政府工作报告提出要打造智能经济新形态，深化拓展“人工智能＋”，推动重点行业领域人工智能商业化规模化应用。当前，千行百业正加速拥抱AI，如何让AI从“单点赋能”走向“全产业链渗透”？围绕这一话题，2026年全国两会期间，证券时报记者专访了清华大学经济管理学院领导力与组织管理系长聘副教授张佳音。

张佳音表示，人工智能商业化规模化应用，本质上是一次由技术扩散引发的组织重构与治理升级。其最大管理挑战，不在于单一技术突破，而在于企业和产业链能否围绕流程、数据、责任和投入机制形成稳定有效的协同体系。

具体来说，人工智能从“单点赋能”走向“全产业链渗透”，意味着其应用正在由局部高价值场景向相邻环节扩展，逐步形成跨部门、跨组织的协同网络，并进一步演进为贯通基础层算力数据、技术层算法框架与应用层场景需求的产业级协同体系。

过去，人工智能更多是作为辅助工具嵌入特定环节，用以提升局部效率；而当其走向全产业链渗透时，关键已不只是单点优化，而是要打破点状分布，形成数据持续回流、模型不断迭代、业务协同优化的闭环机制，进而提升跨环节的信息响应、预测判断和资源配置效率。

张佳音认为，这一演进也在重塑产业竞争逻辑。在一些跨组织协同程度较高的行业，竞争越来越取决于生态协同效率，而不只是单个企业的能力。

“这一转型所面临的最大管理挑战，集中体现为组织、数据与资源三个彼此关联、相互制约的治理维度。”张佳音进一步分析表示，首先，治理机制要支撑人工智能进入关键流程。随着人工智能不断向产业链核心环节渗透，挑战已不再只是技术部署本身，而在于企业能否围绕其重构流程体系、协作方式与责任结构。在战略层面，管理者需要对转型方向形成清晰判断，推动跨部门协调并凝聚组织共识。在执行层面，企业还需要具备将技术能力转化为业务流程、制度安排与绩效机制的落地能力。

其次，数据治理体系与数据基础条件要支撑人工智能稳定运行。张佳音认为，人工智能的预测、判断与决策效果，高度依赖高质量、可持续更新的数据输入。然而，不少企业仍面临数据标准不统一、权限边界不清晰、系统接口相互割裂等问题，叠加历史数据积累不足、实时采集和动态更新能力有限，使人工智能难以持续进入核心业务流程。

最后，协同投入与收益分配机制要支撑跨主体持续推进。张佳音向证券时报记者表示，人工智能向全产业链渗透，本质上是一项高投入、长周期的系统工程。单一企业或部门独立承担成本，往往压力较大；而多主体分散投入，又容易带来标准分化、接口不兼容和重复建设。与此同时，数据共享、技术接入与收益分配中的权责边界尚不明晰，导致各方虽有试点意愿，却难以形成稳定、持续的协同投入机制。

破解上述难题，需要从组织、数据与资源三个层面协同推进。张佳音告诉证券时报记者，在组织层面，需要建立与人工智能应用相适应的转型推进机制。企业应明确数字化转型的责任主体和工作机制，推动技术团队与业务部门围绕具体场景协同推进流程改造、系统应用与责任重塑。更重要的是，要在持续的项目实践中形成组织学习机制，培养既理解业务逻辑、又掌握数据与算法应用的复合型人才，使人工智能真正进入关键流程，而不只是停留在局部试点。

在数据层面，需要夯实支撑人工智能运行的数据治理基础。企业应加快补齐数据基础建设，完善关键环节的数据采集、更新与治理机制，提升数据的完整性、准确性与可用性。同时，还应探索建立数据登记、使用留痕与收益分配等规则，使数据来源可追溯、贡献可核算、使用可管理，从而降低数据共享的不确定性，增强数据在产业链中的流通效率与协同价值。

在资源层面，张佳音认为，需要形成支撑跨主体合作的协同投入机制。对于产业级平台和基础系统建设，可由链主企业或行业平台牵头推进共建模式，明确统一的数据标准和技术接口，探索成本分担方式，降低重复建设和分散投入带来的低效问题。与此同时，还应进一步明晰数据共享、技术接入与收益分配中的权责边界，增强各方形成长期合作预期的制度基础。

张佳音表示，总体来看，人工智能从“单点赋能”走向“全产业链渗透”，并不是简单地把更多技术部署到更多场景之中，而是推动企业能力、组织机制与产业协作方式的系统性重构。