亚马逊云科技中国团队：AI落地为何个人提效企业不增效
【TechWeb】11月13日消息，2026年AI正从“回答问题”走向“完成工作”。但对企业而言，把AI创新转化为业务价值，难点已不只是模型和工具，而是如何让AI真正进入核心业务流程、数据体系和组织的日常运行。 近日，亚马逊云科技中国团队分享了助力企业把AI创新转化为实际业务价值的实践和经验总结：AI规模化落地需要业务
11月13日消息，2026年的AI正在从“回答问题”转向“完成工作”。不过对企业来说，把AI创新变成业务价值，卡点已经不在模型和工具本身，而在于怎样让AI真正走进核心业务流程、数据体系和组织日常运行。
最近，
亚马逊云科技中国团队把帮企业将AI创新转化为实际业务价值的做法和经验做了梳理：AI要规模化落地，业务战略、场景、数据和人才得形成一个闭环，底下还得有安全合规托着。
AI在局部提效不难，难的是变成企业生产力
这几年，几乎每家企业都试过AI：知识库、智能客服、代码辅助、部门报表……但亚马逊云科技成长型企业及新兴业务总经理倪殿令看到，不少企业出现了“个人提效、部门提效，公司生产力却没有同步提高”的情况。问题在于，AI如果只是在现有流程上简单叠加，就穿不透部门墙和传统组织边界。
亚马逊云科技成长型企业及新兴业务总经理倪殿令
拿ToB企业来说，市场、销售、售后、客服等部门各管一摊，可客户旅程是横向贯穿全生命周期的。一个部门用AI提了效，换到另一个部门，数据、决策和风险管控权限并不相通，流程卡点照旧。数据治理也是老毛病：生产制造、ERP、MES、仓储到客户关系管理，数据往往连不起来。同时，人才思维要从AI认知、AI就绪走到AI原生，也不是一天两天的事。
倪殿令引用了波士顿咨询的“10、20、70”观点：企业AI落不了地，原因只有约10%跟模型算法有关，20%跟数据和IT平台有关，70%则出在业务流程、人员能力、运营模式、数据治理和人机协作上。所以企业真正要改的不是“在旧流程里加AI”，而是用AI重塑流程，向AI原生组织转型。他还提到亚马逊首席执行官Andy Jassy关于“杠铃”的判断：一头是前沿智能体，另一头是各部门AI试点，杠铃中间那块才是未来5到7年最大的机会。他补充说，中间这块指的就是围绕企业自有数据构建Agentic应用。
“最后一公里”不是单点交付，而是一个黄金三角闭环
那AI怎样才能真正在应用场景里落地并创造价值？亚马逊云科技中国团队的经验是：以业务战略为中心，围绕场景、数据和人才搭起“黄金三角”。
第一步，业务战略得由管理层来牵头。倪殿令强调，CEO或董事长要挂帅，从业务价值倒推AI优先级，围绕客户旅程而不是部门边界去定义高价值场景。每条业务线应该找到1到2个与CEO战略对齐的高价值Agent场景，让它真正进入业务工作流，而不是停在演示和试点上。
第二步，场景要解决客户的问题。业务线总经理落实AI战略时，不能只盯着内部提效，而要围着客户成功旅程来定义场景。数据则是场景可信的根基。亚马逊云科技提出“面向AI的数据基础”，把数据层、语义层和上下文层结合起来，让Agent不光能拿到数据，还能读懂数据背后的业务含义。
亚马逊云科技产品专家团队总经理崔玮表示，智能体的输出可不可信、执行有没有边界，除了安全思路，更关键的准确性来自企业内部数据。倪殿令则强调，模型谁都能用，可如果没有好的上下文层，智能体只会放大混乱；经过治理的数据，才能让智能体放大正确的决策和行动。
第三步，人才和流程的重塑必须系统化。企业要培养面向AI原生的Builder能力，推动业务流程重塑，而不是在今天的流程上叠一层AI。亚马逊云科技通过客户开发工程（CDE）项目做快速原型验证，依托本地专家与科学家团队开展深度协作，再用Agent开发生命周期（Agent-DLC）方法论帮客户建立评估驱动、持续迭代的开发能力，从原型验证一路走到长期迭代。
