<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>数字化转型 &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/%E6%95%B0%E5%AD%97%E5%8C%96%E8%BD%AC%E5%9E%8B/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Tue, 29 Sep 2026 17:09:11 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>AI 救不了医疗的旧系统：问题在流程不在技术</title>
		<link>https://mylogs.cn/ai-%e6%95%91%e4%b8%8d%e4%ba%86%e5%8c%bb%e7%96%97%e7%9a%84%e6%97%a7%e7%b3%bb%e7%bb%9f%ef%bc%9a%e9%97%ae%e9%a2%98%e5%9c%a8%e6%b5%81%e7%a8%8b%e4%b8%8d%e5%9c%a8%e6%8a%80%e6%9c%af/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Wed, 02 Sep 2026 22:52:33 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[医疗AI]]></category>
		<category><![CDATA[医疗信息化]]></category>
		<category><![CDATA[数字化转型]]></category>
		<guid isPermaLink="false">https://mylogs.cn/ai-%e6%95%91%e4%b8%8d%e4%ba%86%e5%8c%bb%e7%96%97%e7%9a%84%e6%97%a7%e7%b3%bb%e7%bb%9f%ef%bc%9a%e9%97%ae%e9%a2%98%e5%9c%a8%e6%b5%81%e7%a8%8b%e4%b8%8d%e5%9c%a8%e6%8a%80%e6%9c%af/</guid>

					<description><![CDATA[部署快了，问题没变 医疗行业正以高于整体经济约 2.2 倍的速度采用人工智能，试点阶段已经结束，规模化落地正在 [&#8230;]]]></description>
										<content:encoded><![CDATA[<h2 class="wp-block-heading">部署快了，问题没变</h2>

<p class="wp-block-paragraph">医疗行业正以高于整体经济约 2.2 倍的速度采用<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>，试点阶段已经结束，规模化落地正在发生。但一份行业分析指出，多数机构只是把智能工具&#8221;叠&#8221;在既有流程之上，而既有流程本身建立在&#8221;由人审阅、由人分派、由人审批&#8221;的旧假设之上——这个假设在新技术的包装下原封未动。该分析据此给出一个尖锐判断：把人工智能装进坏掉的流程，得到的只是&#8221;更快的坏流程&#8221;，而不是&#8221;正确的流程&#8221;。</p>

<h2 class="wp-block-heading">真正的障碍是治理，不是技术</h2>

<p class="wp-block-paragraph">分析认为，技术从来不是瓶颈，真正的阻力来自组织治理。大型医疗集团并非铁板一块，而是由多个业务单元拼成，各自握有独立的利润表、供应商关系与权责边界。当流程的所有权被切分到四方，端到端的重构几乎不可能推进，人工智能项目因此长期停留在试点，即便其价值早已被验证，也没有人拥有&#8221;推倒重来&#8221;的授权。结果就是：智能工具被螺栓般焊在旧结构上，底层架构纹丝不动，问题持续累积。</p>

<p class="wp-block-paragraph">一个常被引用的量化背景是：美国医院 2025 年的利润率中位数约为 1.1%，而麦肯锡预计今后五年利润压力最高可达 13%。面对这种结构性缺口，许多机构的应对方式与过去二十年如出一辙——而分析者本人的从业经历恰恰贯穿了这些阶段：上世纪九十年代的管理式医疗试图压低成本，二十一世纪初把工作离岸外包以赚取人力差价，2010 年代又靠共享服务中心合并职能、挤出冗余。他直言，每一个杠杆都只是把成本搬到了别处，而非真正削减。</p>

