上週有一份報告更新了數據，我盯著兩個數字看了半天：94% 對 2%。
這是 KORE1 在 8 月 5 日更新的《2026 中端市場 ERP AI 採用報告》裡的一組核心數據——調研對象是 100 位真正握著 AI 預算決策權的中端市場高階主管。結果，94% 的公司已經在用生成式 AI，83% 已經越過了嚐鮮階段進入有目的的試驗或流程嵌入，但真正實現規模化營運的，只有 2%。
92 個百分點的落差。買的人和用起來的人，幾乎不是同一批。
報告裡有一句話把這落差說透了：「錢已經批了，管道還沒鋪好。」（The money is already approved. The plumbing is not.）
一、三份獨立調研，指向同一個「懸崖」
怕有人覺得這是單一問卷的偶然偏差，KORE1 把 2026 年五份獨立調研放一起對照，結果出奇地一致：
| 調研來源 | 樣本 | 「用了 AI」 | 「跑出規模」 |
|---|---|---|---|
| Kaufman Rossin × NewtonX | 100 位中端市場決策者 | 94% 在用生成式 AI | 2% 規模化運營 |
| RSM 中端市場 AI 調研 | 1,030 位美加高管 | 86% 已部分/完全整合 | 僅 17% 在推企業級變革 |
| Netrio IT 負責人調研 | 401 位（200-5000 人企業） | 82% 已有 AI 在產線運行 | 26% 做到規模化治理 |
不同樣本、不同問法，但形態幾乎一樣：採用率曲線直衝天花板，規模化曲線貼著地板走。
搁一塊兒看，結論就很硬了：中端市場不缺 AI 預算，不缺試用熱情，缺的是把 AI 從試點推到全公司的那段「最後一公里」。
二、瓶頸不在模型，在 ERP 底下的那層「管道」
那這段路到底卡在哪？報告給出的答案，可能讓不少把問題歸咎於「AI 產品不行」的管理者意外：
- 53% 的企業把數據質量列為規模化擴展的頭號障礙；
- 47% 提到系統整合挑戰；
- 製造業更扎心：55% 把遺留系統整合列為第一大 AI 障礙（全行業均值 41%），73% 還停在試點階段，45% 的數據仍是孤島。
翻譯成人話：AI 要規模化，第一步不是訓練更大的模型，而是先讓四個系統裡的「客戶記錄」「物料編碼」「關帳口徑」對得上號。一個客戶在 CRM 裡叫 A、在 ERP 裡叫 B、在報表裡叫 C，模型再聰明也沒法給出一致的決策依據。
很多企業問「AI 落地為什麼沒效果」，答案往往不在模型選得對不對，而在底層數據管道通不通。模型是放大器，不是發動機——管道是髒的，放大出來的就是更大的噪聲。
KORE1 從招聘側也看到了同樣的信號：以前客戶找 ERP 顧問是要「懂模組」的人，現在找的是「能讓四個系統在客戶記錄、物料編碼上達成一致，並把這個一致性扛過季度關帳」的人。先有統一的主數據，才談得上把模型指過去。
三、行業風向也在往「實效」轉：這波不是降溫，是換擋
數據在說「落地難」，而市場在說「別講概念了」。8 月 7 日證券時報發了一篇觀察，標題就很直白——AI 賽道風向轉變，邁向追求實效新階段。幾個信號值得連起來看：
阿里巴巴的企業級智能體產品「千問辦公」開啟公測，由多款辦公產品整合而來，全面瞄準企業級市場；字節跳動在 8 月 6 日的年中全員會上明確 AI 重點轉向 ToB，解釋豆包、飛書、火山引擎整合的背景；騰訊也在同步整合 AI 產品線。頭部廠商不約而同把資源從「拼參數、秀演示」收攏到「拼產品、拼落地」。
證券時報的總結很到位：靠炫酷演示、概念炒作博取熱度的粗放時代已經終結，企業 AI 賽道邁入重落地、重安全、重實效的質量競爭新階段。資本市場的標尺也換了——技術參數和概念故事不再值錢，落地成效、轉化質量、合規水平、客戶留存成了硬指標。
這對企業管理者是好事還是壓力？我的看法是：好事，但挑戰前置了。以前買 AI 可以「先上車後補票」，演示漂亮就簽單；現在採購方越來越理性，會直接問：你的 AI 在我的 ERP 上，能跑通哪個流程？數據從哪來？出了事誰負責？答不上來的產品，活不過這輪篩選。
四、先修管道，再談模型：正確的落地順序
聊了這麼多數據和風向，最後落到實操。如果只記一件事，我建議記住這句：AI 落地是管道工程，不是模型工程。順序搞反了，錢和時間都白花。
第一步：做一次「AI 就緒度體檢」，而不是直接選 AI 產品。把主數據（客戶、物料、供應商、科目）的重複率、一致率、各系統口徑差異先量化出來。體檢結果難看，就先修數據，而不是硬上 AI。
第二步：從「管道最短」的場景切入。選那些數據已經相對乾淨、流程標準化的高頻動作——財務對帳、庫存預警、訂單錄入、發票匹配。均瑤集團的做法可以參考：吉祥航空圍繞行動、決策、學習等能力推進了 64 個場景的體系化建設，靠的不是一個大而全的超級應用，而是大量高頻小場景的疊加。
第三步：用「嵌入→重構→融合→原生」的節奏走，別想一步到位。先讓 AI 嵌進現有流程提效，跑順了再考慮重構流程，最後才談得上 Agent 原生。階段走得太快，組織跟不上，系統也扛不住。
還有一個經常被忽略的點：這套「管道優先」的邏輯，對預算有限的中小企業尤其重要。一套年費幾千塊的雲 ERP + 乾淨的進銷存數據，能撐起 80% 的 AI 場景；反過來，系統一堆、數據各說各話，配再貴的 AI 方案也是白搭。先有一本對得上帳的數，再談智能化。
写到最后想说一句：94% 和 2% 之间的那 92 个百分点，不是 AI 不行，是数据管道没跟上。这轮「从炫技到实效」的换挡，本质上是在把欠了多年的主数据治理课补回来。谁先补完，谁家 AI 先跑起来——这个顺序，绕不过去，也不该绕。
