科大讯飞用 AI 编程压缩人工编码，雅戈尔把商旅对账从"多人数日"压到"一人完成"，中集靠维修助手把经验不足的工人拉到 80 分水平。但当话题转向一把手该管多深、ROI 怎么算，四位嘉宾给出了截然不同的答案。
注：三组数字来自不同企业的实践分享，统计口径各异，仅作快速感知，具体语境见正文。
四位嘉宾所在企业，恰好构成一条从"AI 原生"到"全产业链"的完整谱系。先看各自走到了哪一步。
研发团队大量采用人机协作编程，大幅减少人工编码；各管理部门同步用 AI 提效。卖 AI 的公司，先用 AI 革自己的命。
研发端用 AI 生成图纸与作业指导书，制造端做质量检测，供应链辅助采购、计划与库存，财务人力部门自动化处理。王涛的判断很直接："不用 AI 提升效率，就是在落后。"
决策式 AI 已成熟：机器视觉质检、声纹检测落地见效。生成式大模型仍处探索初期，知识类应用先行——维修助手帮工人快速定位故障、缩短停机时间。
从育种、纺纱到零售的全链条铺开。商旅对账 11 个节点中 9 个交给 AI；IT 团队从 87 人精简至 41 人，多数流向业务部门；客服疑难工单从日均 50 个降至每三天 1 个。
注：四家企业行业、规模与数字化起点不同，阶段差异不代表优劣，只说明 AI 切入路径与业务形态强相关。
但一个更尖锐的问题很快浮现：AI 进组织，阻力到底藏在哪里？
王涛坦言，"自己革自己命"的困境很真实，但阶段很短暂——市场竞争力倒逼企业必须变革，个人意愿无法阻挡。他发起"小太阳计划"，让具体工作者主动提出场景："原来两天的事两分钟搞定，成就感本身就成了推动力。"
潘进杰认为，AI 现阶段更多是赋能而非取代。以专利申请为例，AI 辅助后通过率高达 95%、周期大幅缩短，但最终责任仍由人承担。"碳基做碳基的事，硅基做硅基的事。"
但真正的分歧，出现在"一把手该介入多深"。
"AI 转型必须是一号位工程。"没有最高领导的深刻认知与坚定决心，CIO 和 CFO 推动起来会非常困难。
市场倒逼论：不用 AI 就是在落后。老板要给的，是一线主动发起变革的空间。
方向指引论：一把手认知至关重要，但未必需要事必躬亲。董事长一句"用 AI 而非造模型"已足够。
放手授权论：一号位过度介入往往适得其反，自上而下的 AI 两三个月就淡化。他推崇"深圳模式"——定规则，不干预执行。
注：介入指数为编辑依据嘉宾表述立场提炼的相对刻度，用于呈现观点光谱，非嘉宾自评。
王歆的提醒值得单独记住：一号位插手指越多，变革越难推进。雅戈尔因此选择"润物细无声"——先给工具让员工减轻工作量，让岗位与流程自然变化，而非一上来就推组织变革。但涉及信息安全、岗位调整与新业务决策的重大事项，仍需最高层拍板。
试点打胜仗，推广却翻车。这是 AI 落地最常见的"第二幕"。
为什么？王涛给出的归因是：认知差异、业务形态区别、数据与流程基础不同。破局办法不是复制大而全，而是"复制特别能独立的小单元"，先打胜仗，再逐步串联。
不复制大而全，复制"特别能独立"的 AI 工具单元，先打胜仗再串联。
企业级 AI 平台 1.0→4.0 迭代，AI 大赛激发一线创意，复杂应用由 IT 与业务共研。
系统能力封装为标准接口后，客服自己就能解决过去需要写 SQL 的疑难问题。
注：三种打法分别提炼自三家企业分享，对应"复制什么、谁来提需求、能力放哪里"三个推广难题。
所有技术讨论，最终都会撞上同一个问题——钱怎么算。
ROI 可能根本算不出来，即便算出来也不敢相信。
机制设计比单点计算更关键。
注：两位 CFO 都承认 AI 的 ROI 难以用传统口径精确计量，区别在于一个选择"看过程"，一个选择"看机制"。
讨论走到最后，回到"人"本身。
注：链条前四段代表财务工具的演进史，"AI 化"是进行时——每一轮换代的时间间隔都在缩短。
段大为说，技术周期越来越短，但"善用工具而非成为工具"的哲理不变。他引孔子的话——"君子不器"：在技术浪潮中保持主体性，做善用工具的人，不做工具人。
王涛：CFO 拥有全盘经营视角和考核权，可在创新与协同性考核中引导业务拥抱 AI。对财务岗位而言，AI 是冲击，也是解脱低效劳动、转向高价值工作的机会。
雅戈尔：IT 团队从 87 人精简至 41 人，被优化者转入业务部门；能力封装成工具后，业务人员自己就能解决过去要写 SQL 的疑难问题。
潘进杰：AI 让人摆脱低效劳动、转向更高价值工作，但岗位职责与组织结构必须随之调整——碳基做碳基的事，硅基做硅基的事。
四位高管最大的共识，是对"标准答案"的共同否定：介入深度没有统一刻度，ROI 算不清楚，试点成功也未必能复制。AI 落地的分水岭因此格外清晰——它不在模型参数，而在组织是否愿意为"人的重新分工"持续付成本。这一轮真正拉开差距的，不是谁先买到模型，而是谁先建立起一套允许失败、容忍复盘的落地机制。
本场对话为行业峰会前瞻系列直播之一，更多企业 AI 落地的路径、实践与挑战，将在后续场次继续展开。