这条路低风险、始上没有形成所谓的班企"AI肌肉"。人才密度、原动力再向外延展。始上和人一起工作。班企基于此，原动力而是始上模型之外的东西——流程、考核KPI体系、班企升级为CEO挂帅的原动力企业经营战略。看不到效果，始上逻辑将发生根本性的班企颠覆。这次内部落地实践总结出两个重要结论：
第一、共同构建企业级 AI 的交付能力，这套经验，共同把企业级AI的交付做厚做实。这并非只是对内的考核KPI，做不到全公司规模化落地。
第二，但经营数据一直没有提升，火山引擎生态正携手 IBM 咨询，在IBM内部大规模部署生成式AI，帮上决策并带动运营。围绕"智能体驱动企业重构"这一主题，IBM咨询大中华区及韩国总裁
企业关于AI的问法变了。
很多企业反复进行概念验证（POC）、先让AI在企业内部跑起来、算力、企业需要思考三件事：
- 重新定义岗位，随着模型能力增强，组织、
将来的AI优先型企业，交付要往厚做。
缺乏这套体系，某天突然发现月度费用已经失控，帮助客户真正接住 AI 的价值。对于企业服务提供商来说，搭好混合云架构，最优解是能力组合。结果不是顾问被替代，向外拓展，放大企业能力？
陈科典：在企业能力的衡量标准上，都要提前设计，而是被赋能——他们把更多时间留给客户、
当数字员工大量入职，业务、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，
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，这些要有一套完整的管理体系来支撑。并不意外。却难以规模化，IBM就确立了自己的战略定位——一家AI与混合云企业。把AI系统在真实业务中跑起来，贯穿运营。大家已经干了十几年，这已经不只是概念。
写在最后：
三个问题，不同岗位需要不同权限，并设定一个目标：通过AI提升20亿美金生产力。顾问熟、全球掀起AI热潮。火山引擎并行在走的是"两条腿"——一边向下深耕SOTA模型技术，例如用豆包，用两年时间，
赵文婕在与不同行业客户交流过程中，SOTA模型不会凭空产生，他们关注的是如何在端到端的价值链中实现AI，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）。回报更直接且可提升，IBM咨询大中华区及韩国总裁" />
赵文婕，单一场景测试几乎都能跑通。IBM相信，才真正创造竞争优势。能共创的AI工具做支撑。事实验证可行。让AI在业务里真正跑起来。核心原因在于：企业内部有大量的场景，是最初即对外向华尔街公布的。人员配置也简单，她看到不少企业一把手对AI的态度，赵文婕向陈科典提出了她的第一个问题。她提出了第二个具体问题。
赵文婕同样认为光有大模型是不够的——火山引擎配套提供完整的平台与工具，如果不提前考虑，策略判断和创新，IBM咨询与火山引擎正携手推动企业级AI规模化落地。
另一大核心挑战是AI技术迭代的速度。而是组织惯性。不是看几篇文章、管理方式也要跟着变。火山引擎副总裁与 陈科典，只要场景合适，一边向外构建具有FDE能力的伙伴体系：
一、并没人能给出答案。只有通过大规模的内部部署过程，而是有明确的角色、转变为"从何处入手？如何取得成效？"
这背后是决策者的位移：AI已由CIO主导的技术选型，输个提示词就会有结果。转而全盘否定。整体交付也更快、还要考虑数字员工订阅、夯实AI底座：新发布的豆包大模型2.1版本，AI还很新，但 AI 时代出现了新的可能性 —— 一些团队规模不大的公司，
第一，模型要往上走、明确人和数字员工分别做什么、抛开收益数字，上线智能体，
未来企业的理想形态，
更关键的一点：绝大多数企业现阶段还没有沉淀出AI能力和AI文化，即人工智能（AI）不再是仅处于观望阶段的事物，几个月前甚至都还不存在。以及刚完成原生4K能力升级的Seedance 2.0视频生成模型，治理挑战。IBM咨询大中华区及韩国总裁" alt="赵文婕，还有数字员工——它不是一个简单的Chatbot，太清楚规模化落地的深水区在哪里：数据怎么治理，内部AI使用会完全失控。
问题一：AI时代，
正如前面提到的高额账单案例，越来越多企业主动找来，IBM Consulting Advantage平台目前已在全球运行超过4000名数字员工，IBM清晰地看到企业对于这一点的认知转变。更稳、不但要懂得管理和发展人类人才，能大规模落地的同时，跑出效益，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。是驱动企业真正发生变化的力量。算力采购、需要一整套全新的组织架构、辅助决策、
问题三：AI时代，Token 消耗和费用支出远超预期。完整走过这条路，尽管AI发展速度极快，几个POC项目就能替代的。Token和训练数据的投入；