<h2 class="wp-block-heading">复杂度税</h2>

<p class="wp-block-paragraph">分析进一步指出，真正的成本驱动项是内部架构：彼此分割的业务单元运行着平行流程，背负着冗余的系统，还与同一批供应商分别议价。这种复杂度像一笔&#8221;复杂度税&#8221;，从不在预算表里单独出现，却始终体现在利润、延误与那些&#8221;始终没能做出的决策&#8221;之中。一位曾负责某大型健康险企业共享服务的从业者提到，其管辖范围横跨健康险、药房与药品福利管理三大板块、约 3.4 万人，组织复杂度本身就是与外部市场同等重要的成本驱动；而当一桩 600 亿美元的并购在隔夜把规模翻倍，暴露出的正是复杂度本身。</p>

<p class="wp-block-paragraph">该分析抛出一个关键问题：如果今天从零开始、且人工智能自始可用，人们还会不会建成现在这套模样？对几乎所有既有的医疗工作流诚实地回答，结论都令人不安。</p>

<h2 class="wp-block-heading">对中国的参照</h2>

<p class="wp-block-paragraph">中国内地的医疗信息化同样长期受困于&#8221;系统林立、数据不通&#8221;的遗留架构：电子病历、医院信息系统、医保结算系统往往分头建设，标准不一、接口不通。人工智能落地时，常见做法也是&#8221;叠加&#8221;而非&#8221;重构&#8221;——把模型挂接在原有流程之外，而非重塑流程本身。近年来国家推动检查检验结果互认、建设统一的医保信息平台、推广电子健康卡，本质上正是从治理层面破解这一困局：先把数据通起来、把权责理清楚，再谈智能化的纵深应用。换言之，医疗人工智能要真正释放价值，前提可能不是更聪明的模型，而是对旧系统的勇气与权限。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6afff4b4dc438&quot;}" data-wp-interactive="core/image" data-wp-key="6afff4b4dc438" class="wp-block-image size-large wp-lightbox-container"><img fetchpriority="high" decoding="async" width="1536" height="1024" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/09/inline_1788389546275.webp" alt="医疗旧系统叠加 AI 的困境示意" class="wp-image-5985" srcset="https://mylogs.cn/wp-content/uploads/2026/09/inline_1788389546275.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/09/inline_1788389546275-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/09/inline_1788389546275-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/09/inline_1788389546275-768x512.webp 768w" sizes="(max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>示意图（AI 生成）</figcaption></figure>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>AI把18个月工期压到7个月：一次遗留系统改造实录</title>
		<link>https://mylogs.cn/ai%e6%8a%8a18%e4%b8%aa%e6%9c%88%e5%b7%a5%e6%9c%9f%e5%8e%8b%e5%88%b07%e4%b8%aa%e6%9c%88%ef%bc%9a%e4%b8%80%e6%ac%a1%e9%81%97%e7%95%99%e7%b3%bb%e7%bb%9f%e6%94%b9%e9%80%a0%e5%ae%9e%e5%bd%95/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Tue, 01 Sep 2026 14:56:17 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI落地]]></category>
		<category><![CDATA[企业AI]]></category>
		<category><![CDATA[数字化转型]]></category>
		<category><![CDATA[软件工程]]></category>
		<guid isPermaLink="false">https://mylogs.cn/ai%e6%8a%8a18%e4%b8%aa%e6%9c%88%e5%b7%a5%e6%9c%9f%e5%8e%8b%e5%88%b07%e4%b8%aa%e6%9c%88%ef%bc%9a%e4%b8%80%e6%ac%a1%e9%81%97%e7%95%99%e7%b3%bb%e7%bb%9f%e6%94%b9%e9%80%a0%e5%ae%9e%e5%bd%95/</guid>

					<description><![CDATA[老旧系统的账，迟早要还。健康保险公司 Bupa 健康保险业务首席信息官 Asifa Sherazi 用一句话概 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">老旧系统的账，迟早要还。健康保险公司 Bupa 健康保险业务首席信息官 Asifa Sherazi 用一句话概括了这种处境：「生命周期终止的技术，是一种悄悄累积、然后一次性到来的风险。」</p>

