在2026年新領軍者年會上，來自商業、學術界和各機構的領導者深入探討了企業在AI轉型過程中面臨的挑戰。從基礎設施部署到數據準備，企業必須跨越多重障礙，才能實現AI技術的規模化應用。以下是與會領導者分享的四大核心洞見。
一、AI技術已準備好，但多數企業尚未準備好
這是世界經濟論壇2026年新領軍者年會（6月23日至25日，中國大連）上討論最為集中的話題之一。
清華大學蘇世民書院院長薛瀾將AI的引入類比為汽車誕生初期：汽車剛出現時，由於基礎設施完全不匹配，大規模普及根本無從談起——道路是為馬車設計的，即便後來加以改造，也還需要配套的加油站才能讓人們行駛更遠的距離。
"我們真心希望技術能夠擴散到整個社會，但這需要兩類基礎設施：硬基礎設施，如數據中心和能源；以及軟基礎設施，如法規等。"他表示，"而這些配套建設相比前沿模型的發展，追趕速度要慢得多。"
AI 71首席產品與技術官邁赫迪·吉薩西延續了這一比喻，指出真正以AI為核心的企業必須以同樣的思路重新設計內部流程。他說："如果你在規劃一座城市的街道時，已經知道未來會有自動駕駛汽車，那你大概不會按照現有方式來規劃。企業只有做好流程重塑的艱苦工作，才能真正用好AI。"
二、數據質量決定AI的上限
AI技術的價值完全取決於輸入數據的質量。NTT DATA首席戰略官羅利·阿格拉瓦爾警告稱，如果數據本身混亂，AI只會讓錯誤發生得更快。"我們在客戶那裡看到的數據，很多時候是高度碎片化的。如果你在一團混亂上構建AI，得到的仍然是混亂，只不過在GPU上跑得飛快。"
阿格拉瓦爾分享了她所在機構總結的"1-2-3-4法則"：企業每花1美元構建AI智能體，建議同時投入2美元用於變革管理、3美元用於架構治理與風險防控、4美元用於數據準備。她表示，只有這樣，企業才能真正實現AI的規模化落地，成為智能化組織。
三、人類的使用方式比技術本身更重要
ManpowerGroup董事長兼首席執行官喬納斯·普里辛認為，要真正理解AI將把我們帶向何方，必須聚焦人類如何使用它，而非其原始能力本身。
"人類已經經歷過許多次這樣的技術演進，最終決定結果走向的，往往是人類如何運用技術，而非技術本身能做什麼。"他說，"目前的討論過於集中在算力、人才和資本上，而對如何推動員工、工人和組織大規模採用AI，以造福組織、社會以及技術使用者本身，關注還遠遠不夠。"
四、不要等待完美條件，先跳進去再說
儘管上述每項挑戰都需要認真應對，但等待萬事俱備並非出路。中國移動首席科學家馮俊蘭認為，許多架構層面的障礙雖需時間解決，但培養AI能力與熟悉度必須同步推進。
"企業在數據、系統、感知技術等方面都還沒有準備好……但你不應該試圖把所有基礎問題都解決掉，因為那可能需要好幾年的時間。"她說，"如果AI是一片海洋，我們現在還在水面上。想要在海洋里游泳，就得先跳進去。"
Q&A
Q1：夏季達沃斯領導者提到的"1-2-3-4法則"是什麼意思？
A：這是NTT DATA首席戰略官羅利·阿格拉瓦爾分享的AI投入框架：企業每花1美元構建AI智能體，應同時投入2美元用於變革管理、3美元用於架構治理與風險防控、4美元用於數據準備。其核心邏輯是：AI落地的成敗不僅取決於技術本身，更取決於數據質量、組織流程和治理體系的配套建設。
Q2：為什麼說"數據準備好了"才能真正用好AI？
A：AI的輸出質量完全依賴於輸入數據的質量。NTT DATA的羅利·阿格拉瓦爾指出，很多企業的數據高度碎片化，在混亂的數據基礎上構建AI，只會讓錯誤以更快的速度發生。因此，數據整合與治理是AI規模化應用的前提，而非可選項。
Q3：企業AI轉型是等基礎設施完善後再推進，還是現在就開始？
A：中國移動首席科學家馮俊蘭建議不要等待完美條件。她認為，數據、系統等基礎問題完全解決可能需要數年時間，企業應在推進基礎建設的同時，同步培養員工的AI技能與使用習慣。正如她所說："如果AI是一片海洋，想要游泳，就得先跳進去。"
