AI落地實踐連載③｜掌握底層邏輯，尋找AI落地場景并不難
在人工智能加速向千行百業(yè)滲透的當(dāng)下，為助力企業(yè)持續(xù)將AI技術(shù)轉(zhuǎn)化為實際生產(chǎn)力，我們在公眾號開啟「AI 落地實踐」系列連載，持續(xù)分享6月6日「智見新局?AI—— 人工智能 ToB 場景落地研討會」上各企業(yè)代表在不同業(yè)務(wù)領(lǐng)域的高價值A(chǔ)I落地場景。
本期聚焦金現(xiàn)代董事長黎峰的演講，解碼AI應(yīng)用的底層邏輯，探索如何尋找AI落地場景。
以下為演講精華實錄：
信息系統(tǒng)老在“體外循環(huán)”
很多領(lǐng)導(dǎo)都跟我感慨，說尋找落地場景特別難，但其實沒有想象中那么難。
我們先來看看信息化系統(tǒng)。我們搞了 30 年信息化，信息化系統(tǒng)實際是干什么呢？
拿電廠缺陷管理來說，系統(tǒng)框架從隱患發(fā)現(xiàn)、缺陷分析、缺陷處理都有部署，但現(xiàn)實是人們經(jīng)常得脫離系統(tǒng)人工處理，再把結(jié)果錄入到系統(tǒng)里。這說明什么？系統(tǒng)只干著存儲、傳遞、展示這些基礎(chǔ)活，只是在輔助人工做決策，我們把這個東西叫作“體外循環(huán)”。
我經(jīng)常跟團隊說：開發(fā)一個系統(tǒng)10萬就能做，但是100萬未必能做得完美。就像我給學(xué)生上課舉的例子：5萬塊能做圖書館管理系統(tǒng)嗎，可以！想做個圖書采購決策功能，其實只需要把采購委員會的說明書錄進去，做成表單。
這就是信息系統(tǒng)的關(guān)鍵問題 ——總是在體外循環(huán)，很多環(huán)節(jié)還得在系統(tǒng)外人工處理。
比如缺陷分析階段，系統(tǒng)可能設(shè)了下拉框選缺陷等級和分類，但實際選擇還得靠經(jīng)驗：新來的大學(xué)生干不了，往往需要三年以上的專責(zé)工程師。到了缺陷處理環(huán)節(jié)，寫消缺方案很難，但寫好了之后把它錄入系統(tǒng)其實很簡單。這就是為什么大家反感信息化：系統(tǒng)沒解決實際問題，我們只是在系統(tǒng)里邊做 “增刪改查”。
AI落地的底層邏輯
那么，到了 AI 時代，怎么找落地場景？怎么真正理解信息化和智能化的區(qū)別？
智能化系統(tǒng)能干什么？拿缺陷分析來說，巡檢出隱患分析大模型后，能自動化完成分析，不用依賴人的經(jīng)驗 —— 這就是一個落地場景。
再看處理方案撰寫，這比分類更難：是馬上檢修、暫緩檢修還是停機檢修？以前判斷全靠經(jīng)驗。雖然我跑過很多電廠，在電廠干過很多年，但是寫消缺方案還是覺得費勁，但如果我們用歷史數(shù)據(jù)訓(xùn)練模型，就能快速生成方案，不再依賴有經(jīng)驗的老師傅。
我們總說智能填寫、智能寫作，這些不該只停留在流程管理，工業(yè)和生產(chǎn)管理更需要。因為我們從80年代末開始找信息系統(tǒng)，30多年信息化積累的海量數(shù)據(jù)，足夠支撐模型訓(xùn)練。
所以，找落地場景的邏輯很簡單，用一句話總結(jié)，就是：找到系統(tǒng)里還得人工處理的節(jié)點，想想能不能用 AI去完成。
具體可以聚焦兩類場景：
一類是看似簡單但高頻、耗時的工作；
另一類是復(fù)雜、依賴知識、經(jīng)驗的工作。這不僅解決了知識傳承的問題（比如老師傅退休后人才培養(yǎng)周期長），還能通過數(shù)據(jù)積累讓系統(tǒng)越用越聰明。
我們服務(wù)的某省電力公司，他們的配電網(wǎng)信息系統(tǒng)建了很多年，覆蓋問題分類、工程造價、審批、結(jié)算驗收等全流程，整個系統(tǒng)看起來非常完備，但依然有上百個 “體外循環(huán)” 的節(jié)點。他們從中挑出經(jīng)濟價值高、可行性強的節(jié)點，用大模型實現(xiàn)了自動化處理。這是在電力行業(yè)的實踐，其實在各行各業(yè)都適用。
雖然現(xiàn)在很多模型都是針對具體問題的局部模型。但Agent 技術(shù)來了以后，基于 MCP(Model Connection Protocol）標(biāo)準(zhǔn)，這些模型可以像插件一樣集成到傳統(tǒng)業(yè)務(wù)系統(tǒng)里，或者用 Agent 串聯(lián)起來解決問題。所以不用怕場景零散，只要按 MCP標(biāo)準(zhǔn)建設(shè)，把模型封裝成智能體或 API，就能被業(yè)務(wù)系統(tǒng)調(diào)用。
說到AI應(yīng)用，很多人先想到問答窗口，但真正的價值在于把 AI封裝成服務(wù)：和業(yè)務(wù)系統(tǒng)交互、按 MCP 標(biāo)準(zhǔn)被 Agent 流程調(diào)用 —— 真正能被 To B 領(lǐng)域的應(yīng)用，而不是只用在To C 的娛樂場景。
關(guān)于AI的兩點思考
最后分享兩點思考。
第一，AI 時代的價值重構(gòu)。當(dāng)某一環(huán)節(jié)成本大降，它的價值就會弱化，產(chǎn)業(yè)鏈重心會轉(zhuǎn)移。比如視頻一鍵生成技術(shù)出現(xiàn)后，制作成本降了，劇本和原創(chuàng)內(nèi)容就更值錢；工業(yè)制造里，制造成本降了，價值就向品牌和設(shè)計轉(zhuǎn)移。同理，當(dāng)編程成本降了，價值會向創(chuàng)新和設(shè)計傾斜。這時候我們應(yīng)該思考的是，AI帶來了大量價值的轉(zhuǎn)移，我們該如何去轉(zhuǎn)型？
第二， AI的確在替代人、替代知識和經(jīng)驗。工業(yè)革命替代了同質(zhì)化的體力勞動，AI 時代正在替代處理信息的白領(lǐng)。從信息化到智能化，當(dāng)白領(lǐng)工作成本降低，價值必然轉(zhuǎn)移 —— 這會導(dǎo)致產(chǎn)業(yè)興衰和價值鏈重構(gòu)。那么下一輪價值可能轉(zhuǎn)向哪里？可能是原材料（比如礦石）、能源（比如核聚變），或者情感領(lǐng)域…… 就像從說書、評戲到話劇、電影，再到COSPLAY再到劇本殺的演變，舊產(chǎn)業(yè)消亡，新產(chǎn)業(yè)崛起。
所以回到最初的話題，尋找 AI 落地場景，既要盯著當(dāng)前價值鏈的降本增效（比如煉鋼燒結(jié)、鍋爐尾氣氮化物預(yù)測），也要預(yù)測價值鏈重構(gòu)后的新重心，提前布局高價值環(huán)節(jié)。這是我對 AI 的一點思考，供大家參考。