跳到正文
原文
容诚 · 微信· RSM容诚·· 28 天前站内评分24

容诚AI观察 | 企业AI主权(三)企业AI落地,为什么总是差一步

导读

容诚「企业AI主权」系列第3篇认为,企业AI落地"差一步"问题不在模型,而在于业务与AI之间缺乏"翻译层";MIT研究显示95%的企业AI试点未产生可衡量的财务回报。2025年4月至2026年4月,全球Indeed平台FDE(前线部署工程师)岗位从643条飙升至5330条,同比增长729%。容诚依托近千人咨询团队,定位自身为最适承担"翻译层"角色的咨询团队。

正文

先看一个普遍现象:企业的AI试点几乎都成功——演示很惊艳,领导很满意;然后,就没有然后了。真正进生产流程、持续产生价值的,寥寥无几。MIT的研究把这种状况称为“生成式AI鸿沟”:95%的企业AI试点没有产生可衡量的财务回报。

本文是容诚「企业AI主权」系列第3篇,讨论企业AI落地最难的一段:企业的业务,怎么和AI深度结合。

差的一步在哪

落不了地,问题通常不在模型。MIT报告的结论很明确:失败更多不是模型质量问题,而是企业如何使用模型的问题——AI没有真正进入业务的工作流。业务与AI之间,缺一层“翻译”和“结合”的能力。

一

落地难,难在“结合”,不在“模型”

一个常见误解是:AI落不了地,是因为模型还不够聪明,等下一代模型出来就好了。

我们近距离观察下来,不是这么回事。今天主流模型的能力,处理企业里的大部分文档、分析、问答、流程任务已经够用。真正卡住的不是“AI会不会做”,而是三个更实际的问题:

企业里的问题该让AI做哪一段?

现有的业务系统和数据怎么接进去?

做出来的东西谁负责用好?

这三个问题,没有一个是模型厂商能替你回答的。模型的能力是通用的,企业的业务是具体的——把通用能力装进具体业务,这一步叫“深度结合”,它恰恰是整个链条里最缺供给的一环。

核心判断

模型强度和企业落地效果的相关性,正在快速减弱。同一个模型,有的企业用它做出了实实在在的成本节约,有的企业只做出了演示PPT。差别不在模型,在结合。

二

深度结合,缺的是“翻译层"

业务与AI的深度结合,需要一种复合型能力:既要听懂业务的语言,又要知道AI能做什么、怎么接。我们把它叫作“翻译层”——把业务问题翻译成AI任务,把AI能力翻译回业务结果。

具体来说,这层能力要回答的问题是:

| \_ | 业务侧——财务总监说的“利润归因分析”,拆成AI任务是什么样子?需要哪些数据、哪几个系统的接口? |

| --- | --- |

| \_ | 技术侧——模型的能力边界在哪里?这个场景用RAG检索够,还是要做Agent流程编排? |

| \_ | 交付侧——上线只是开始。谁来培训业务人员?效果怎么验收?经验怎么留下来? |

市场上懂AI的工程师不少,懂业务的骨干也不少,但能把两边接起来的人,非常少。这就是当下企业AI落地最核心的人才缺口。

三

市场在抢这种人:FDE一年涨729%

这个缺口有多大,市场正在用真金白银投票。

全球范围内,一个对应“翻译层”能力的岗位正在爆发:FDE(Forward Deployed Engineer,前线部署工程师)。这个岗位最早由美国大数据公司Palantir创造——工程师不坐在公司写代码,而是被部署到客户现场,和业务人员一起找问题、把新技术真正用起来。

腾讯研究院2026年发布的《前线共创,双向赋能:FDE模式行业观察与实践》报告显示:2025年4月至2026年4月,全球招聘平台Indeed上的FDE岗位从643条飙升至5330条,同比增幅729%;海外FDE岗位平均薪资接近20万美元。从OpenAI、Anthropic到国内大厂,都在抢同一类人。

