六月初，Walmart宣布限制AI投入的消息在业内引发讨论。这家零售巨头明确表示，部分AI应用未能达到“资产负债表现实”的要求，决定收紧投入。同样的故事也在其他大厂上演：Meta在印尼扩张受阻、Google Pay为AI交易重构基础设施、微软推出跨M365的Agentic AI Scout。这些看似零散的事件，折射出一个共同趋势——大厂的AI落地正在从“概念验证”走向“务实深耕”。不再是谁的AI故事讲得动听，而是谁的AI真正能产生回报。有一种观点认为，大厂AI遇冷说明AI本身有问题。但只要深入去看，就会发现真相恰恰相反：这不是AI的失败，而是AI走向成熟的标志。回顾技术发展史，每一个新技术从诞生到普及，都会经历相似的曲线。最早是“所有人都说好”，然后是“有人开始质疑”，最后是“真正能用的活下来”。AI正在经历第三阶段——祛魅与筛选。Walmart的案例最能说明问题。他们并不是拒绝AI，而是开始用ROI（投资回报率）来衡量每一个AI项目。哪些该投、哪些该停，不再是拍脑袋决定，而是用数据说话。这种务实态度，恰恰是大厂区别于创业公司的最大特征。这里需要解释一下ROI的概念。ROI即投资回报率，是用项目带来的收益除以投入成本得到的比例。简单说就是“花的钱值不值”。Walmart的态度很明确：不能产生正向回报的AI项目，一律喊停。这种转变对行业是好事。当大厂不再为AI而AI，而是真正思考如何用AI解决实际问题，AI的价值才能真正兑现。大厂当前的AI落地，主要集中在三个方向。这三个方向有一个共同特点：不追概念，只看效果。微软发布的Agentic AI Scout就是一个典型案例。这个工具能够跨M365套件自动处理邮件、会议、数据整理等工作。说白了，就是把白领工作中那些重复性高、规则明确的任务交给AI。传统模式下，一个项目经理每天可能要花两个小时处理邮件、安排会议、整理数据。引入AI后，这些时间可以省下来，真正用于需要人类判断的工作。效率提升不是来自AI做了什么，而是来自人类从低效工作中解放出来。流程自动化的核心逻辑是：AI不是来替代人的，而是来帮人省时间的。搞清楚这一点很重要。很多企业引入AI后抱怨效果不好，往往是因为期望值设错了——他们指望AI完全替代人，而不是让AI帮人做事。E.ON是德国最大的能源公司之一。他们正在用SAP S/4HANA（企业资源规划系统）标准化电网数据，然后在此基础上部署AI。目标是实现基础设施的智能化管理——从设备监控、故障预警到运维调度，全部由AI驱动。这种落地方案有一个关键特征：不是推倒重来，而是嫁接升级。在已有的信息化系统基础上，叠加AI能力，既保证了系统的稳定性，又实现了智能化升级。对传统企业来说，这种渐进式路径比激进革命更可行。供应链智能化的落地逻辑是：先用AI处理那些人类很难监控到位的长链条、多节点业务。这意味着大量的数据采集、传输、分析工作，人类很难实时处理，但AI可以。Google Pay正在开发“通用商务协议”，目的是让AI能够代替用户执行交易行为。这意味着未来的支付可能不再需要人类实时操作，AI可以根据预设规则自主完成交易。这种场景的想象空间很大，但落地难度也最高。核心问题有两个：一是AI决策的准确性如何保证？二是AI决策失误后责任由谁承担？OpenAI近期发布的企业治理框架，正是为解决这些问题而来。他们提供了一套“规模化安全合规部署AI的蓝图”，核心是建立AI决策的边界、审计机制和问责制度。这套框架的价值不在于技术本身，而在于为AI决策提供了制度保障。结合大厂的最新实践，笔者总结了务实落地的三个原则，供企业参考。很多企业引入AI的逻辑是“这项技术很先进，我们能不能用”。正确的逻辑应该是“我们的业务痛点是什么，AI能不能解决”。Walmart的务实就体现在这里。他们不是先看有什么AI技术，然后再找应用场景；而是先看哪些业务效率最低、成本最高，然后评估AI能否解决。流程自动化、供应链优化、决策辅助——每一个方向都是从痛点出发，而不是从技术概念出发。大厂的AI落地有一个共同特点：不追求一步到位，而是采用渐进式迭代。E.ON的模式很典型。他们不是一口气在所有业务上部署AI，而是先在电网数据标准化这个基础环节上突破，然后在此基础上逐步叠加AI能力。这种方式的好处是：每一步都能看到效果，每一步都能评估风险。小步快跑还有另一个好处：当AI项目失败时，损失是可控的。大规模跃进一旦失败，可能影响整个业务；小步迭代失败，只是一个局部问题。当AI成为企业运营的一部分，就需要建立与之配套的管理机制。微软在M365中引入AI后，专门设计了“人机协作”的权限边界和审核流程。不是什么事情都交给AI决定，而是在不同风险等级的业务上，设置不同的AI参与程度。这种机制建设的思路值得借鉴。AI落地不是技术问题，而是管理问题。企业需要回答：AI能做什么、不能做什么、出了问题怎么办。这些问题的答案，不是AI供应商提供的，而是企业根据自己的业务场景制定的。Walmart限制AI投入的消息传出后，业内有两种解读。悲观者认为这是AI遇冷的信号，乐观者认为这是AI走向务实的开始。笔者属于后者。真正的技术革命从来不是靠概念驱动的，而是靠解决实际问题驱动的。当大厂开始用ROI衡量AI、用痛点选择场景、用机制规范边界，恰恰说明AI正在从“锦上添花”走向“不可或缺”。对于正在或即将启动AI项目的企业而言，大厂的务实转向是一个提醒：AI不是万能药，不会立竿见影。用得好不好，取决于用在哪里、怎么用。