<p class="wp-block-paragraph">这句话出自 MIT Technology Review 旗下 Business Lab 播客 2026年9月1日的一期节目，由该刊 Insights 部门特约编辑 Megan Tatum 主持，另一位嘉宾是 Infosys 高级副总裁、负责澳大利亚、新西兰及东南亚地区金融保险、医疗与公共部门业务的 Sanjeev Tripathi。两人讨论的核心，是一次把 AI 真正用在遗留系统改造上的项目。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6afff4b4dd3fe&quot;}" data-wp-interactive="core/image" data-wp-key="6afff4b4dd3fe" class="wp-block-image size-large wp-lightbox-container"><img decoding="async" width="1200" height="600" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/09/6c7471554bd41d441dc0ab05b99d1b54_header.webp" alt="Bupa 首席信息官与 Infosys 高级副总裁" class="wp-image-5825" srcset="https://mylogs.cn/wp-content/uploads/2026/09/6c7471554bd41d441dc0ab05b99d1b54_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/09/6c7471554bd41d441dc0ab05b99d1b54_header-300x150.webp 300w, https://mylogs.cn/wp-content/uploads/2026/09/6c7471554bd41d441dc0ab05b99d1b54_header-1024x512.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/09/6c7471554bd41d441dc0ab05b99d1b54_header-768x384.webp 768w" sizes="(max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>图片来源：MIT Technology Review</figcaption></figure>

<h2 class="wp-block-heading">逼上门的技术债</h2>

<p class="wp-block-paragraph">Bupa 在亚太地区服务约700万客户，旗下的 My Bupa 移动应用建立在微软的 Xamarin 跨平台框架之上。而微软对 Xamarin 的支持已于2024年终止。</p>

<p class="wp-block-paragraph">对一款承担投保查询、理赔办理等关键流程的应用来说，框架停止维护带来的不只是技术风险，还有实实在在的体验损耗。Sherazi 的表述很具体：「一次登录失败不是技术事件，而是一个想查看自己保障范围却没能查到的人。」</p>

<p class="wp-block-paragraph">这也是她拒绝把延长支持当作解决方案的原因：「延长支持买到的是时间，不是未来。」最终的决定是重写——迁移到原生的 Swift 与 Kotlin。</p>

<h2 class="wp-block-heading">AI 究竟做了什么</h2>

<p class="wp-block-paragraph">Tripathi 的判断是：「AI 的出现正在从根本上改变现代化改造的经济账。」在这个项目里，AI 的作用集中在三个环节，而且都不是替代人，而是压缩人力最不划算的那部分投入。</p>

<p class="wp-block-paragraph">第一是代码理解与逆向工程。Infosys 团队用 AI 辅助的方式，从存量 Xamarin 代码中提取业务流程、规则与逻辑，直接生成可用于原生开发的用户故事和验收标准。以往这一步高度依赖业务分析师逐行读代码、访谈业务方。</p>

<p class="wp-block-paragraph">第二是文档化。AI 驱动的发现与文档生成，节省了约400小时的人工业务分析工作量，并把接近1500个回归测试场景映射到了原生开发的需求集上。这一步的隐性价值在于知识转移：原本散落在少数老员工头脑里的系统知识，被沉淀成团队共享的资产。</p>

<p class="wp-block-paragraph">第三是测试。团队用 AI 做缺陷分类与预测性缺陷分析，跑了近1400个案例，把测试资源集中投向高风险路径；同时用 AI 驱动的无障碍测试做大规模系统化验证。结果是上线时零安全类与高危级别缺陷。</p>

<p class="wp-block-paragraph">综合起来，AI 辅助让交付周期相比没有 AI 的时代缩短了约60%。内部最初的估算是18个月，实际交付用了7个月。</p>

<h2 class="wp-block-heading">数字之外的变化</h2>

<p class="wp-block-paragraph">新版应用上线后的指标变化相当直接：应用评分从3.7升到4.7；用户感知到的崩溃率在安卓端下降近24个百分点，iOS 端下降8个百分点；安卓端每次访问的登录成功率回升至77%，接近翻倍；代码库体积减少30%，应用占用空间减少18%。</p>

