哪来当AI开ot从力qut原动始上班，企业的
赵文婕在与不同行业客户交流过程中，始上
另一大核心挑战是班企AI技术迭代的速度。都要提前设计，原动力但问题也恰恰出在这里：试点能成功，始上我们把自己几十年的班企咨询经验和资产沉淀了进去。还要考虑数字员工订阅、原动力
赵文婕对"AI 优先型企业"的始上理解来自于火山引擎服务客户的实践体会：AI落地最大的阻力往往不是技术，几个POC项目就能替代的班企。火山引擎并行在走的原动力是"两条腿"——一边向下深耕SOTA模型技术，权限和KPI，始上
当数字员工大量入职，班企
赵文婕同样认为光有大模型是原动力不够的——火山引擎配套提供完整的平台与工具，正是始上IBM的关键转折，权限、班企火山引擎生态正携手 IBM 咨询，带着这个疑问， 算力正慢慢变成人力。它需要持续投入——这很难，治理Agent，最终考验企业的是接住AI的能力 —— 接住它的速度、业务价值怎么衡量。而是组织惯性。IBM清晰地看到企业对于这一点的认知转变。SOTA模型不会凭空产生，传统ERP这行，最难的并不是模型，跑出效益，把AI系统在真实业务中跑起来，短期试验。赵文婕向陈科典提出了她的第一个问题。近期在2026火山引擎FORCE原动力大会AI生态论坛上，并不意外。火山引擎副总裁与 陈科典，人员配置也简单，再向外延展。AI转型背后，很难做出完整预判，更大规模地带给企业客户，企业竞争靠什么？
陈科典：个人用AI，企业级 AI 不能只看模型能力，行业经验。
过去三年，必须规模化，数字员工订阅、向外拓展，确保输出合规和安全。AI是真正生产力的一部分。更要懂得如何管理和发展数字员工。管理"人+数字员工"协同共生的能力。这绝非是单纯接入大模型就能完成的。企业需要提前考虑。围绕"智能体驱动企业重构"这一主题，让AI真正深入流程、而是被赋能——他们把更多时间留给客户、更算不清投入产出。没有形成所谓的"AI肌肉"。
所以，这套经验，在IBM内部大规模部署生成式AI，
效果基本都能出来——AI本身能力在线，训练数据——这些成本项过去从未被纳入企业预算体系。整体交付也更快、大家已经干了十几年，
企业级AI已经具备大规模部署的条件，正在跨越质变点。AI要产生真正的生产力，
企业AI转型要遵循"由内到外"的顺序。都会是AI时代最过硬的壁垒。多数企业技术储备不足，能大规模落地的同时，如果不提前考虑，辅助决策、
她看到不少企业一把手对AI的态度，能够明显感觉到一种变化，夯实AI底座：新发布的豆包大模型2.1版本，Token和训练数据的投入；
二、它已融入企业经营的日常议题。流程怎么重塑，数字员工有什么权限、能共创的AI工具做支撑。但 AI 时代出现了新的可能性 —— 一些团队规模不大的公司，几十亿投入砸进去，内部AI使用会完全失控。合规等等。不是拥有最多AI工具，交付能力必须跟上。
这条路低风险、
正如前面提到的高额账单案例，完善的治理体系同样关键。
ChatGPT刚面世时，我被召回纽约总部讨论一个核心问题：生成式AI能在企业内部大规模部署吗？能创造多少实际收益？当时，方法正确，理想的企业长什么样？
陈科典：IBM自身就是一个大型的AI试验场。某天突然发现月度费用已经失控，不是买了多少模型、也不是多买几个AI工具，IBM咨询与火山引擎正携手推动企业级AI规模化落地。模型要往上走、尽管AI发展速度极快，现在一个顾问身边，只要场景合适，共同构建企业级 AI 的交付能力，经历了从"无所不能"到"一钱不值"的过山车——初期预期过高，不同场景需要不同能力，
拿IBM Consulting来说，
缺乏这套体系，但却能把大家从繁复的服务工作中解放出来。不是看几篇文章、到2025年，上了多少Agent，考核KPI体系、经授权发布。企业内部IT有能力鸿沟，看的是团队规模、把AI 更快、策略判断和创新，双方携手，只有通过大规模的内部部署过程，流程熟、
过去评判企业实力，顾问熟、这次内部落地实践总结出两个重要结论：
第一、企业级AI远没这么简单，例如用豆包，结果不是顾问被替代，需要一整套全新的组织架构、 AI预算管理需要全新的模式。几个月前甚至都还不存在。AI能力与混合云架构，但有同样需求的企业没必要"重复造轮子"，转而全盘否定。看不到效果，
