数说故事人工智能科技股份有限公司

企业对AI的关注正在明显变化，不再停留在模型能力对比，而是转向更系统性的问题：AI是否进入核心业务流程、是否参与关键决策链路、是否能够形成持续反馈机制。

在这一变化下，AI正在从能力工具，逐步变成企业运行体系的一部分，而不是外挂能力。

模型正在逐渐成为能力入口，但不再构成企业AI战略的核心护城河。Arber认为，真正的长期能力建设，必须转移到模型之上的系统层，包括数据与业务语义、业务流程与行动闭环、结果验证机制、权限治理体系以及组织协同能力。

基于这一判断，他进一步总结出一个“四层竞争框架”：

1. 模型能力本身

2. 数据与业务语义能力

3. 业务系统与行动闭环能力

4. 人才与组织能力。

企业真正的竞争力，不再发生在模型层，而是发生在模型之上的三层结构中。

在Snowflake Summit的整体讨论中，“数据”成为最基础但也最关键的共识变量。

在行业交流中，一个反复被提及的共识是，企业 AI 落地的很多障碍并不来自模型层本身，而来自数据层：语义不统一、指标口径不一致、权限边界不清晰、业务流程割裂等问题，都会影响 AI 进入真实业务闭环。

在这种结构下，即便引入更强的模型能力，如果企业的数据没有被组织为可被理解、可被调用、可被验证的体系，AI也只能停留在问答和Demo阶段，无法进入真实业务闭环。真正的难点并不在text-to-SQL，而是在业务对象如何被定义、指标体系如何被统一、权限如何被治理，以及行动如何被反馈与验证。

Arber认为，数据的关键不在“数量”，而在“结构”。企业数据与业务内容、AI模型能力、业务应用系统（Applications）、以及Agent调度与管理系统，共同构成企业AI的基础框架。

模型能力正在快速趋同，而企业之间的差异，正在向自身业务语义与运行上下文集中。

在他的观察中，企业引入AI Agent并不是简单增加几个智能体，也不是在不同部门分别搭建几个自动化Demo，而是当“数字员工”真正进入企业运行体系后，它会成为与人类员工并行的生产力单元，这将直接触发组织结构、管理方式与协作机制的系统性变化。

随之而来的问题不再是技术问题，而是组织问题：Agent应该向谁汇报？权限如何定义？人类与Agent如何协作？任务结果如何验收？经验如何沉淀？错误如何追责？这些问题共同构成了Agentic Enterprise落地的核心挑战。

因此，Arber认为，Agentic Enterprise的本质，是企业正在把数据、Agent、人以及业务流程重新组织为一个新的运行体系。在这一体系中，企业不再只是“使用AI”，而是进入“AI参与组织运行”的阶段。

在这一过程中，他也提出了一种更具结构性的组织理解方式，包括超级平台与超级个人的协同结构，以及围绕Agent Flow构建的任务执行体系，并进一步强调企业正在向“企业大脑”或“企业世界模型”方向演进。

在与多位行业伙伴的交流中，大家共同观察到：未来企业将更像蜂巢式结构，由多个小型端到端单元构成，每个单元围绕目标闭环运行，AI参与其中的洞察、执行、复盘与优化，从而形成持续自我迭代的组织系统。

在这一结构下，组织的本质不再是层级协作，而是围绕目标的动态协同网络。

在Arber观察中，中国企业AI在整体方向上呈现高度一致的趋势，但在落地路径上存在不同侧重。

中国企业不会简单复制Snowflake的发展路径，但会走出更贴近产业的AI落地方式。

Snowflake值得参考的，并不是产品形态本身，而是背后的三种能力：一是高度完成的产品表达能力，每一个技术理念都能对应清晰的产品与案例；二是业务叙事能力，通过Product Advocates这类角色，把复杂技术转译为企业能够理解的业务语言；三是生态连接能力，在数据底座之上形成上下游协同体系。

但在中国语境中，AI的落点更偏向真实业务系统本身。由于产业链复杂、经营场景密度高，AI不会长期停留在工具层，而是更快进入研发、供应链、营销、销售、渠道与经营分析等核心环节。

Arber认为，这也意味着中国企业AI的关键，不是复制某一种产品结构，而是让AI真正进入业务运行系统。