产品这边，今年Amazon Bedrock AgentCore在中国区域上线了Runtime、Gateway、Identity、Browser Tools、Code Interpreter、Observability六大组件，围绕快速构建、安全连接和持续优化三大需求，支持智能体从概念验证走向生产级应用。Runtime通过microVM实现会话间硬件级虚拟化隔离和按需扩缩；Gateway把API、Lambda函数及MCP Server统一转化为Agent可用工具，并集中管理访问；Identity复制Agent入站认证和出站鉴权；Observability则对生产环境中的Agent决策进行全链路追踪和监控。
据介绍，金蝶发票云率先用上Amazon Bedrock AgentCore之后，工单首次响应时间从15分钟缩短至3分钟，AI的自动回复率从60%提升至80%，日均处理工单量提高3倍。安克创新则以“One Anker”战略推进构建智能体平台Anka，减少各业务单元在基础设施和Agentic平台上的重复投入。
崔玮还指出，进入Agentic AI时代，企业要建立更全面的分层安全防护体系——除了传统的应用安全和生成式AI内容安全，还得盯住智能体执行行为的安全治理，防范权限配置不当带来的越权风险。Amazon Bedrock AgentCore Gateway把智能体执行逻辑与访问凭证、权限管理分开，让智能体在可控、可治理的环境里运行。亚马逊云科技同时从“安全赋能AI”和“AI赋能安全”两个方向构建纵深防御：前者管Agent身份权限、工具连接和输入输出合规，后者用AI提升漏洞管理、威胁检测和安全运营效率。
倪殿令总结说，“最后一公里”其实不是真正的一公里，可能是一个闭环过程：CEO方向清楚，场景打通，数据基础到位，施工队能交付，人才能力能持续迭代，并在安全合规框架内不断优化。
倪殿令说：“到了 Agentic AI 时代，本地化支持不只是把全球领先的技术带进中国，更要让企业把这些技术真正用起来、掌握住。我们想做的，是靠中国本地专家和科学家团队的深度技术协作，加上开发方法上的赋能和人才培养，帮客户把 AI 应用的构建、部署和持续迭代能力提上去。技术和产品总会不断更新，但企业能不能持续创新、主动发现并解决问题，才是走向 AI 原生组织的重要基础。”
亚马逊云科技在11月11日宣布，面向中国市场的技术能力、安全能力和本地化支持进一步升级。其基础仍是“全球领先、可信赖、懂行业、本地化”四大核心优势，目标是帮企业把AI Agent从概念验证推向规模化应用。
技术层面，亚马逊云科技中国区域（含西云数据运营的亚马逊云科技Marketplace）已能提供覆盖AI基础设施、第三方模型、数据与知识、Agentic平台及Agent应用构建五个层面的全栈能力，安全与治理则贯穿整套架构。2026年以来，该区域上线的新服务和功能达到277项，累计已超过2800项。Amazon Bedrock AgentCore也已在由光环新网运营的北京区域和由西云数据运营的宁夏区域正式推出。面向AI的数据基础依托数据层、语义层和上下文层三层架构，帮企业把专有数据和业务知识用起来。
安全层面，亚马逊云科技继续推进“安全赋能AI”与“AI赋能安全”两条线。企业可以借助AgentCore的身份和访问控制、工具连接和可观测性，管好Agent的身份权限、工具连接以及运行过程，再配合本地合作伙伴的Guardrails方案做内容过滤与合规检查。反过来，AI也被用来提升安全检测、漏洞管理和安全运营的效率。
本地化支持上，亚马逊云科技用CDE做快速原型验证，安排本地专家与科学家团队深度参与技术协作，并引入Agent-DLC方法论，帮企业形成评估驱动、持续迭代的开发能力。人才梯队建设则从高校人才共创、企业人才培养、企业招聘赋能三个方向推进。
亚马逊云科技中国团队2026年的经验指向同一个结论：AI价值转化不是买一个模型、做一个试点，而是以业务战略为牵引，把场景、数据和人才组织成可持续迭代的闭环。这支团队眼下做的，正是用技术能力、安全治理和本地化支持，让这套闭环成为企业能落地、能规模化、能长期运行的能力。
