当AI以前所未有的速度席卷千行百业，“AI能否落地、能否创造价值”已成为每个企业都必须回答的时代之问。
根据艾瑞咨询（iResearch）《中国企业级AI Agent发展洞察报告（2026）》，目前企业级AI Agent应用呈现“浅层繁荣、广而不深”的特点。具体表现为：很多项目看似在诸多业务中使用了AI Agent，但主要解决的是业务外围的非核心问题，而核心专业问题深度依赖业务know-how来确保业务结果准确性、专业可靠性，目前市场中的通用AI Agent难以实现。
如何才能应用AI帮助解决核心业务问题？汉捷咨询与汉卓软件基于在iDSTE战略管理数字化平台、AIPD研发与产品管理数字化平台融合专业性AI Agent应用的实践，认为企业应用AI Agent的基本模式应当清晰地确立为：以流程为依据，以IT系统为载体，更广泛地利用数据，更快地产生更高质量的数据。这一模式深刻揭示了AI应用的本质逻辑——AI从来不是孤立悬浮的技术工具，它必须深深扎根于企业的流程体系与数据治理之中。由此，一个看似“老生常谈”却愈发关键的命题浮出水面：在AI时代，企业流程与数据管理不应被削弱，而是更加重要了。
AI本质上还是为人所掌握和应用的工具。在企业业务运作中，AI应用的目的是：支撑业务流程在IT系统中更顺畅、更高效地跑起来，产生更高质量的数据，从而为客户创造更大的价值。
一、流程与IT，是AI理解业务的“依据”
人、AI、流程、数据、IT五大要素相互连接、彼此协同，共同指向“价值创造”这一终极目标。其中，流程定义了“角色-活动”的运行逻辑，是企业业务的骨架与指引；IT系统是承载流程活动的平台；数据是贯穿各环节的血液；而AI则是嵌入其中、赋能全过程的“智慧引擎”。五者环环相扣的关系表明：AI要发挥作用，前提是它能够“读懂”流程、融入流程与IT系统。
流程，是AI理解业务的语言。企业流程规定了“谁（角色）、在何时、依据什么、做什么活动、产出什么”，这恰恰构成了AI介入业务的坐标体系。IT系统，是承载流程、融合并集成AI应用的载体。缺乏清晰流程和集成化IT系统的企业，AI便不知道在哪个场景、哪个环节、在哪里、对哪些关联的活动发挥作用，纵有千般技术，也只能“英雄无用武之地”。正因如此，“以流程及IT为依据”成为企业AI应用的首要原则——流程及IT既是AI应用的场景地图，也是AI价值落地的运行轨道。只有当流程被梳理清楚、定义规范，并通过IT系统线上化运行，AI才能在正确的业务位置上做正确的事，把技术能力转化为实实在在的业务价值。
二、数据，是AI发挥价值的“燃料”与“成果”
如果说流程及IT是AI应用的骨架与载体，那么数据就是AI运行的血液与产出。关于数据管理的重要性，华为公司轮值董事长徐直军在总结IPD变革经验教训时深刻指出：IPD变革虽然进行了十多年，也有力地支撑了公司的发展壮大，但在早期对数据的关注不够，没有系统地梳理产品的信息架构和数据标准，也没有对业务流中的数据流进行系统梳理，因而没有基于梳理的数据来定义IPD流程各环节的交付件和数据，也没有基于数据流的梳理来定义IPD领域的IT应用架构和接口，导致前期IPD领域的IT和工具建设非常凌乱、不集成。他强调，对业务流中信息的梳理是流程定义的前提，是IT应用架构定义的基础，也是IT系统开发的前提；主流程集成贯通，本质上是数据的集成贯通。数据管理在流程与IT中处于最核心的位置。