<p class="wp-block-paragraph">功能层面实现了100%的双平台同步发版，不再出现一端有、另一端等的情况。活跃客户中约90%已迁移到新版本，独立下载量接近180万次。此外，账单处理速度提升了4倍，代码提交到测试人员手中的时间压缩到约1小时；整体功能交付速度大约快了4倍。</p>

<p class="wp-block-paragraph">Sherazi 认为，真正的变化发生在决策的问法上：「过去是，我们的平台能不能支持这件事？现在是，这件事对客户来说是不是正确的。」而对最终用户，她的期待反而克制：「他们会注意到的是，当他们需要我们的时候——往往是在一个焦虑的时刻——它就是能用。」</p>

<h2 class="wp-block-heading">两条不该被忽略的边界</h2>

<p class="wp-block-paragraph">这次对话中最值得企业技术决策者留意的，是两位嘉宾对 AI 边界的一致态度。</p>

<p class="wp-block-paragraph">Tripathi 明确划线：「AI 不能替代良好的工程实践，它让组织能够更快地执行这些实践。良好架构、扎实工程与清晰业务目标的重要性会继续存在。」在他的展望中，现代化平台会成为更智能的 AI 驱动生态的底座，「AI 不只是附加功能，而是从设计到运营都内建其中」，客户体验将变得更个性化、更具预测性。</p>

<p class="wp-block-paragraph">Sherazi 补充的则是组织层面的心得，尤其是改造过程中充满不确定性的阶段：「领导层在那些时刻的工作，是吸收模糊性而不是传导焦虑，因为如果人们觉得可以安心地尽早报告坏消息，几乎没有什么问题是修不好的。」</p>

<p class="wp-block-paragraph">她对整个项目的定义或许是最凝练的一句总结：「我们做现代化改造，是为了赢得做下一件事的资格，并且能以周为单位而不是以年为单位完成它。」</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>约95%的AI试点无收益，问题出在人不在技术</title>
		<link>https://mylogs.cn/%e7%ba%a695%e7%9a%84ai%e8%af%95%e7%82%b9%e6%97%a0%e6%94%b6%e7%9b%8a%ef%bc%8c%e9%97%ae%e9%a2%98%e5%87%ba%e5%9c%a8%e4%ba%ba%e4%b8%8d%e5%9c%a8%e6%8a%80%e6%9c%af/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Tue, 01 Sep 2026 12:56:34 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI落地]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[企业AI]]></category>
		<category><![CDATA[数字化转型]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e7%ba%a695%e7%9a%84ai%e8%af%95%e7%82%b9%e6%97%a0%e6%94%b6%e7%9b%8a%ef%bc%8c%e9%97%ae%e9%a2%98%e5%87%ba%e5%9c%a8%e4%ba%ba%e4%b8%8d%e5%9c%a8%e6%8a%80%e6%9c%af/</guid>

					<description><![CDATA[多数AI落地失败，是“人”的问题 9to5Mac 的“Apple @ Work”播客在2026年9月1日的一期 [&#8230;]]]></description>
										<content:encoded><![CDATA[<figure data-wp-context="{&quot;imageId&quot;:&quot;6afff4b4de532&quot;}" data-wp-interactive="core/image" data-wp-key="6afff4b4de532" class="wp-block-image size-large wp-lightbox-container"><img decoding="async" width="1536" height="1024" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/09/86a70940ce2db68aa1b8bb12637c3d61_header.webp" alt="企业AI落地的人文面" class="wp-image-5817" srcset="https://mylogs.cn/wp-content/uploads/2026/09/86a70940ce2db68aa1b8bb12637c3d61_header.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/09/86a70940ce2db68aa1b8bb12637c3d61_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/09/86a70940ce2db68aa1b8bb12637c3d61_header-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/09/86a70940ce2db68aa1b8bb12637c3d61_header-768x512.webp 768w" sizes="(max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>示意图（AI 生成）</figcaption></figure>

