金蝶李成冬：AI落地，痛点远比模型重要

金蝶中国助理总裁李成冬在2026宁波智博会金蝶AI专题活动上分享实体企业AI落地路径：AI落地痛点远比模型重要，企业要的不是堆砌技术而是解决真实痛点；拒绝锦上添花，场景落地才是最优解；跳出工具思维，关注企业上下文；拥抱AI新范式，快速试错，做种树者而非买果人。

2026-09-20

浏览量 10

金蝶李成冬：AI落地，痛点远比模型重要

在2026宁波智博会金蝶AI专题活动现场，金蝶中国助理总裁、市场推广与解决方案部总经理李成冬发表专题演讲，结合大量一线企业服务案例，分享实体企业 AI 数字化落地的务实路径。

本文根据演讲内容节选。

金蝶中国助理总裁李成冬在2026宁波智博会金蝶AI专题活动发表演讲

当下，我们的客户在用 AI，供应商也在用 AI，身处时代浪潮之下，企业很难置身事外。但是否用上 AI 就万事大吉了？走访众多企业之后，我推翻了很多固有的看法，也把这些思考分享给大家。

一、告别跟风内卷：AI 落地，痛点远比模型重要

现在很多声音都在告诉我们，AI 时代已经到来，仿佛企业不上 AI，就会被时代淘汰。但一个现实问题是：真正依靠 AI 实现产业链跃升、竞争力显著提升的企业，我们能找出多少？

大家热衷于谈论大模型、高参数，但如果把 60 个相当于博士生能力的 AI 摆在面前，我们没想清楚这些 AI 到底用来干什么，便只会给业务添乱。我们很容易陷入"提着锤子找钉子"的误区，比如看到合同智审、询比价、成本核算这些通用场景，就想着全部往企业里套，往往忽略了自身的业务现状。

企业要的不是堆砌技术，而是解决真实痛点。如果不清楚自身哪里痛，到处贴 AI"膏药"，不仅无法赋能企业，反而会把自己束缚住。模型再强大，最关键的还是找准要解决的业务场景。

二、拒绝锦上添花：场景落地，才是最优解

我接触过一家出口企业，管理层一开始直接告诉我，不要推 AI，能力越大风险越大。但最后，他们还是采购了 AI。这家企业出口份额在当地品类中占到 70%，海外客户发来的订单多是小语种，客户产品命名和企业内部物料名称还不一致。过去销售要翻译、人工比对，再录入订单，工作量巨大。我们没有给他们做一套大而全的 AI 系统，只聚焦一件事：AI 销售订单转化。截取海外订单，对接企业私有物料库自动比对，仅此一个场景，每位销售每天就能省下两个小时。

类似的案例还有很多。面对原材料价格剧烈波动的企业，核心诉求是做好动态报价逻辑；做农药的上市企业，关注点在于渠道客户资金、信誉、产品搭配的订单研判。这些企业没有追求遍地开花的 AI 应用，全部围绕订单这一核心痛点发力。

除了开源拿订单，节流控成本也是企业的核心诉求。不少企业结账困难、差旅补助重复报销，现金流紧张，这个时候，AI 的价值就在于挖掘数据，解决这些现实问题。

我一直认为，AI 不要做锦上添花的事。与其上来就做宏大完整的规划，不如迈出第一步，抓住一个痛点的场景动手。AI 不是坐在办公室空想出来的，是从企业真实痛点里跑出来的。

三、跳出工具思维：意图是业务的结果，过程是数据的编织

企业 AI 转型已经进入深水区，但场景的跑通，不等于自动拼成完整的组织能力。这里有一个很容易被忽略的词：企业上下文。

举个例子，做居间费管控，表面看是核查费用有没有异常报销，但老板的真实意图，是淘汰低居间费的低效项目，重点发展高盈利业务，拿不同大区的数据做管理对比。如果 AI 只盯着单据本身，读不懂背后经营意图，产出的结果就毫无意义。产销协同也是同理，如果各个智能体互相割裂，脱离研产供销服一体化的战略流程，AI 能力就无法真正统一。

这里存在四道边界，限制着企业 AI 进化的上限：第一是数据边界，真实业务有没有沉淀下有效数据；第二是智能边界，AI 能力是否匹配业务复杂程度；第三是工具边界，AI 工具真正被用起来；第四是进化边界，数据、场景能否迭代成长。

AI 就好比能力出众的博士生，但博士生要发挥价值，前提是要有配套的"工作站"，也就是企业的数据、业务语义与流程体系。比如，一个简单的紧急订单调整，背后可能要多次调用 ERP 的数据，AI 不只是取一个数字，而是对多份数据、业务意图做编排。

四、拥抱 AI 新范式：快速试错，做种树者而非买果人

传统软件时代讲究全盘规划，全部想清楚再开发上线。但 AI 时代试错成本已经大幅降低，思路要彻底改变。主干业务流程可以保持稳定，但大量临时、动态变化的业务需求，完全可以允许"日抛、月抛"式的智能体。不要为一个短期需求反复打磨定型，正确的做法是说出你的业务意图，拿出现有数据，先跑跑看，效果不好就调整、优化逻辑。

有一家客户的诉求是居间费分析，我们用灵基直接输入需求：统计居间费花销、各项目居间费金额、各大区居间费占比，一张面向管理层的看板很快就生成了。AI 时代最大的成本，不是开发，而是坐下来倾听真实业务诉求。

同时我们也要做好 AI 资产运营。AI 可以快速生成上百个智能体，但如果缺少运营，大量智能体会陷入低活跃。虚拟员工也要有上岗、监控、下岗的管理机制。

打一个比方：很多企业总想挑选、购买现成的 AI 能力，相当于挑选现成的苹果。但 AI 时代，企业要做的是种一棵树。根系是企业自有数据，养分是业务语义，向上生长的是企业经营意图。果子不会一次性全部成熟，哪个成熟就先摘哪个，后续随着数据积累再长出新果实。