华为IPD的实践教训，对AI时代具有强烈的借鉴意义：如果企业在流程与IT/数字化建设中忽视数据架构与数据管理，那么AI应用同样会重蹈“凌乱、不集成”的覆辙，甚至走向更深的歧途。AI对数据的依赖，远胜于传统IT系统——“更广泛地利用数据，更快地产生更高质量的数据”，既是AI时代对数据提出的更高要求，也恰恰是AI最难凭空跨越的瓶颈。数据的标准不统一、口径不一致、流转不顺畅，AI便无法准确理解数据的业务含义，所谓“智能分析”只能沦为“垃圾进、垃圾出”的数字游戏，生成的结果非但不能辅助决策，反而会误导决策。因此，数据架构与数据管理，在AI时代不仅没有过时，反而上升为企业数智化建设的“重中之重”。
三、流程、数据与AI协同，才是AI落地的“铁三角”
汉捷咨询创始人胡红卫先生提出的“数据AI化，AI数据化”观点，为企业AI应用提供了清晰而深刻的路径指引。
“数据AI化”，是指用AI技术改造数据全生命周期管理。在数据生成、清洗、检查审核、转化修订等环节引入AI能力，实现数据管理从“人工主导”向“智能赋能”的跨越——AI自动采集汇聚多渠道数据，打破“数据孤岛”；智能识别重复、缺失、异常数据，自动完成去重、补全与校准；基于规则与历史模型实现数据问题的“事中拦截”；借助自然语言处理与深度学习将非结构化数据转化为结构化数据。AI让数据管理摆脱繁琐的人工劳动，实现质量与效率的双重提升，让数据资产真正“活”起来。
而“AI数据化”，则揭示了AI落地的根本前提——AI应用必须与企业结构性、逻辑化的数据定义和数据流程深度结合，否则便会陷入“技术无用论”的困境。汉捷咨询在咨询实践中发现，不少企业斥资搭建的AI模型“看不懂业务”，生成的数据分析结果偏离实际，反而需要投入大量人力审查修正，甚至误导经营管理决策，根源正在于AI与企业数据体系的脱节。不同部门对同一指标定义各异、数据流转缺乏逻辑支撑，AI便无法建立准确的“坐标系”与“导航图”。AI、数据、流程本应是协同发力的“铁三角”，若三者脱节沦为“三张皮”，即便拥有先进的AI技术，也难以发挥实际价值。
这正是“以流程为依据、以IT系统为载体、以数据为中心”的深意所在：IT系统是流程与数据的承载平台，流程为AI划定应用边界，数据为AI供给决策燃料。三者环环相扣、协同发力，方能形成“数据支撑AI、AI优化数据”的良性循环——AI依托标准化的数据实现更精准的处理与分析，同时又在应用过程中发现数据问题、反哺数据定义与流程优化，让数据体系更完善、更贴合业务需求。
四、数据质量，决定AI价值的上限
更值得警惕的，是数据质量背后潜藏的风险。研究显示，当训练数据中仅有0.01%的虚假文本时，大模型的有害输出率便会上升11.2%。这意味着，微小的数据污染都可能被AI放大为严重的经营误导——错误的市场需求预测、多余的产品需求定义、不合理的生产计划，甚至违规的财务核算。在AI时代，数据质量的权重被空前放大：过去数据出错，影响的可能只是一张报表；如今数据出错，影响的可能是整个AI决策体系，且纠错成本成倍上升。唯有以严谨的流程保障数据产生与流转的规范，以严格的数据治理保障数据的准确、一致、完整，才能守住AI应用的底线，让“更快产生更高质量的数据”真正落地。
五、以流程为体、数据为核、AI为翼
AI时代的竞争，表面上是技术的竞争，实质上是流程与数据管理的竞争。流程，决定了AI能否“用得上”；数据，决定了AI能否“用得好”。以流程为依据、以IT系统为载体，应用AI更广泛地利用数据、更快地产生更高质量的数据，这一模式恰恰把流程与数据管理推到了舞台中央。流程为体、数据为核、AI为翼，当企业真正将流程与数据管理做到位，AI时代的技术红利，才会真正转化为企业穿越周期、赢得未来的核心竞争力。