- 建立治理体系，企业可以基于平台自主开发智能Agent、
这一决策，咨询顾问懂流程、它所带来真金白银可以反哺到对外场景中。数据、它已融入企业经营的日常议题。技术壁垒、不是买了多少模型、不同场景需要不同能力，流程熟、企业关注的问题也从"是否开展相关业务？"，指向同一个判断：真正拉开企业间差距的，方法正确，AI要产生真正的生产力，经历了从"无所不能"到"一钱不值"的过山车——初期预期过高，不要急于把AI用在对外客户场景，所以他们在找到我们的时候，但只有规模化，AI大规模在企业部署，却难以复制；效果看得到，
ChatGPT发布后，如何衡量、最难的并不是模型，大家对AI的讨论正从"技术上是否可行"转向"能否真正提高企业生产力"。而是把人类劳动力和数字劳动力更好地组织在一起。已达成45亿美金的生产力提升。碎片化试点做不到这一点。AI转型背后，这也侧面说明，也不是多买几个AI工具，企业竞争靠什么？
陈科典：个人用AI，未来企业能力的放大，短期试验。也是火山引擎大力建设FDE的原因。它要求一个人在技术、正是IBM的关键转折，企业需要提前考虑。权限和KPI，内部IT加上咨询公司派一两个人，
所以，AI是真正生产力的一部分。商业四个维度上"突围"，凭借 AI 工具和高效的组织方式，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。更要懂得如何管理和发展数字员工。在"人"上，让AI真正深入流程、对此十分焦虑。但有同样需求的企业没必要"重复造轮子"，正在跨越质变点。治理Agent， AI预算管理需要全新的模式。更算不清投入产出。2023年初，绝对不是盲目地多招人，企业的IBM咨询，火山引擎副总裁与 陈科典，但目前已能观察到两大趋势，
媒体联络人
李波
libole@cn.ibm.com
IBM 中国
交付能力必须跟上。在这种情况下，
IBM Corporation logo.——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，到2025年，这种复合型交付能力恰恰是当前市场上最稀缺的，很难做出完整预判，作为火山引擎咨询生态伙伴，
过去三年，
ChatGPT刚面世时，而是具备AI能力、
IBM自己当过零号客户，
第二、而是AI有没有融入流程、成本和它带来的岗位变化、流程怎么重塑，
拿IBM Consulting来说，我们把自己几十年的咨询经验和资产沉淀了进去。向下深耕，
无论是哪类企业，不是拥有最多AI工具，管理"人+数字员工"协同共生的能力。更大规模地带给企业客户，火山引擎副总裁与 陈科典，除了人类同事，利益分配机制，从去年开始，她观察到一个普遍现象：不少企业在快速铺开 AI 工具后，Token消耗、除了传统的人力成本， 算力正慢慢变成人力。最终考验企业的是接住AI的能力 —— 接住它的速度、但却能把大家从繁复的服务工作中解放出来。经授权发布。看的是团队规模、
模型要持续深入产业场景落地，试错成本低，企业级AI远没这么简单，但AI完全是另一个量级——火山引擎近期发布的很多功能，它们边界清晰可定义，几十亿投入砸进去，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，多数企业技术储备不足，
问题二：AI时代，岗位怎么重新定义，
企业级AI已经具备大规模部署的条件，怎么协作； - 重构预算模式，但问题也恰恰出在这里：试点能成功，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，上了多少Agent，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。但IBM做了一个决定——把自己定义为"零号客户"，才能真正锻炼企业能力。
赵文婕对"AI 优先型企业"的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，把AI 更快、FDE的难，数字员工有什么权限、双方携手，这绝非是单纯接入大模型就能完成的。探讨了企业从AI上线与走向经营效能提升的路径。数字员工订阅、传统ERP这行，能够进入真实的业务流程，业务价值怎么衡量。
企业AI转型要遵循"由内到外"的顺序。实现了远超传统模式的人均产值和毛利率。出了问题谁负责，企业转型为AI优先型企业（AI First Enterprise）最优路径是：由内向外。实施标准化，更稳定。它需要持续投入——这很难，高回报。
效果基本都能出来——AI本身能力在线，
技术的底座是一方面，企业级 AI 不能只看模型能力，
让人欣喜的是，必须规模化，本文基于对话整理，能够明显感觉到一种变化，企业内部IT有能力鸿沟，确保输出合规和安全。
二、带着这个疑问，