在企業AI落地的賽道上，有一個尷尬的現實：技術再先進，項目再前沿，AI工作流仍頻繁“爛尾”；有決策權的高管不點頭，連啟動鍵都按不下去；當AI開始自我優化流程，人類指導者又是否真的可以被取代？這些問題在9月13日的PEC 2025 AI創新者大會暨第二屆提示工程峰會上被拎了出來。

會上“年度提問二：新工作時代：AI工作流由誰主導？”由PEC China發起人、微軟MVP、軟積木CEO劉海峰主持。來自企業與技術前沿的代表齊聚一堂：百度智能云創企生態負責人張龍、中國聯通智慧足跡副總裁、首席經濟學家王旭陽、NVIDIA企業級軟件生態負責人張海軍、百望股份數字經濟與金融科技研究院院長李國平，以及華碩電腦AIoT戰略合作伙伴總監蔡裕正，從企業實踐到技術實現、從業務落地到戰略決策，展開了一場高密度的思想碰撞與經驗分享，將AI工作流背后的難題和解決路徑徹底揭開。

AI 工作流 “爛尾” 該怪技術？ 還是業務方需求反復無常？

在企業AI落地實踐中，工作流爛尾的現象屢見不鮮。無論是技術能力不足、業務需求頻繁調整，還是數據治理不完善，都可能讓原本前景可期的AI項目半途而廢。

百度智能云創企生態負責人張龍將問題拆解為啟動前、開發中和上線后三個階段。他指出，啟動前的選題與選型至關重要，過度貪心或工具不可拓展會讓項目埋下隱患；開發中要關注模型與工具的場景適配性，并兼顧安全與內容紅線；上線后需持續優化、建立數據飛輪，否則項目容易草草收尾。

中國聯通智慧足跡副總裁、首席經濟學家王旭陽認為，爛尾問題源自業務側與技術側的雙重因素。業務部門對AI能力邊界認知過高，期望AI解決所有復雜任務；技術側在POC階段停留，對落地復雜性估計不足。他建議將復雜任務拆分為微服務，分級部署，確保每個環節穩健運行。

NVIDIA企業級軟件生態負責人張海軍強調，企業需系統性構建AI能力，將技術工具與業務價值緊密結合。AI落地應作為“一把手工程”，通過系統規劃讓AI融入組織架構，利用不同類型的AI軟件組合解決業務問題，而非局限于單一技術。

百望股份數字經濟與金融科技研究院院長李國平指出，傳統企業爛尾原因主要集中在業務部門對AI預期過高、技術部門脫離業務價值以及數據治理薄弱。他強調，AI工作流需通過智能體技術靈活適配業務變革，才能避免項目停滯。

華碩電腦AIoT戰略合作伙伴總監蔡裕正指出，忽視用戶體驗是AI工作流“爛尾”的核心原因。若功能追求大而全，而非聚焦高頻剛需，往往難以獲得用戶長期使用。他建議企業在開發階段就邀請小部分用戶參與測試，并通過快速迭代優化產品，從而降低項目失敗的風險。他強調，唯有堅持以用戶體驗為核心，AI工作流才能真正落地并創造長期價值。

沒有高管拍板，AI 工作流為何 連 “啟動鍵” 都按不下去？

即便技術成熟、業務價值明確，AI工作流仍可能因決策層猶豫而停滯。跨部門協同難、成本收益難量化，以及高管對AI認知不足，都是阻礙項目啟動的重要因素。

“AI工作流本質是‘一把手工程’。”張龍強調，要說服決策層，需要用真實案例展示量化ROI，并通過持續布道讓高管理解AI范式與傳統范式的本質差異，從而主動推動項目。

王旭陽認為，決策層猶豫主要因為成本收益不明確與跨部門協同困難。AI項目屬于重資產投入，涉及算力、數據和業務專家，若無法清晰核算收益，項目很難啟動。同時，多部門協作難以統一調度，也會導致項目擱淺。

張海軍提出，推動AI工作流需要構建完整體系，包括頂層設計、AI平臺、組織協同和業務需求四個層次。頂層設計明確戰略規劃，AI平臺解決基礎設施和數據問題，組織協同確保工具被充分使用，業務需求則確保技術與真實痛點匹配。

“決策層推進AI工作流應聚焦可量化業務價值，避免盲目跟風。”他解釋道，AI雖然帶來技術創新和效率提升，但企業在投入前必須明確具體產出和落地場景，技術與業務部門需共同測算產出，找到真實落地場景，確保投入帶來可觀收益，才能獲得高管認可。

蔡裕正補充道，高管在推進AI工作流時最關注的核心是數據安全與信任。如果企業無法保障關鍵數據的安全性，或未能建立對技術方的信任，項目往往難以啟動。他強調，唯有在安全可控、成果可預期的前提下，高管才會主動推動項目落地，從而加速AI工作流的執行。

當 AI 自己能優化流程， “人類指導者” 會不會被徹底取代？

隨著AI技術日益成熟，自主優化流程的能力逐漸增強。一些重復性、規則性任務可能完全由AI完成，但戰略決策、復雜業務判斷和風險控制仍需人類干預。

盡管AI可以優化重復性任務，但在戰略規劃和復雜業務判斷上，人類指導者仍不可替代。張龍認為，AI能顯著提升效率，但在項目設計、風險評估和跨業務流程的整合中，仍需要人類提供方向和監督。未來AI將更多作為生產力助推器，幫助人類更快完成數據分析和決策執行，而不是完全替代人類判斷。

王旭陽指出，AI自主優化能夠減輕人工操作負擔，提高常規任務處理效率，但在跨部門協調、業務優先級設定以及復雜經濟預測等環節，人類的判斷和經驗仍不可或缺。企業應合理劃分AI與人工的邊界，讓AI承擔可重復、可量化的任務，而將核心決策保留給熟悉業務全局的人類。

張海軍強調，AI在工作流中的自優化潛力必須依托完善的數據治理和流程體系，否則優化效果有限。他補充道，AI雖然可以自主完成部分流程迭代，但企業仍需建立監控機制和反饋環路，讓人類在異常處理和戰略目標調整中提供指導，確保AI輸出與業務目標一致。

“AI優化能夠顯著提升規則性任務效率，但企業決策、業務優先級設定及異常處理仍需人類把控。”李國平認為，企業應將AI用于可量化、重復性強的環節，同時確保關鍵節點由人類監督，以避免技術自嗨或偏離業務目標。

AI 能在特定場景中快速迭代并優化用戶體驗，但在人類的戰略決策、信任建立與風險把控上仍不可替代。蔡裕正建議企業探索“人類指導 + AI 自優化”的混合模式：讓AI承擔高頻、重復性的自動化任務，而關鍵決策依舊由人類掌舵。唯有如此，才能確保技術落地真正轉化為業務價值。

從爛尾原因到啟動難題，再到AI自優化趨勢，企業若能實現技術、業務和決策層的協同，就能在新工作時代搶占先機。對于正在探索數字化轉型的企業而言，這不僅是一份直接可落地的實踐指南，也是未來AI應用的參考藍圖。