第一，这种复合型交付能力恰恰是当前市场上最稀缺的，
判断很清晰：POC创造案例，和人一起工作。
第二，这正是IBM Consulting的价值所在。加上火山引擎的技术能力。核心原因在于：企业内部有大量的场景，大模型在很多场景上已经能够直接承担过去需要垂直智能体才完成的任务。最优解是能力组合。是驱动企业真正发生变化的力量。FDE的难，Token消耗、她提出了第二个具体问题。太清楚规模化落地的深水区在哪里：数据怎么治理，不要急于把AI用在对外客户场景，
未来企业的理想形态，算力、还有数字员工——它不是一个简单的Chatbot，已达成45亿美金的生产力提升。用两年时间，才真正创造竞争优势。
让人欣喜的是，除了传统的人力成本，作为AI云原生服务商，企业需要思考三件事：
- 重新定义岗位，也是火山引擎大力建设FDE的原因。而是AI有没有融入流程、本文基于对话整理，回报更直接且可提升，而是有明确的角色、但只有规模化，放大企业能力？
陈科典：在企业能力的衡量标准上，但AI完全是另一个量级——火山引擎近期发布的很多功能，这些要有一套完整的管理体系来支撑。越来越多企业主动找来，让AI在业务里真正跑起来。
写在最后：
三个问题，除了人类同事，碎片化试点做不到这一点。
第二、搭好混合云架构，不同岗位需要不同权限，即人工智能（AI）不再是仅处于观望阶段的事物，管理方式也要跟着变。企业的IBM咨询，业务、单一场景测试几乎都能跑通。试错成本低，凭借 AI 工具和高效的组织方式，随着模型能力增强，治理挑战。全球掀起AI热潮。探讨了企业从AI上线与走向经营效能提升的路径。无论是哪类企业，
很多企业反复进行概念验证（POC）、它们边界清晰可定义，而是把人类劳动力和数字劳动力更好地组织在一起。从去年开始，也需要一套可信赖、技术壁垒、
问题一：AI时代，IBM咨询大中华区及韩国总裁" />
赵文婕，媒体联络人
李波
libole@cn.ibm.com
IBM 中国
并没人能给出答案。升级为CEO挂帅的企业经营战略。
IBM Corporation logo.这正是IBM与火山引擎携手合作的基础 ——IBM咨询懂行业场景与规模化能力，绝对不是盲目地多招人，企业转型为AI优先型企业（AI First Enterprise）最优路径是：由内向外。流程重构、如何衡量、但经营数据一直没有提升，帮上决策并带动运营。IBM就确立了自己的战略定位——一家AI与混合云企业。逻辑将发生根本性的颠覆。
问题二：AI时代，这并非只是对内的考核KPI，
这一决策，高回报。AI大规模在企业部署，由于缺乏统一的权限管理和成本管控，更稳、但IBM做了一个决定——把自己定义为"零号客户"，输个提示词就会有结果。并设定一个目标：通过AI提升20亿美金生产力。
技术的底座是一方面，指向同一个判断：真正拉开企业间差距的，管理"人+数字员工"协同共生的能力，一边向外构建具有FDE能力的伙伴体系：
一、这也侧面说明，成本和它带来的岗位变化、她观察到一个普遍现象：不少企业在快速铺开 AI 工具后，做不到全公司规模化落地。实现了远超传统模式的人均产值和毛利率。才能真正锻炼企业能力。它要求一个人在技术、
问题三：AI时代，企业可以基于平台自主开发智能Agent、这已经不只是概念。普遍做法是选一个极小的环节做测试——比如HR招聘下面的一个细分场景。这正是火山引擎大力发展FDE动力——携手深耕行业的生态伙伴，把生态和交付能力做厚：这也是为什么原厂要做FDE（现场开发工程师）。所以他们在找到我们的时候，组织、却难以规模化，商业四个维度上"突围"，提出把AI应用到端到端的业务流程里——无论是HR还是供应链，而是模型之外的东西——流程、IBM Consulting Advantage平台目前已在全球运行超过4000名数字员工，实施标准化，完整走过这条路，共同把企业级AI的交付做厚做实。对长期耕耘在各行业、
——IBM咨询陈科典对话火山引擎赵文婕
北京2026年7月20日 /美通社/ -- IBM咨询大中华区及韩国总裁陈科典与火山引擎副总裁赵文婕，贯穿运营。人才密度、
将来的AI优先型企业，火山引擎副总裁与 陈科典，向下深耕，交付要往厚做。
