“十五五”規(guī)劃綱要明確提出“構(gòu)建應(yīng)用場景和生態(tài)體系，實施新技術(shù)新產(chǎn)品新場景大規(guī)模應(yīng)用示范行動”。2026年政府工作報告進一步作出“打造智能經(jīng)濟新形態(tài)”部署，要求深化拓展“人工智能+”。一系列政策釋放的信號愈發(fā)清晰：中國人工智能的發(fā)展正以場景驅(qū)動為核心路徑，從技術(shù)探索和局部示范邁向產(chǎn)業(yè)深度融合、經(jīng)濟全面賦能的新階段。對產(chǎn)業(yè)門類齊全、實體場景密集的長三角而言，生成式AI已不是“跟不跟”的問題，而是“怎么真正落下去、轉(zhuǎn)起來、用起來”的問題。

隨著近期OpenClaw在國內(nèi)的爆火，生成式AI的社會關(guān)注度持續(xù)升溫。從重塑組織到顛覆行業(yè)，從生產(chǎn)方式變革到商業(yè)模式創(chuàng)新，各類討論層出不窮。然而麥肯錫2025年AI調(diào)查顯示，盡管企業(yè)正在加速生成式AI的部署，但真正實現(xiàn)規(guī)?；涞?、產(chǎn)生可衡量商業(yè)價值的不足三成。

當前，“場景驅(qū)動”已成為政企各界布局AI的普遍共識。但共識之下，落地困境并未消解。面對這場產(chǎn)業(yè)重構(gòu)，痛點已不再是“要不要擁抱AI”，而是陷入了“場景選不準、項目推不動、成果鋪不開”的困境。生成式AI的規(guī)?；涞?，究竟卡在了哪里？

三道坎：落地為何如此之難

第一道坎：認知錯位，工具思維遮蔽真正的價值空間

當前企業(yè)使用生成式AI的方式，大多沿用了傳統(tǒng)工具的邏輯：識別痛點，尋找替代，部署上線。會議紀要耗時，用大模型來寫?？头毫^大，用大模型來答。代碼效率不足，用大模型來補。這些場景有其價值，但本質(zhì)上是效率優(yōu)化，是在既有業(yè)務(wù)框架內(nèi)的局部改進。

生成式AI的真正價值不止于此。它能夠理解目標、自主規(guī)劃、持續(xù)行動，在復雜任務(wù)中與人共同推進判斷與決策。這意味著它的能力邊界不在流程清晰、指令明確的任務(wù)上止步，而在新產(chǎn)品研發(fā)、新商業(yè)模式探索、新業(yè)態(tài)構(gòu)建的前沿，與人類共同成為新可能的開拓者。

但這種重構(gòu)需要一個前提。業(yè)務(wù)方必須對自身工作的底層邏輯有足夠清晰的認識，才能判斷哪里值得重新設(shè)計。技術(shù)方必須對模型的真實能力邊界有足夠準確的把握，才能判斷哪里能夠真正介入。兩者之間還需要建立一種新的協(xié)作語言，共同進入那些此前從未被系統(tǒng)思考過的業(yè)務(wù)地帶。然而多數(shù)企業(yè)尚未完成這一轉(zhuǎn)變，場景討論仍停留在工具替代層面。

第二道坎：執(zhí)行斷層，方向確定后路仍走不通

選定場景只是起點，真正的難題在方向確定之后才逐一浮現(xiàn)。

數(shù)據(jù)從哪里來，質(zhì)量是否足以支撐模型訓練？現(xiàn)有流程需要做哪些改造才能接入AI輸出？模型的判斷由誰復核、出偏差由誰負責？這些問題在場景討論階段往往被擱置，等到真正推進時才逐一暴露，且每一個都需要跨部門協(xié)調(diào)與持續(xù)投入。

業(yè)務(wù)方希望獲得明確的實施預期，技術(shù)方卻難以在缺乏真實驗證的情況下作出承諾。雙方陷入拉鋸：業(yè)務(wù)方指責技術(shù)方不懂業(yè)務(wù)，技術(shù)方抱怨業(yè)務(wù)方給不出真需求。資源在反復溝通中被耗盡，可行路徑遲遲無法確認。

針對生成式AI場景的調(diào)研顯示，場景應(yīng)用方有75%認為仍處于局部試點階段，模型方卻有超過60%認為已落地成熟。這一落差并非進度快慢的差異，而是雙方對“落地”本身的認知存在分歧：業(yè)務(wù)方的落地，是指真實流程中穩(wěn)定運行、人員實際依賴、責任機制清晰，而技術(shù)方的成熟，是指模型跑通、接口聯(lián)調(diào)、精度達標。認知未能對齊，執(zhí)行層面的協(xié)同便無從真正建立。

第三道坎：組織惰性，試點成功后推廣依然擱淺

試點跑通，不等于落地成功。

多數(shù)試點在受控環(huán)境中運行：數(shù)據(jù)經(jīng)過篩選，流程經(jīng)過精簡，參與者經(jīng)過挑選。這一環(huán)境中驗證有效的方案，進入完整的業(yè)務(wù)復雜度后往往失效。試點結(jié)束，價值未能延續(xù)，新的試點重新啟動。每一輪循環(huán)，組織推進AI的資源與信心都在消耗，而真正的落地始終未能發(fā)生。