<h2 class="wp-block-heading">多数AI落地失败，是“人”的问题</h2>

<p class="wp-block-paragraph">9to5Mac 的“Apple @ Work”播客在2026年9月1日的一期节目中，邀请行为科学家格列布·齐普尔斯基（Gleb Tsipursky）博士，讨论企业引入<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>时往往被忽视的“人文面”。齐普尔斯基是未来工作咨询公司 Disaster Avoidance Experts 的首席执行官，被《纽约时报》称为“办公室低语者”，著有数本面向职场的著作。他在节目中重点推介的新书《工作中的AI采用心理学：从抗拒到成效》（The Psychology of AI Adoption at Work: From Resistance to Results）由乔治城大学出版社于2026年9月1日出版，并经过同行评审。</p>

<h2 class="wp-block-heading">95%的试点未能带来实际收益</h2>

<p class="wp-block-paragraph">齐普尔斯基的核心判断是：大量人工智能项目折戟，根因不在技术，而在人。他引用麻省理工学院2025年的一项研究指出，约95%的AI试点或实施项目未能在损益层面产生正向回报，换言之是在亏钱。他还提到，人工智能的普及速度约为<a href="https://mylogs.cn/iqoo-16-%e9%a6%96%e5%8f%91%e7%ac%ac%e5%85%ad%e4%bb%a3%e9%aa%81%e9%be%99-8-%e8%87%b3%e5%b0%8a%e7%89%88%ef%bc%8c5999-%e5%85%83%e8%b5%b7/"><a href="https://mylogs.cn/iqoo-15-%e9%94%80%e9%87%8f%e7%aa%81%e7%a0%b4-200-%e4%b8%87%e5%8f%b0/"><a href="https://mylogs.cn/%e8%8d%a3%e8%80%80-magic9-%e5%85%a8%e7%b3%bb%e8%8e%b7%e9%a6%96%e6%89%b9-ai-%e6%99%ba%e8%83%bd%e4%bd%93%e6%89%8b%e6%9c%ba%e8%ae%a4%e8%af%81/">智能手机</a></a></a>等史上普及最快技术的三倍，正因来得又快又猛，才让组织与个人普遍感到不安。</p>

<p class="wp-block-paragraph">皮尤研究中心（Pew Research）的一项调查也显示，约半数受访者对AI感到焦虑多于兴奋，仅约一成受访者更偏向兴奋。</p>

<h2 class="wp-block-heading">三类抗拒：恐惧、身份与沉默</h2>

<p class="wp-block-paragraph">在齐普尔斯基看来，员工抗拒AI通常不是因为工具难学，而是因为它触及了与工作相关的自我价值。他将抗拒归纳为三类：一是“AI警示者”，害怕被取代，常规变革管理难以抚平这种恐惧；二是“务实抗拒者”，感到身份受威胁——当AI能写出漂亮的邮件或营销文案，恰恰冲击了这些人赖以建立专业身份的本事；三是“勉强采用者”，早已私下使用AI却不愿声张，因担心被贴标签，结果个人效率的提升始终无法转化为团队与公司的整体收益。</p>

<p class="wp-block-paragraph">这本书建立在他参与的一百多个企业AI落地案例，以及对微软、Uber及多家外包企业三十余位管理者的访谈之上。</p>

<h2 class="wp-block-heading">先安抚情绪，再谈培训</h2>

<p class="wp-block-paragraph">齐普尔斯基强调，阻力本质是情绪性的，因此必须先正视并疏导情绪，再谈技能培训。他给出乐观的承诺：任何白领知识工作者，只要真正学会使用AI工具，每天可节省两小时以上的时间。衡量成效的办法也很直接——在引入AI前后，分别计时同一工作流的用时。</p>

