【导读】2026年7月19日，在2026 WAIC央国企数智化转型论坛上，爱分析首席分析师张扬受邀做了题为《从应用领航到数字员工的范式转轨》的主题分享。本次论坛由科大讯飞主办，中国电力建设集团首席信息官吴张建、国家管网集团数字化部总监骆科东、国元证券人工智能团队负责人于申等央国企代表同场出席，就AI时代央国企数智化转型规划与实践，进行了分享与讨论。
张扬在分享中指出，过去两年，央国企的AI落地基本上走完了从观望到行动的阶段，56%的企业已经进入试点，场景也在从通用办公向核心业务迁移。但更关键的问题是：这一切做完之后，到底创造了多少价值？
根据爱分析调研显示，78%的央国企仍然把降本增效作为AI的首要目标，而国资委要求的价值创造，显然不只是降本。
张扬判断，央国企AI正在经历一次范式转轨，从建应用到养数字员工。建应用是以项目为单元、交付即终点、逐年折旧；养数字员工是以能力为单元、持续运营、按产出衡量。这是两套完全不同的组织能力和预算逻辑。
以下为张扬的分享实录。
01、56%已试点，但78%的目标只是降本增效
先看政策。国资委对央企有四大考核维度，价值创造、战略落实、科技创新、风险合规。最核心的是价值创造。过去大家理解的价值创造，是净利润、经济增加值这些指标。现在越来越看重新的东西，战略层面的价值、科技带来的自主创新价值。
再看AI专项行动的五大目标：应用领航、模型跃升、数据脉动、智算筑基、开源创新。排第一的是应用领航。这不是排序问题，是一脉相承，正因为考核的核心是价值创造，所以AI落地的重心必须是能直接贡献业务产出的应用。
那么，现在央国企做到什么程度了？我们每年年初调研上百家企业，把落地阶段分为四个：观望学习、探索可研、试点速赢、全面推广。2025年，超过半数还停在探索可研阶段，在跑POC、做技术验证。到2026年，56%已经进入试点速赢，一年一个台阶，速度够快。
场景也明显在从通用办公向核心业务迁移，生产管理成了AI投入最密集的领域。
但深度呢？我们问了两个问题。第一，你做AI的首要目标是什么？78%回答降本增效。降本增效本身没错，但它距离价值创造还有本质差距。降本增效是把现有的事做得更快更省，价值创造是做出原来做不了的事，比如提升业务的竞争力、把原有业务往上拔高一层。
第二，你做了哪些场景？绝大多数仍然是在做预警，安全预警、供应链风险识别预警、经营分析发现问题。这些都是在看见问题。但真正解决问题，比如识别出供应链风险之后，能不能联动调排产、调整供应商备选方案、改变库存结构，这一步还没做到。
看见问题是有价值的，但只有走到解决问题，闭环才完成。这就是从建应用到养数字员工的本质区别，建应用解决的是看见问题，养数字员工才能解决问题。
02、失败原因第一永远是数据质量，但根因是缺行动层
我们调研的央国企AI项目成功率在70%左右，约三分之二能达到预期。但失败的原因，跟三年前相比没什么变化：第一永远是数据与知识质量。这个痛点跟有没有大模型基本没关系，央国企长期以来普遍认为自己的数据基础不够好。
第二是缺乏项目所需的人才和技能。不管是甲方一线的工程师，还是厂商提供的实施团队，懂业务又懂AI的复合型人才始终稀缺。
但这两个归因还不够深。更深层的问题是：绝大多数AI应用，从架构上就没有进入业务执行环节。
我们把企业AI能力分成三层，从看见问题、到认知问题再到行动解决问题。当前几乎所有的项目都只覆盖了看见和认知问题，行动层是空的。大模型有概率幻觉，央国企场景要求零容错，这两者之间有天然冲突。但冲突的根源不在于模型不够准，而在于没有一个行动层，让AI知道业务对象是什么、权限边界在哪里、执行之后谁来负责。
央国企下一步需要解决三个问题：数据质量、复合人才、行动层。这三个问题，数字员工这个解法能同时覆盖。
03、一个工厂，十个工长，十种经验，怎么沉淀成一套系统
行动层怎么建？核心在本体。
本体这个词听着学术，用案例来说就很容易理解。央国企大多有生产产线，一线生产是最贴近核心业务的场景，但恰恰是AI最难渗透的地方。以高炉温控或者配料控制为例，过去为什么难？
