尽管技术日趋成熟、应用日益普及，许多企业仍觉得人工智能难以规模化。
尽管去年据估计有1.5万亿美元投入人工智能，许多企业仍难以启动或扩大人工智能项目。
在达沃斯2026年年会上，一些处于人工智能应用前沿的企业探讨了如何将人工智能应用从试点扩展出去。
“当你要把新的工作者纳入员工队伍时，就需要重新思考团队如何协同完成相同的任务。”
在世界经济论坛2026年年会上，皇家飞利浦总裁兼首席执行官罗伊·雅各布斯（Roy Jakobs）说的这番话，并非是在讨论如何欢迎新成员加入工作团队——他是在解释如何将人工智能（AI）融入企业，以优化其对运营、员工和整个公司的影响。
在“人工智能规模化：艰难阶段刚刚开始” 专题讨论会上，雅各布斯谈到，要实现人工智能规模化，就需要重新构想当前的工作流程。他认为这是人工智能面临的最大挑战，因为这意味着要重新定义我们的工作方式。
但许多企业仍在努力摸索如何规划路径，达到这一阶段。尽管去年有1.5万亿美元投入人工智能，据Gartner称，麦肯锡对近2,000家企业开展的一项全球调查发现，近三分之二的企业尚未在全公司范围内扩大人工智能项目。企业希望加快人工智能应用，以充分释放这项技术的经济影响——但该怎么做？
在达沃斯2026年年会的多场备受关注的首席执行官会议上，人工智能规模化及其伴随的组织挑战成为议题。处于人工智能应用前沿的企业探讨了如何加大投入，并开辟路径，将人工智能规模化应用从早期成功拓展出去。据这些人工智能先行者介绍，要成功走出试点阶段，就意味着要制定新战略、培养新能力并设计新的组织架构。以下是他们应对人工智能规模化重大挑战的做法。
如何着手思考人工智能应用
许多企业的人工智能应用之旅从技术和数据起步，这并不令人意外。埃森哲董事长兼首席执行官朱莉·斯威特（Julie Sweet）表示：“人工智能促使企业认真审视自身的技术”，许多企业也在投资数据。“那些早早采取这些行动的企业，例如沙特阿美，或是麦当劳——它很早就建立了数据基础——在利用人工智能方面正遥遥领先。”
世界经济论坛人工智能产业转型社区成员也在利用人工智能，改变他们借助机构知识的方式——也就是一线员工和专家的专业知识与判断。这类信息往往以非结构化数据的形式被闲置，未能充分融入企业流程，宝贵的见解因此流失。
例如，设备制造商Allied Systems利用实时优化并融入操作员知识，使高产量生产线能够达到重要目标。借助人工智能，过去依赖员工直觉的流程如今变得可重复、可传授。
其他成员则利用人工智能发现传统分析无法识别的新信号。标普全球分析了192,000场财报电话会议，以识别将非结构化沟通数据与前瞻性财务洞察关联起来的模式。Claryo则通过“全球本地化”模式支持企业持续学习：既适应各站点独特的运营特性，也借鉴公司网络中的结构化信息。
谁在使用人工智能，又是如何使用的？
数据和技术当然很重要，但雅各布斯在达沃斯表示，一个实用的经验法则是：思考应用所花的时间至少应与思考技术开发一样多。换言之，要考虑组织各处的人们将如何在实际工作中使用人工智能。他说：“最终，成功与否要看应用情况。你需要从一开始就把应用纳入设计。这与技术的关系小得多，更多在于理解它实际服务的工作实践。”
Meta全球事务首席官乔尔·卡普兰（Joel Kaplan）表示，深入思考人工智能将如何改变组织的工作流程以及工作的性质非常重要，他在另一场会议上说。他补充说：“未来几年，每个组织都必须思考这个问题。会成功的组织，是那些现在就开始思考的组织。”
聚焦人工智能的用途和使用者，也能形成反馈并展现人工智能的切实效益。例如，JLL Technologies通过自动化需求收集、代码生成和测试，重新设计了产品开发生命周期。该公司表示，这使开发周期缩短了85%，资源需求减少了30%，让资深工程师能够专注于更复杂的任务。
谷歌开发人员将人工智能用作编程伙伴，用它生成30%的新代码，并协助代码审查、测试和迁移。据该公司称，这使工程效率估计提高了10%，让工程师能够处理其他优先事项。
SandboxAQ的人工智能联合研究员利用分层多智能体系统，将过去由专家处理的复杂科学工作流程自动化。该公司表示，这些科学家如今可以专注于战略和监督，使项目完成时间缩短50%，项目处理能力翻倍。雀巢普瑞纳也重新设计了工厂运营，采用波士顿动力公司的Spot机器人自动完成例行检查。该公司表示，在23处设施中，这一项目在一年内实现了全部投资回报。
如何安全地扩大人工智能应用
扩大人工智能应用的不只是企业，一些政府也在这么做。在一场关于人工智能监管的小组讨论中，阿联酋国务部长玛丽亚姆·宾特·艾哈迈德·哈马迪（Maryam bint Ahmed Al Hammadi）介绍了她的政府如何利用人工智能制定法规。但她警告说，人工智能应用的保障措施至关重要。对阿联酋而言，防护机制能够防止偏见，确保人工智能的结果可直接追溯至法律，并保护数据隐私、质量和一致性。
透明度和人类问责同样是重要原则。她说：“我们认为，在现阶段，人工智能可以提供建议，但仍由人来掌控。”
自我监管很重要，尤其是监管机构也难以跟上技术发展的速度。雅各布斯说：“我们需要制定自己的规则——如何测试、如何验证、采用何种严格程度、采取何种实践，以及如何考虑偏见。”
如何建立对人工智能的信任
以这种方式让人类参与其中，也有助于增进人们对人工智能的整体信任。这反过来可能鼓励人们进一步了解和使用这项技术。如果人和人工智能协同工作，各自都能发挥自身所长。人类可以提供判断、监督和创造力，并发现例外情况；人工智能则可以承担执行、优化、预测和模式综合工作。一些组织已经开始了这种转变。
我们的社区成员微软研究院使用具身人工智能系统，让系统通过与物理环境互动来学习，适应动态条件，并将感知转化为日常任务中的行动。印度IT公司HCL为服务人员提供实时洞察和感知情绪的指导，使员工能够专注于需要同理心和复杂推理能力的细致问题。
广告公司WPP使用人工智能赋能的操作系统整合创意和媒体工作流程，提升创意产能和生产力。投资公司Vista Equity Partners则运用人工智能即时解决大量客户咨询，在保持高满意度的同时减轻运营压力。
成功扩大人工智能应用意味着重新定义工作；但对企业技术开发领域的先行者来说，也意味着保有人情味——“由人主导，而非让人参与其中”，埃森哲的斯威特在达沃斯2026年年会上说。她补充说：“我们将激励人们，也将与人们共同经营企业，他们将拥有更广阔的技术图景。但我们需要彻底改变叙事，激励人们描绘未来。”
感谢以下团队的贡献：人工智能产业转型工作团队。另有娜塔莉·马钱特（Natalie Marchant）提供补充内容。