<h2 class="wp-block-heading">胡萝卜加大棒：不裁员，但必须学</h2>

<p class="wp-block-paragraph">对于企业领导者，他提出“胡萝卜加大棒”的组合：公司应公开承诺不因员工使用AI而裁员，并把由此省下的资源投入业务增长而非削减人头；与此同时，若员工始终不学、用不好AI而导致效率低下，仍可能成为被淘汰的理由。他引用观点认为，成功采用AI的企业，员工规模增长速度约比落后者快一成。</p>

<p class="wp-block-paragraph">他也提醒，外包与离岸岗位往往因被视为与组织情感连接最弱，而最先面临被替代的风险。</p>

<h2 class="wp-block-heading">所有人都要学会“管理AI”</h2>

<p class="wp-block-paragraph">展望未来，齐普尔斯基认为工作不会被取消，而是被重塑：每个人都将转而管理一组<a href="https://mylogs.cn/ai-%e6%99%ba%e8%83%bd%e4%bd%93%e5%bc%95%e7%88%86%e9%9c%80%e6%b1%82%ef%bc%9a%e6%9c%8d%e5%8a%a1%e5%99%a8-cpu-%e4%ba%a4%e4%bb%98%e8%a6%81%e7%ad%89-30-%e5%91%a8/">AI智能体</a>。对组织而言，真正的竞争力不在于买下多先进的模型，而在于能否把人的焦虑、身份与信任问题摆平，让AI从零散的个人技巧，沉淀为全公司可复用的生产力。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>ITC Infotech合并Happiest Minds，打造AI优先IT巨头</title>
		<link>https://mylogs.cn/itc-infotech%e5%90%88%e5%b9%b6happiest-minds%ef%bc%8c%e6%89%93%e9%80%a0ai%e4%bc%98%e5%85%88it%e5%b7%a8%e5%a4%b4/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Tue, 01 Sep 2026 01:03:20 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[Happiest Minds]]></category>
		<category><![CDATA[ITC Infotech]]></category>
		<category><![CDATA[企业并购]]></category>
		<category><![CDATA[数字化转型]]></category>
		<guid isPermaLink="false">https://mylogs.cn/itc-infotech%e5%90%88%e5%b9%b6happiest-minds%ef%bc%8c%e6%89%93%e9%80%a0ai%e4%bc%98%e5%85%88it%e5%b7%a8%e5%a4%b4/</guid>

					<description><![CDATA[一笔瞄准AI的合并 2026年8月31日，印度数字化工程公司Happiest Minds Technologi [&#8230;]]]></description>
										<content:encoded><![CDATA[<h2 class="wp-block-heading">一笔瞄准AI的合并</h2>

<p class="wp-block-paragraph">2026年8月31日，印度数字化工程公司Happiest Minds Technologies（NSE代码：HAPPSTMNDS）宣布签署最终协议，与ITC Infotech India Limited合并，组建一家以AI为先（AI First）的全球技术服务企业，目标在2028财年实现10亿美元年营收。</p>

<p class="wp-block-paragraph">ITC Infotech是印度多元化集团ITC有限公司的全资科技服务子公司。根据交易安排，ITC Infotech将先从Happiest Minds的发起人与相关实体手中收购22.1%的少数股权，总对价约1330亿卢比（平均价格约每股395卢比）；随后通过换股完成合并，Happiest Minds股东每持有81股可获得25股ITC Infotech股票。合并后，ITC有限公司将持有新实体约73.4%的股份，Happiest Minds原有股东持有剩余26.6%。</p>

<h2 class="wp-block-heading">规模与版图</h2>

<p class="wp-block-paragraph">合并后的实体将拥有超过1.9万名员工、服务800多家客户，业务覆盖30余个国家。以2026财年计算，Happiest Minds营收为2315.11亿卢比，ITC Infotech为4718亿卢比，合计约7033亿卢比，按营收规模将成为印度第11大上市IT服务企业。</p>

<p class="wp-block-paragraph">两家公司的能力高度互补：Happiest Minds擅长<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>、数字化工程、云、数据、分析与网络安全；ITC Infotech则在企业转型、SAP、产品生命周期管理（PLM）、云、工业4.0及行业专属解决方案方面积淀深厚。合并意在把“构建—智能—运营”打通，形成端到端的全栈能力。</p>