过去走的是建模路线，需要理解业务机理、建模型。但这套路线在生产现场有两个死结。第一，数据不足。很多工艺环节无法获取数据，想建模没素材。第二，真正掌控这些环节的人是工长，他的知识全部是隐性的。他看到设备状态，凭多年积累的经验做判断。十个工长有十种操作习惯，效果千差万别，谁对谁错很难说清。
本体的方式不是建一个通用模型去替代所有工长。而是让每个工长都积累自己的操作记录，每天怎么调参数、设备数据怎么变化、最终结果怎么样，这些东西被系统地留存下来。当十个工长的经验都沉淀在系统里，面对同样的炉温波动，系统能给出多个方案版本，告诉你不同方案可能的结果。工长还是最终决策者，但他的决策来源不再只依赖自己一个人的经验壁垒。
这就是渐进式本体的核心逻辑：从一个最高价值的场景扎进去，先让AI理解业务对象，再理清对象之间的关系，然后逐步扩大执行权限。跑通一个点，再横向复制。不是先建一个全企业级的大平台再去找场景，那又回到建应用的老路上了。
04、组织变革不是从上往下推，是先把任务拆出来
本体是核心，数据和知识治理是底座。这个治理体系的核心变化是分工更明确了：集团统一建行业级和专业级的语料，二三级应用单位建场景级的知识。因为越是贴近业务一线的核心信息，集团越难统一。能统一的，是行业层和专业层。
但有一个变化是根本性的，也是最容易被低估的，组织怎么变。
过去央国企做组织变革，一定是自上而下：战略定目标，目标改业务流程，流程调岗位设计，岗位配人员。这是科层制的标准动作。但养数字员工这件事，走不了这条路。你没法自上而下规划一个数字员工的成长路径，它是从最底层的具体任务里长出来的。
我们提出一套四层模型，从下往上走。
第一层是任务。这是最原始的颗粒度。一个工长每天做的，不是管理生产这个抽象概念，而是控制炉温、调整配料比、判断设备异常，这些具体到不能再具体的工作单元，才是数字员工最好的切入点。选什么任务？两个标准：知识密集型、高重复性。
第二层是岗位。当具体任务被数字员工接手，人类员工做什么？答案是角色变了，从操作者变成数字员工的创建者和编排者。而且核心的一点是，不能让数字员工成为单一物种。一个厂有十个工长，就养十个工长的数字员工。业务环境变了，可能四个不好用了，还有六个。多样性本身就是抗风险能力。
第三层团队、第四层组织还在探索期。未来一个人类员工带着若干数字员工组队，硅基和碳基的配比会成为一个新话题。再往后，组织可能从固定部门变成以任务为中心的液态结构。但当下最值得投入的，是第一层和第二层，把知识密集型、高重复性的核心任务找出来，用数字员工跑通闭环。
05、数字员工的预算，不该只放在IT预算里
最后，我们来聊聊企业最现实的问题：数字员工招进来了，怎么管理？怎么考核？钱怎么算？
最后说预算。这个问题被严重低估了。
先看数字。国资委数据：央企十四五期间数字化投入累计1.6万亿，十五五预期2万亿以上。分摊下来，仅央企层面每年就有四五千亿的数字化预算。我们调研显示，AI预算占其中的20%到30%。保守估算，每年仅央企在AI上的投入在1500亿左右。
钱不是问题。问题是花法。
过去建应用，是典型的资产买断逻辑——立项、招标、一次性建设、验收之后逐年折旧。这是IT预算。但数字员工不是一次性资产。它每天都在跑、每天都在消耗算力、每天都在产出。它是一个持续运营的生产力单元。
养数字员工，预算逻辑应该从资产买断转向持续运营。计费单位会变成Token，日常运行消耗的、能力迭代消耗的、专家知识更新消耗的，都需要持续投入。哪个业务部门消耗的Token多、产生的业务价值大，成本就归集到哪个部门，谁使用、谁承担、谁受益。这不是简单的财务技术调整，而是一种治理变革。
回到开场那句话：应用领航最大的变化，就是范式从建应用变成了养数字员工。过去以项目为单元、交付即终点。未来以能力为单元，每个岗位都能拆出可数字化、可沉淀、可复用的能力资产。这是两套完全不同的组织能力和预算逻辑。