波士頓咨詢的研究顯示，多數(shù)組織將AI視為技術(shù)部署，而非思考員工如何將AI融入自身的工作方式。生成式AI觸及從業(yè)者的專業(yè)邊界與職業(yè)價值感，員工保留關(guān)鍵經(jīng)驗與判斷的動機隨之增強。AI會取代我嗎？我的經(jīng)驗還值錢嗎？來自員工的隱性抵抗比流程慣性更難察覺，也更具破壞性。

三道橋：從困境走向破局

走出選不準、推不動、鋪不開的困境，還需要在認知、執(zhí)行、組織三個層面搭建橋梁。

架設(shè)認知之橋：從替代工具到協(xié)作伙伴

場景定位不是尋找可以被AI替代的環(huán)節(jié)，而是重新定義哪些工作可以由人與AI共同承擔。

這種認知框架的建立，需要組織內(nèi)部有一批能夠貫通兩端的關(guān)鍵角色。前向部署工程師（FDE：Forward Deployment Engineering）正是其中之一。他們既理解業(yè)務(wù)邏輯，又熟悉AI能力邊界，在業(yè)務(wù)與技術(shù)之間做持續(xù)的轉(zhuǎn)化與對接。培育這樣的復合型人才，并非靠幾場培訓就能解決的技能缺口，而是企業(yè)能否在現(xiàn)有組織土壤中培育出技術(shù)與業(yè)務(wù)深度融合的協(xié)作生態(tài)。

鋪就執(zhí)行之路：從單次選型到持續(xù)驗證

面對落地路徑的不確定性，需要將一次性判斷能否實現(xiàn)的決策方式，轉(zhuǎn)變?yōu)榉蛛A段推進、在真實條件下快速驗證、持續(xù)根據(jù)反饋調(diào)整的工作方式。

這需要在三個環(huán)節(jié)做出改變。在啟動環(huán)節(jié)，從項目啟動之初就引入真實數(shù)據(jù)、真實流程與真實用戶，而非等到交付階段再做場景還原。驗證環(huán)境越接近現(xiàn)實，試點結(jié)論的可信度越高，后續(xù)推進的阻力也就越小。在推進環(huán)節(jié)，將“能不能做”的大問題拆解為“先試什么、再試什么”的小步驟，每個階段都有明確的驗證目標與退出機制，避免在一條路上走到黑才發(fā)現(xiàn)走不通。在評估環(huán)節(jié)，建立與驗證周期相匹配的考核方式，允許探索過程中的試錯與調(diào)整，而非用一次性交付的標準來衡量階段性成果。

構(gòu)建組織之基：從項目交付到系統(tǒng)融合

信任需要先行建立。AI帶來的崗位調(diào)整是真實存在的，企業(yè)需要清晰告知員工AI將承擔哪些工作、人的角色將如何演變，并在轉(zhuǎn)型過程中提供真實的能力發(fā)展路徑。正視變化而非回避，是提升員工參與意愿的前提。

流程需要隨之重構(gòu)。員工應(yīng)從場景識別階段就正式參與，從問題定義階段就貢獻經(jīng)驗，而非在方案成型后被要求配合、模型上線后被安排培訓。當員工從被通知的對象變?yōu)楣餐O(shè)計的參與者，隱性抵抗才有可能化解。

考核方式需要同步調(diào)整。讓業(yè)務(wù)與技術(shù)共同對業(yè)務(wù)改善負責，而不是各自對項目交付負責。衡量標準從模型性能與交付時效，轉(zhuǎn)向能夠真實反映業(yè)務(wù)變化的關(guān)鍵結(jié)果。

生成式AI落地之難，難在它所要求的改變不只是技術(shù)層面的，更是思維方式、協(xié)作方式與組織方式的全面重構(gòu)。技術(shù)能力的躍升已然發(fā)生，政策方向也已明朗，但這些外部條件只提供了落地的可能性。真正的考驗在企業(yè)內(nèi)部：認知能否從工具思維轉(zhuǎn)向協(xié)作思維，執(zhí)行能否從單次選型轉(zhuǎn)向持續(xù)驗證，組織能否從項目交付轉(zhuǎn)向系統(tǒng)融合。只有當認知之橋架起，執(zhí)行之路鋪就，組織之基筑牢，場景的價值才能真正落地生根。

（本文作者顧潔系上海社會科學院副研究員、社會科學智能實驗室秘書長、產(chǎn)業(yè)創(chuàng)新數(shù)據(jù)實驗室主任）

-------

“長三角議事廳”專欄由教育部人文社會科學重點研究基地·華東師范大學中國現(xiàn)代城市研究中心、上海市社會科學創(chuàng)新基地長三角區(qū)域一體化研究中心和澎湃研究所共同發(fā)起。解讀長三角一體化最新政策，提供一線調(diào)研報告，呈現(xiàn)務(wù)實政策建議。