遍缺乏 AI 科学家、架构师等专业人才，更稀缺既懂 AI 技术又懂业务的复合型桥梁人才，同时现有业务流程与AI适配性不足；三是信任观层面，AI 决策逻辑存在“黑盒”问题，无法如同智能推理清晰呈现完整决策逻辑思维链，导致企业难以完全信任其决策结果，成为 AI 落地的重要阻碍。

孙   剑：AI 落地的最大挑战在于现有组织架构并非为 AI 参与全运营设计，层级繁多且存在大量保障流程运行的环节，若 AI 重构组织环节，组织将趋向扁平化或零散化；尤其当AI广泛应用时，如何确保公司仍能高效正常运营，这对所有应用 AI 的企业而言都是关键难题。

姜正林：AI 时代，企业面临的核心挑战是现有 IT 团队的整体能力升级，这是必须面对和推进的事。从产品经理、架构师到开发工程师，岗位要求都已改变，而让现有团队跟上 AI 步伐，实现各岗位能力迭代，是所有企业共同面临的问题。

AI安全与破局

姜正林：目前，各个企业的管理层对AI应用比较重视，但是现阶段AI 投入产出难以核算，数据、算力等相关成本对 AI 落地构成不小挑战。该如何破解AI落地的识别风险、安全以及幻觉等方面现实枷锁？

孙   剑：医疗健康行业，AI 幻觉是零容忍，为保障 AI 输出的安全准确，行业为大模型提供了诸多限定：一是为大模型补充诊疗指南、最新医学文献等权威专业内容作为支撑；二是通过提示词明确限制，要求其回答必须有可追溯的依据，还会强制展示思维链，避免“黑盒”操作，方便人工监督验证以确保可信度；三是对影响大模型回答一致性的相关参数提出极为严格要求，适当限制大模型的泛化能力，保障输出结果的稳定性；四是在通用大模型基础上叠加专业知识库、专病知识库及专病数据集，进一步确保大模型能输出稳定、准确的回答。

栗   鑫：从制造行业视角看 AI 安全管控，AI赋能场景下的安全机制与传统网络安全、数据安全有相通之处，核心还是遵循“事前预防、事中控制、事后审计”的准则。首先，要明确 AI 应用的范围边界，通过白名单和黑名单清晰界定“能做什么、不能做什么”；其次，安全机制中需重视协同与事后全链条审计，避免智能决策逻辑仍可能存在“黑盒”隐患，通过事后全链条审计追溯决策过程；最后，全链条安全管控追溯不仅是企业自身安全管控的需求，也能满足监管机构的要求，让企业自身和监管机构均认可。

石   欣：AI 安全主要归为两类：一是数据安全，需通过加密、脱敏等方式保障数据提取与获取的安全性；二是决策安全，若要让 AI 参与决策，必须明确流程、制度和程序，实现全流程受控。总之，推动AI落地，必须要清晰界定 AI 的角色是辅助还是直接决策，尤其是涉及重大质量、重要价值或重大决策的关键事项，更要在流程制度中明确规定是否允许 AI 参与及辅助范围。

姜正林：目前，AI应用正站在由“技术概念”向“产业价值”跨越的关键节点上，而Agent规模化落地将成为AI应用的进阶阶段。对AI未来发展前景有着怎样的展望？

石   欣：未来，AI不再是单纯工具，而是融入企业实际需求的核心能力，在效率提升、价值创造与生态升级中释放价值，为企业带来效益。

栗   鑫：AI 赋能必将达成使命！它深度贴合企业刚需，以智能破局低效壁垒，用创新激活发展潜能，在降本提效、迭代升级中注入澎湃动能。

孙   剑：锚定最关键、价值密度最高的核心场景，集中资源攻坚 AI 功能落地，再逐步以点带面，稳步推动企业全链路智能化升级，让 AI 真正赋能业务增长。