金蝶安秋：AI的分水岭不在模型，而在AI原生工程

在日前举行的 2026 全球创见者大会·AI+技术平台论坛上，金蝶中国 AI 平台事业部总经理安秋在《筑牢 AI 原生工程，释放企业 AI 生产力》主题演讲中提出：企业级 AI 的价值评估正从“个人提效”转向“组织级业务成效”，而决定 AI 能否真正走进企业核心业务的分水岭，不在模型，而在AI 原生工程。

以下为分享实录，有删减。

金蝶中国 AI 平台事业部总经理安秋

一、从个人提效转向业务成效

企业面对一款新的 AI 原生产品，第一个问题永远是：它比过去的技术架构能带来什么？

个人层面的答案已经很清楚了：效率提升、价值可见，这些都能感受到。但企业级 AI 真正的变化不在这里——AI 要承担的不仅是一项技术价值的证明，企业的价值评估会从个人的提效，转向整个企业业务的成效；AI 会以企业为核心，在组织里的协同、协作、设计中体现业务成效和组织效率。

AI 承担的工作越多，价值评价越要从“个人提效”转向“组织级业务成效”。

二、企业级 AI，卡在三道门槛上

从覆盖、识别，到试点、验证，再到持续投入，最后到组织级规模化应用——AI 技术能不能在企业里面生根发芽，最关键的是能不能上生产、实现规模化应用。你做了大量试点项目，最后没有办法实现规模化，AI 在企业里面的价值就永远没办法用组织效率来衡量。这就是三道门槛：敏捷构建、可靠生产运行与规模运营。

以工程化支撑三道门槛，是企业 AI 最核心的方向。工程化最主要解决的，是模型的能力问题——让模型在企业需要、可控的方向上，以技术手段实现规模化放量，确保 AI 在结果产出之前，整个过程都是可执行、可控的，让我们敢用、放心地用。

什么是真正的 AI 工程？核心是整合开发和运营实践，支持 AI 从试点走向可以重复的生产部署。单点试点，不算完整的 AI 工程体系。所以 AI 原生工程才是企业在数字化转型中的分水岭，而不是模型。落地成功与否，更多不是缺了模型，而是少了工程化。

三、AI 原生工程五大实践

未来企业需要什么样的载体来实现工程化？我的答案是智能体操作系统：它支持场景各异的诉求，用一套共性的工程化机制把企业的智能体集群承载起来，以 Agent 的执行、运行、受控和管理为核心。落到工程实践上，分成 5 个方面：

一是数据与上下文

核心是让业务判断建立在企业的语境之上。贯通数据治理、业务本体与企业上下文，为 Agent 提供可信、可理解、可调用的业务依据，并持续沉淀可复用的企业经验。

二是 Agent 运行引擎

核心是 Harness 工程，支持复杂任务的拆解、执行、落地和受控执行。比如一个采购需求，引擎会启动四个智能体：政策问答、供应商推荐与排名、自主生成采购申请单、提交后持续跟踪。

三是开发与编排

很多场景靠开箱即用的通用产品没法满足，灵基提供了服务、智能体、skill 等开发和编排能力。开发模式也在变：原来更多是在单点上提升代码编写效率，现在可以由智能体团队自主执行任务，人只做统筹协调、结果验证与监督。

四是开放集成

MCP 是标准的 AI 企业级接口，灵基在已有记录系统上预制了覆盖二十多个领域的上千项 MCP 服务，从设计、构建、运行治理到退役是一条完整的生命周期。

五是安全管控与治理

从算力基础、数据、业务控制到身份校验做多层防护，并有覆盖开发、发布准入、授权、评估到退役的治理主线，让企业敢用、敢上生产、放心用。

未来，谁先把 Agent 变成可以运行、可以治理的资产，谁就能更好地保障企业生产力的释放。

四、工程化，是一项会复利的资产

金蝶就是灵基的零号客户。目前基于这套体系，我们已经构建了上千个自研技能，覆盖企业管理的方方面面，还有近百个在运行的智能体，数名数字员工已上岗。

讲两个真实场景。

一个是客户成功的技术支持岗位，三个月要承接上万条咨询和技术支持工作，还有近两千条线索。这些工作现在可以交给 AI 智能体自主运行，两名专员则转向更有价值的数字营销。商机自动审核率大幅提升，处理时间从十几个小时缩短到数小时；AI 辅助技术支持工单的平均效率，同比也有明显提升。AI 不止是效率提升，更是重塑业务方式。

另一个是灵基与客户 AI 联合共创（FDE）交付机制，推进智标书、合同智能审核、AI 检修员等 9 大智能体全面上线。灵基 Build 在缩短耗时、提升红线识别率、转变工作模式方面发挥了很大价值，让 AI 真正长在业务流程里，帮助企业提质增效，实现组织级规模化复用。

最后做一个回顾。为什么我们要筑牢 AI 原生工程？因为企业数字化转型中，AI 的核心分水岭不是模型，而是工程；AI 落地成功与否，更多的不是缺了模型，而是少了工程化。

你完全可能用上一代模型加上工程化引擎，在很多场景下胜过没有任何工程支撑的新一代模型。更关键的是资产复利：模型在更迭换代，但工程化一旦践行，企业上下文、企业级数据、Skill、Agent 和资产治理都会随模型升级持续增值，而不是贬值。

模型可以买，算力可以租，但沉淀在企业里的工程化能力，买不来，也租不到。它会随时间推移产生资产复利——这正是我们要筑牢企业 AI 工程、加速兑现企业 AI 生产力的原因。