过去几年，各行各业都在积极推进 AI 试点，但不少企业仍难以将有前景的概念验证，真正转化为现实业务中的部署和应用。
Kaushik Gopal，万事达卡执行副总裁暨服务部全球数据产品负责人
五大组织挑战，正在阻碍 AI 从试点转向普及
对许多组织而言，当前面临的并不是 AI 创新不足，而是规模化应用能力不足。
过去几年，各行各业都在积极推进 AI 试点，但不少企业仍难以将有前景的概念验证，真正转化为现实业务中的部署和应用。事实上，阻碍并不在于雄心不足。2014 年至 2024 年间，全球 AI 领域私人投资增长超过 13 倍。更普遍的问题在于，企业尚未建立起在规模化应用中信任 AI，尤其是 AI 智能体所需的基础条件，包括文化、安全、问责、治理和数据就绪度。
AI 智能体信任并不是依靠单一控制措施或一项政策就能建立起来的。它需要企业在多个维度同时建立信心。有些企业拥有先进的 AI 模型，却缺乏健全治理；有些企业安全控制严格，却员工准备度不足；还有些企业数据质量较高，却权责边界不清。真正走在前面的企业，未必部署了更多 AI，而是能够在这些关键维度上同步推进。
在万事达卡看来，企业若要真正实现从「获得洞察」到「采取行动」的跃迁，就必须回答好以下五个问题。
员工是否知道如何与AI协作？
当前整个行业最突出的现象之一，是管理层对 AI 的热情与员工对 AI 的理解之间存在明显落差。这样的认知鸿沟，往往成为 AI 落地应用的最大障碍之一。推动员工拥抱 AI，并不仅仅意味着为他们提供新的工具，更重要的是帮助他们理解：AI 应该应用于哪些场景、能够创造怎样的价值，以及将如何改变工作方式。
这一切首先始于清晰的沟通。尽管企业高管对于 AI 的认识和态度正在迅速转变，但这种认知并不一定能够顺畅传递至一线团队。据汤森路透研究所 2026 年 AI 专业服务报告，近 40%专业人士表示，他们曾收到来自管理层和客户相互矛盾的 AI 使用指引。
因此，企业领导层需要超越笼统的 AI 倡议，为员工提供更具体、更可操作的指导：什么时候应该使用 AI，哪些环节适合引入 AI，哪些决策仍需要依赖人的判断。当员工真正理解 AI 如何帮助自己完成工作，以及组织对他们的期待时，企业才有可能从试验阶段迈向规模化应用。
这个AI智能体是否应该被赋予这项权限？
随着 AI 智能体越来越接近决策和执行环节，一个核心问题正在发生变化：企业关注的重点，不再是 AI 能否生成洞察，而是它是否值得被信任去采取行动。
这意味着，安全、隐私保护和负责任地使用 AI，必须从一开始就嵌入企业运营体系之中。企业需要建立清晰的防护机制，保护敏感信息，同时明确责任归属，才能放心地让 AI 智能体访问关键数据，承担更复杂的任务。
归根结底，这是一个身份与权限管理挑战。在 AI 智能体检索信息、发起支付或与客户互动之前，企业应了解清楚：这个智能体是什么、能访问哪些系统、被授予了怎样的权限。如果连企业自身都无法建立起对它的信任，怎么能指望客户去信任？
谁为结果负责？
当 AI 智能体承担越来越多自主任务时，企业将面临另一个关键问题：当 AI 智能体做出决策、执行任务或产生意外结果时，最终由谁负责？
根据思科《2025 年 AI 就绪度报告》，尽管许多公司有意部署 AI 智能体，但只有 32% 真正将其纳入劳动力规划。缺乏清晰的权责结构，会导致企业在决策、监督和问责上陷入不确定性。
企业领导层需要建立清晰的 AI 权责体系，界定哪些决策可交由智能体完成、哪些环节必须保留人类判断，以及在系统出现异常时又该如何升级处理。那些成功规模化部署 AI 智能体的企业，往往会额外投入精力重新设计工作流程，让人类和 AI 以更清晰的角色、职责和期望并肩前行。
我们如何判断它已准备就绪？
一旦企业建立起清晰的责任机制，一个新问题随之而来：如何判断一个 AI 智能体已经具备进入真实业务场景的能力？
企业需要建立系统化的方法，对智能体的性能、行为和输出结果进行测试和评估，确保其能够在客户服务、运营管理和关键业务决策等场景中稳定、安全地运行。重点不在于创造一个智能体，而在于验证它能否在多样化场景下持续、可靠且安全地发挥作用。
正因如此，越来越多的企业希望拥有能够测试性能、发现风险并不断优化控制措施的环境。而万事达卡则推出了Agent Suite，并通过 Proto 沙盒环境进一步扩展其能力，以帮助企业在将智能体引入生产环境之前进行探索、测试与验证，从而推动 AI 从试点阶段迈向可信部署。
与此同时，万事达卡还推出了面向商户管理、客户入驻和争议处理等关键业务场景的三款 AI 智能体。通过这些能力，企业能够更清晰地识别 AI 创造商业价值的机会，并在安全且具备治理保障的框架下实现规模化应用。
它是否拥有完成任务所需的信息？
即使解决了部署、安全和治理问题，接下来的路也并非一马平川：AI 智能体只能基于它所理解的信息来行动——这意味着要让智能体在实时场景中高效运行，正确的数据不仅要可获取，还必须在清晰授权和安全保障下被有效使用。
但许多企业的数据仍然分散在不同系统中，格式不一且相互割裂。人类往往能够凭借经验弥补这些缺口，但 AI 智能体在信息不完整、相互矛盾或难以访问时则会陷入困境。因此，企业需要进一步打破数据孤岛、提升数据一致性，并优化那些限制 AI 发挥价值的碎片化流程。
在智能体 AI 时代，数据质量直接影响决策质量。如果智能体无法有效理解其所面对的信息，也就无法做出可靠的行动。为加速数据质量的提升，万事达卡旗下屡获殊荣的创业孵化项目 创业直通车（Start Path）正进一步聚焦于商业智能和数据驱动能力领域的初创企业。
过去十年，创业直通车已支持来自全球60 多个国家和地区的 500 多家创业公司成长壮大，帮助它们借助万事达卡全球网络和客户资源实现规模化发展。那些能够帮助企业将数据转化为可执行洞察的创新力量，不仅能够提升决策质量和运营效率，更将为实时行动创造条件，进而帮助企业建立起对 AI 的信任，让 AI 从孤立应用走向日常运营。
未来几年，值得信赖的 AI 执行能力或将成为商业领域最重要的竞争优势之一。毕竟，关键不在于组织是否能够构建 AI，而在于它是否能够真正信赖 AI。
来源：互联网