<h2 class="wp-block-heading">审批与时间表</h2>

<p class="wp-block-paragraph">该交易仍需获得印度竞争委员会、证券交易所及国家公司法法庭（NCLT）等监管批准，预计在未来15个月内完成。在获批前，两家公司将继续独立运营。合并生效后，新实体计划在孟买证券交易所（BSE）与印度国家证券交易所（NSE）上市。</p>

<p class="wp-block-paragraph">ITC有限公司董事长桑吉夫·普里（Sanjiv Puri）表示，双方互补的能力与面向未来的技术储备，将增强其跨地域交付前沿解决方案的能力。Happiest Minds董事长兼首席导师阿肖克·苏塔（Ashok Soota）称，两家公司的业务组合具有“显著的互补性”，ITC Infotech是Happiest Minds“最好的归宿”。ITC Infotech董事总经理兼首席执行官马纳斯·查克拉博蒂（Manas Chakraborty）则将其定位为“全栈AI驱动的转型伙伴”。</p>

<h2 class="wp-block-heading">印度IT服务业的整合浪潮</h2>

<p class="wp-block-paragraph">这并非孤例。今年以来，印度IT服务业整合明显加速：此前Persistent Systems宣布收购德国数字化工程公司Nagarro，意在打造营收运行率约29亿美元、员工超4.6万人的AI驱动数字化工程巨头。业内认为，在AI重塑企业IT支出的背景下，通过并购做大交付规模、补足AI与行业能力，正成为印度头部IT服务商的共性选择。</p>

<p class="wp-block-paragraph">对关注全球软件外包与AI落地的企业而言，这种“AI优先”的服务商整合路径，提供了观察印度IT产业如何把通用大模型能力沉淀为行业解决方案的样本。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6afff4b4df70f&quot;}" data-wp-interactive="core/image" data-wp-key="6afff4b4df70f" class="wp-block-image size-large wp-lightbox-container"><img loading="lazy" decoding="async" width="1536" height="1024" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/09/26169d2a177d3f19a008945570652396_header.webp" alt="AI驱动的全球IT服务与数字化转型" class="wp-image-5783" srcset="https://mylogs.cn/wp-content/uploads/2026/09/26169d2a177d3f19a008945570652396_header.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/09/26169d2a177d3f19a008945570652396_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/09/26169d2a177d3f19a008945570652396_header-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/09/26169d2a177d3f19a008945570652396_header-768x512.webp 768w" sizes="auto, (max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>示意图（AI 生成）</figcaption></figure>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>AI落地差距8.3倍：拉开距离的不是模型，是工作流</title>
		<link>https://mylogs.cn/ai%e8%90%bd%e5%9c%b0%e5%b7%ae%e8%b7%9d8-3%e5%80%8d%ef%bc%9a%e6%8b%89%e5%bc%80%e8%b7%9d%e7%a6%bb%e7%9a%84%e4%b8%8d%e6%98%af%e6%a8%a1%e5%9e%8b%ef%bc%8c%e6%98%af%e5%b7%a5%e4%bd%9c%e6%b5%81/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Mon, 31 Aug 2026 12:58:18 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI落地]]></category>
		<category><![CDATA[GPU]]></category>
		<category><![CDATA[OpenAI]]></category>
		<category><![CDATA[企业AI]]></category>
		<category><![CDATA[工作流]]></category>
		<category><![CDATA[数字化转型]]></category>
		<guid isPermaLink="false">https://mylogs.cn/ai%e8%90%bd%e5%9c%b0%e5%b7%ae%e8%b7%9d8-3%e5%80%8d%ef%bc%9a%e6%8b%89%e5%bc%80%e8%b7%9d%e7%a6%bb%e7%9a%84%e4%b8%8d%e6%98%af%e6%a8%a1%e5%9e%8b%ef%bc%8c%e6%98%af%e5%b7%a5%e4%bd%9c%e6%b5%81/</guid>

