— 当一半董事还看不到AI价值，另一半已经在问“你的数字员工呢”
上周二的董事会，老张被问住了。
不是被质疑营收，不是被追问成本，而是被一个新任独立董事——一家制造业上市公司前CIO——问了一个简单的问题：“我们的排产系统，现在还是人在排吗？”
老张是这家百亿级制造企业的副总裁，分管数字化和运营。他本能地回答“已经在推进AI排产试点”。那位董事点点头，追问了第二句：“试点多久了？什么时候进MES闭环？”
会议室安静了三秒。老张说：“还在论证。”
董事没有再追问。但老张看到，董事长把笔放下了。那个动作，比任何批评都重。
老张不是不努力的人。过去两年，他的团队做了三个AI项目：一个质检模型，识别率还行，但没接入产线系统，每天靠人导出数据再跑一遍；一个设备预测性维护模型，准确率不错，但报警还是发到工程师邮箱，没人盯着看；一个客服问答助手，回答得挺像样，但客服还是手动复制粘贴到工单系统。
三个项目都活着，但没有一个在“干活”。
这不是老张一个人的困境。IESE商学院2026年对24个国家130家公司的董事会调研显示，55%的董事认为AI尚未产生显著业务价值。而BCG对625位CEO和董事的调查更直接：61%的CEO认为董事会在催促AI转型，但近40%的CEO说，董事会根本不了解AI正在如何重塑增长战略。更扎心的是，75%的董事自认为AI知识不输同行，只有不到四成CEO认同这个自我评价。
他不敢说的痛点，你也正在经历
老张的困境有三层，每一层都比上一层更深。
第一层：AI在“表演”，不在“工作”。 质检模型识别得再准，没有写回MES就是一张图片。预测维护模型报得再早，没有自动生成工单就是一封邮件。AI项目的KPI如果只考核“准确率”而不考核“自动化闭环率”，那它就永远停留在Demo阶段。
Gartner 2026年4月发布的调研给出了一个刺眼的数据：在基础设施与运营领域，只有28%的AI应用场景能完全达成ROI，20%的项目彻底失败，57%的负责人至少经历过一次AI项目失败。Gartner研究总监Melanie Freeze直言，失败最常见的两个原因是“对AI能力抱有不切实际的期望”和“试点阶段的技能缺口”。还有一条被反复引用的MIT数据：95%的生成式AI试点项目未能产生可量化的财务回报。
但老张真正的问题不在数据里，在组织里。
第二层：业务部门不知道AI能干什么，IT部门不知道业务在痛什么。 老张的排产AI之所以停在“论证阶段”，不是技术不行，而是计划部不信任AI给的排产方案，生产部不愿意按AI的节奏切换产线。老张没有权限强迫任何一个部门改变工作流。AI建议和人的决策之间，隔着一道组织壁垒。
罗盛咨询2025年对全球约1500名高管的调研印证了这一点：58%的受访者指出组织内部相关技能缺失是阻碍AI战略落地的最大障碍，仅有约20%的高管认为其组织已具备推动AI转型所需的能力。问题不是没有人会用AI，而是没有人知道怎么让AI进入流程。
第三层：董事会问的是“战略”，但真正该问的是“谁的活被AI接了”。 老张的董事长不是不懂AI，他看过很多报告，听过很多路演。但董事会讨论AI的方式，往往停留在“我们的AI战略是什么”这个层面。正如一位观察者所说，成熟度低的董事会问的是“你的AI战略是什么”，而成熟度高的董事会问的是“哪个岗位的活已经被AI接走了”。
老张被问住的那一刻，不是因为答不上来，而是因为他突然意识到：董事会问的问题，暴露了整个组织对AI的认知还停在“要不要做”，而不是“谁在做、做什么、什么时候交付”。
他不敢想的答案：AI已经在别处“干活”了
老张在董事会上说“还在论证”的那个问题——AI排产进入闭环——在别的工厂里，已经有了完整的答案。
山东海化，一家盐化工企业，和浪潮数字企业合作打造了“零手动”智能工厂。他们把设备预测性维护、工艺优化、智能巡检三个智能体部署到产线上。结果是什么？氯气压缩机非计划停机次数从每年4次降到零次，维保成本从每年80万元降到20万元。电解槽工艺优化模型实现年度节电450万千瓦时，离子膜寿命从4年延长到5年。一期投资3200多万元，当年预计产生效益2300多万元。
这不是“AI建议”，这是AI在干活。智能体读传感器数据，自动判断设备状态，自主推送检修方案，人只负责审核和确认。
湖北三宁化工更极端。他们把工业AI大模型深度植入100万吨/年硫磺制酸装置，实现了无人值守。操作员的工作从“每天最高6000余次操作、日均1600余次”变成了“最低0次、日均10次以内”。操作频次下降了99%以上。装置精准调控提升产品质量稳定性，减少能耗浪费，每年增收约1700万元。操作员从“消防员”变成了“监督员”。
这就是老张不敢想的答案：AI不需要等“论证完成”才能干活。它已经在化工、钢铁、有色金属、能源等行业进入了闭环。
联想乐享企业超级智能体上线后累计创收18.9亿元，覆盖官网、门店、客服、供应链等20余个核心场景，日均处理超100万次交互请求，订单转化率提升30%。新网银行构建了10类数字员工和77个智能助手，覆盖客户触达、风险评估、内部办公等领域。中集集团孵化了维修助手、研发助手、会议纪要助手等50位“数字员工”，应用于超百项业务场景。
这些企业做的事情，本质上是同一件事：把AI从“问答工具”变成“流程角色”。 给它身份、权限、KPI和审计日志。让它像员工一样上班，像员工一样被考核，像员工一样交付结果。
给和老张一样被问住的你：三个可以明天就做的事
第一，把“AI准确率”从KPI里删掉，换成“AI闭环率”。 你不需要一个识别率99%但没人用的质检模型。你需要一个识别率85%但自动写回MES、自动触发返工工单、自动统计缺陷分布的质检智能体。闭环率才是AI的真实生产力。
第二，找一个流程，给它配一个“数字员工”。 不要从“哪个AI工具好用”开始。从“哪个岗位每天在重复跨系统操作”开始。让AI读数据、做判断、调API、发指令、盯结果。人设边界，AI跑流程。
第三，下次董事会之前，带一个“已经干活的AI”去。 不要带PPT，带一个已经在跑闭环的智能体。让董事长看到：排产从四小时变成十分钟，不是概念，是屏幕上正在发生的事情。
DXC的全球研究报告显示，77%的领导者表示AI是董事会级优先事项，但65%的企业无法为AI建立清晰的业务案例，94%的受访者在大规模部署AI时遇到重大挑战。这不是能力问题，是路径问题。大多数企业还在“用AI回答问题”，少数企业已经在“让AI接任务”。
老张上周被问住了。但被问住不是坏事。真正危险的是，下一次董事会，没有人再问他了。因为那时候，竞争对手的副总裁已经在汇报“我们的数字员工上线三个月，排产周期缩短了87%”，而老张的PPT，还停在“AI试点阶段性总结”。
窗口不会一直开着。别再让AI听你的了，让它替你干活。