【赛迪网讯】当下，生成式AI与企业智能体技术飞速迭代，AI不再是概念化的科技热点，已然成为企业数字化转型升级的核心抓手。国内企业AI落地进程持续加快，但零散试点、价值难显、风险频发等行业痛点愈发凸显，企业智能化转型陷入“应用广、落地浅、增效难”的困境。

在此背景下，2026 SAP中国峰会重磅发《2026 SAP AI价值报告》，基于海量真实样本拆解企业AI转型真相。峰会期间，SAP全球副总裁、全球AI市场拓展负责人Varun Thamba接受赛迪网采访时，依托覆盖全球13个国家、2600家企业（含200家中国企业）的调研数据，深度拆解中国企业AI落地现状、核心痛点、中外差异与增长潜力，并分享SAP面向企业智能化转型的全套解决方案。

SAP全球副总裁、全球AI市场拓展负责人Varun Thamba

Varun Thamba指出，中国企业AI应用正迎来量变到质变的关键转型点，但数据短板、人才脱节、治理缺失三大难题，严重制约AI价值释放，企业唯有摒弃零散试水模式，构建系统化AI体系，才能真正实现智能化自主运营。

拐点已至：中国企业AI迈入量变向质变转型新阶段

调研数据显示，中国受访企业已有34%的日常工作任务由AI辅助完成，覆盖从合规检索等简单操作到全流程智能体作业等复杂场景。随着技术迭代加速，AI渗透速度将持续提升，预计两年后，中国企业AI辅助工作占比将攀升至52%，迎来人机协同的关键转型拐点，AI将从辅助工具深度融入企业核心业务运转。

在价值回报层面，中国受访企业AI投资回报率已呈现稳步攀升态势，今年的AI综合ROI达22%，较去年18%实现明显增长，预计2028年将升至38%。值得关注的是，智能体AI将成为增长核心引擎，未来两年这些企业借助智能体AI带来的ROI有望实现超4倍增长。

Varun Thamba表示，当前企业AI回报主要来源于降本增效，通过简化审批流程、优化采购决策、精简业务步骤提升利润空间，而未来更大的价值潜力，将集中在拓展新市场、孵化新产品线、解锁全新商业机遇的增收领域。

尽管增长势头强劲，但调研暴露的落地短板更为突出，成为制约中国企业AI进阶的核心瓶颈，集中体现在数据、人才、治理三大维度，且各项痛点均有明确数据佐证。

困境凸显：数据、人才、治理三重短板制约AI价值释放

数据层面，AI落地就绪度不足，仅6%的中国受访企业具备落地智能体AI的完备数据基础。多数企业虽积累了海量业务数据，广泛分布于财务、人力、供应链、物流等核心部门，但普遍存在数据质量参差不齐、标准化程度低、可获取性差等问题。企业启动AI项目后，往往才发现存量数据无法适配智能体运算、流程推演的需求，薄弱的数据基底导致AI落地难以落地见效。

人才层面，技能迭代速度滞后于技术发展。调研显示，78%的中国受访企业坦言员工AI技能培训跟不上AI技术迭代节奏。AI模型持续更新、作业效率大幅提升，要求员工快速适配新型人机协同模式，但技能缺口让员工难以借力AI提效。更值得关注的是，67%的中国受访企业反馈，AI拓宽了业务处理边界的同时，显著增加了员工工作负荷与责任压力，人机协同失衡问题日益凸显，直接导致AI技术增益无法充分释放。

治理层面，企业AI管控体系近乎空白。仅有6%的中国受访企业具备完备的AI治理能力与专业技能，这意味着受访企业中的94%无法有效管控多智能体、多AI模型的并行应用。无规则、无边界的AI使用模式，极易造成企业商业秘密泄露、业务流程失控、Token成本失控等问题，不少企业零散开展AI试点，各部门独立搭建应用、消耗大量Token资源，最终AI自动化成本远超人工成本，完全背离降本增效初衷。

谈及中国AI应用的独特性，Varun Thamba表示，中外企业级AI发展趋势整体趋同，国内外企业对AI投资回报率的预期、投入增速基本一致，但存在鲜明的结构性差异。中国消费级AI普及率高达80%，全面渗透购物、社交、移动生活等场景，大众AI接受度与使用熟练度极高；而企业级AI渗透率仅20%，究其原因，国内多数企业仍将AI作为独立工具零散试点，未深度内嵌到核心业务流程与系统中，巨大的供需差距，也意味着中国企业AI市场化普及拥有极大的提升空间。

破局之道：三级架构构建企业可信可控的AI自主运营体系

当企业开始大规模使用智能体（Agent）时，会面临一个挑战：不同的智能体可能从不同的数据源获取信息、独立执行任务并生成决策结果。如果缺乏统一的治理和编排机制，企业将很难确保这些智能体的行为是可控、可信和符合业务规则的。

这也是为什么SAP提出“自主运营企业（Autonomous Enterprise）”的理念。我们的目标并不仅仅是让企业使用更多智能体，而是在智能体广泛应用的同时，建立统一的治理、协调和编排能力，让AI真正服务于企业运营。

自主运营企业包括三层架构

第一层是数据治理层，由SAP Business Data Cloud作为核心支撑。无论是AI还是智能体，其价值最终取决于所使用的数据质量。因此，企业首先需要确保智能体调用的数据是可信、准确、经过治理并符合企业标准的数据。数据治理是整个AI战略和智能体战略最基础、也是最关键的一层。

第二层是业务应用层。企业运营往往涉及多个系统和业务流程，例如ERP与CRM、供应链、人力资源以及第三方应用之间的协同。因此，AI不仅要理解数据，还需要能够跨应用、跨流程地工作。这一层的重点是实现企业应用的集成与业务流程的贯通。

第三层是智能体层（Agent Layer）。在这一层，Joule及其背后的各类智能体发挥作用，帮助用户执行任务、完成决策并推动业务流程自动运行。更重要的是，这些智能体不仅能够在SAP环境内协同工作，还能够与外部生态中的智能体进行交互，例如微软Copilot等第三方AI服务，实现Agent-to-Agent协作。

这三层架构共同构成了SAP自主运营企业的基础：以可信数据为根基，以业务流程为纽带，以智能体为执行者，在统一治理和编排机制下，实现企业运营的智能化和自动化。

Varun Thamba最后总结，AI转型绝非短期试点、单点试水，而是长达二三十年的长期企业战略。企业必须彻底摒弃零散式AI布局，牢牢守住可信数据、员工就绪、完善治理三大核心，将AI深度嵌入业务流程，通过系统化、体系化转型，真正驾驭AI技术，实现从数字化转型到智能化自主运营的进阶升级。（文/徐培炎）