国内同样水涨船高:初级FDE月薪10—25K,中级AI交付工程师25—45K;大厂直接下场:

| 企业 | FDE 岗位薪资 |

| --- | --- |

| 字节跳动(豆包 AI 大模型 FDE) | 月薪 3.5—7 万元 · 15 薪(年薪上限约 105 万元) |

| 蚂蚁数科(B 端 FDE) | 月薪 4—6 万元 |

| 智谱华章(FDE 负责人) | 月薪 6—8 万元 |

| 阿里云(通义大模型 FDE) | 月薪 2—5.5 万元 |

产业端也在加速。腾讯与长安汽车组建了一支34人的联合FDE团队——长安从内部选拔24位业务骨干脱产两个月,腾讯派出10位专家驻场,围绕7大核心业务场景落地Agent,长安内部称之为“AI火箭班”。2025年底,上海创智学院联合相关机构开设首个FDE专题培训班,目标链接百家企业、打造千个智能体、带动万名开发者转型。

一个岗位一年涨七倍,说明的不是岗位本身,而是整个行业对“业务与AI结合能力”的饥渴。

四

结合为什么难:卡住的三个地方

岗位在涨,闭环未成。我们看下来,国内企业在“业务与AI深度结合”这一步,主要卡在三个地方:

| \_ | 缺“把业务翻译成AI”的人。能听懂财务总监讲利润归因,又能把这个问题拆成模型任务、工具调用和数据流的人,比纯粹的算法工程师稀缺得多。 |

| --- | --- |

| \_ | 缺“场景融合”的耐心。大厂模型强,但进不了企业的私有数据、核心系统;企业懂业务,但搭不起模型和工程。两边都缺对方那一半,最后只能各做各的演示。 |

| \_ | 缺“组织协同”的机制。AI落地从来不是技术项目,是组织项目:谁来定义场景、谁来出业务骨干、谁来验收价值、经验归个人还是归组织?没有机制,试点永远是试点。 |

五

做好结合,要四样兼备

合格的“翻译层”人才长什么样?国内外实践里有一个共识,我们总结成四个字:四样兼备。

| \_ | 懂技术——理解模型能力边界,会调用工具、编排流程,知道什么能做、什么做不到 |

| --- | --- |

| \_ | 懂业务——能听懂客户的业务语言,把财务、供应链、制造等场景里的问题翻译成AI任务 |

| \_ | 懂数据——知道业务数据在哪、怎么取、怎么治理,让AI真正吃到企业的数据 |

| \_ | 懂交付——能驻场、能培训、能陪跑,把“上线”做成“用好”,而不是做完项目留下一堆定制代码 |

谁离“结合”最近:容诚的位置

哪类团队最适合承担这个角色?我们的答案是:长期泡在客户业务现场的咨询团队。

“翻译层”的核心能力是四样兼备——懂技术、懂业务、懂数据、懂交付。有一类团队天生就在这个位置上:既懂企业的财务、内控与合规,又做得了系统实施的咨询团队。

他们熟悉企业的财务、供应链、人力资源系统,知道每一笔业务流程的数据从哪来、到哪去;他们见过几百家企业“系统上线”和“系统没用起来”之间的差别;他们本身就长期驻场在客户现场,跟业务人员说的是同一种语言。

这正是容诚的位置。容诚拥有覆盖内控、合规、战略、企业管理咨询到系统落地的完整咨询体系,一支近千人的咨询队伍——其中既有做了几十年ERP与SAP实施的系统咨询团队,也有大批长期服务上市公司、把财务和合规业务吃透的顾问。当别人还在讨论“FDE应该是什么样"的时候,这支队伍已经以“现场工程师”的方式,在客户的财务、业务系统旁边工作了多年。

企业AI落地拼的不是模型参数,是业务与AI结合的深度。谁离业务现场最近,谁就最接近答案。

容诚「企业AI主权」系列 ·全四篇

①

企业AI的分水岭:从员工使用,走向企业拥有——现状与判断

②

什么是“企业拥有AI”:主权AI的四个控制点——拥有的判断标准

③

企业AI落地,为什么总是差一步(本篇)——业务与AI的深度结合

④

容诚的答案:容大AI,让企业拥有自己的AI——方案与实践

若对企业AI应用相关话题有交流或合作需求,欢迎与容诚AI服务团队联系。

联系邮箱:terryzhang@rccpa.com.cn

容诚咨询 · 容大企业级AI AGENT基座

来源:容诚 · 微信 · mp.weixin.qq.com

审计热点 是聚合摘要和阅读索引,原文版权归各来源所有,引用请以官方原文为准。如果你是来源方,希望更正、下架或调整展示方式,可以通过反馈页联系我们。

来自微信公众号的内容,本站仅呈现摘要与原文链接,不转载文章全文;文章权利归属原作者及原公众号

关于使用条款隐私信源