上海市政府网站11月17日发布的会议消息显示,市政府常务会议原则同意深入推进“模塑申城”、加快智能经济发展的实施方案,提出支持芯片、模型、整机企业协同发展。政策信号之外,企业应用人工智能的实际起点,仍是找到一项边界清楚、能够检验效果的工作。
在生产经营中,有些任务具有大量重复环节,如文件整理、信息检索和常规问题分流;另一些任务涉及复杂现场、责任判断和偶发异常。两者对技术的要求并不相同。企业如果不先梳理任务,就直接采购完整系统,容易出现演示时功能丰富、投入使用后难以嵌入流程的情况。
应用评估需要有明确的比较对象。某项工具是否缩短了处理时间,是否减少了重复录入,是否提高了问题发现的及时性,都可以通过实际工作记录观察。评价不能只看系统回答是否流畅,也不能把员工使用次数等同于生产效率改善。真实效果应与原有工作方式比较。
数据准备往往决定系统能走多远。内部资料版本不一致、字段含义不清楚,或者缺少可使用的授权范围,都可能影响结果。企业在引入工具之前,应先确认哪些资料可以进入系统,哪些内容需要更新,哪些问题必须由专业人员审核。这些工作是应用建设的一部分。
软硬件协同则要求技术人员理解现场条件。终端设备的算力、网络连接、响应时间和维护方式,会影响模型在实际环境中的表现。能够在办公室稳定运行的工具,进入生产现场后可能面对噪声、设备接口和操作流程差异。应用方案应留出调试与反馈的时间。
组织安排也需要跟进。系统给出提示之后,由谁判断、谁执行、谁记录结果,应有明确分工。若技术只是增加一套填报界面,却没有改变信息传递方式,员工负担反而可能增加。更有价值的应用,是把机器处理与人的判断衔接起来,让责任和操作路径都清楚。
对于首次引入人工智能的企业,可以从有限范围开始,保留原有流程作为比较基础,逐步积累失败情形与修正办法。小范围验证并不是降低目标,而是让投入依据更加具体。当效果和适用条件能够说明清楚时,扩大使用才有可靠基础。
智能经济的发展需要技术突破,也需要大量企业完成细致的应用改造。把需求识别、资料整理、现场适配和员工培训做扎实,企业才能判断哪些能力值得持续投入。最终进入经营成果的,应是可重复的工作改善,而不仅是一个新的技术名称。