					<description><![CDATA[企业级人工智能的比较，正从「谁用上了模型」转向「谁真正把模型用进了流程」。一个刚被摆到预算会议桌上的数字是 8 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">企业级<a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a>的比较，正从「谁用上了模型」转向「谁真正把模型用进了流程」。一个刚被摆到预算会议桌上的数字是 8.3 倍——它很难再用「才刚起步」来解释。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6afff4b4e07c7&quot;}" data-wp-interactive="core/image" data-wp-key="6afff4b4e07c7" class="wp-block-image size-large wp-lightbox-container"><img loading="lazy" decoding="async" width="1536" height="864" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/82e0857241ed39ed713960ec394f9d73_header.webp" alt="企业AI落地差距与GPU预算分析" class="wp-image-5745" srcset="https://mylogs.cn/wp-content/uploads/2026/08/82e0857241ed39ed713960ec394f9d73_header.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/08/82e0857241ed39ed713960ec394f9d73_header-300x169.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/82e0857241ed39ed713960ec394f9d73_header-1024x576.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/82e0857241ed39ed713960ec394f9d73_header-768x432.webp 768w" sizes="auto, (max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>图片来源：MarketScale</figcaption></figure>

<p class="wp-block-paragraph">行业媒体 MarketScale 在 8 月 31 日刊发的分析中援引了一组来自 <a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/">OpenAI</a> 的企业侧数据：经由行业人士 Guy Weaver 在职业社交平台 LinkedIn 上转述，<a href="https://mylogs.cn/meta-%e4%bc%81%e4%b8%9a%e5%b9%b3%e5%8f%b0%e5%8f%91%e5%b8%83%ef%bc%8c%e5%89%91%e6%8c%87%e4%bc%81%e4%b8%9a-ai-%e5%b8%82%e5%9c%ba/">企业 AI</a> 采用度排名前 10% 的公司，其单个活跃用户产出是普通企业的 8.3 倍。</p>

<p class="wp-block-paragraph">这个差距指向的不是使用权限，而是执行能力——谁能把「模型可用」转化为「可治理、可规模化的工作」。换句话说，回报并不藏在下一轮概念验证里，而是藏在工作流设计、数据就绪度和员工训练当中。</p>

<h2 class="wp-block-heading">写进了规划，却没跑进业务</h2>

<p class="wp-block-paragraph">采用率的表面数字很热闹，内核却偏薄。InformationWeek 记者 Myles Suer 在 2026 年 2 月引述 Dresner Advisory Services 的研究报道称：AI 已影响 55% 企业的战略规划，但只有 25% 的企业把 AI 称为业务战略的主要驱动力，而全企业范围的部署比例仍低于 50%。</p>

<p class="wp-block-paragraph">这种撕裂会直接决定钱花在哪里。当 AI 只是「在规划里」而不是「在运行里」，预算往往先落到工具和基础设施上，随后卡在没人配人力的集成环节：数据管道、访问控制、流程归属和变革管理。</p>

<p class="wp-block-paragraph">企业之间的 AI 差距，看起来不像一场模型竞赛，更像一场工作流竞赛。</p>

<h2 class="wp-block-heading">「碎片化税」出现在跨团队协作处</h2>

<p class="wp-block-paragraph">领先企业之所以拉开身位，另一个原因是协同，而不是能力。Diginomica 在 2026 年 5 月对 Atlassian《2026 团队现状》报告的解读描述了一种典型状态：AI 让个人工作变快了，但能说清全组织层面投资回报的公司只是极少数。</p>

<p class="wp-block-paragraph">据该文报道，Atlassian 的调研发现，89% 的受访高管认为 AI 让团队工作更快，但只有 6% 能指出清晰的、覆盖全组织的投资回报；85% 的知识工作者在使用 AI，而将 AI 嵌入日常工作流的只有 29%。</p>

<p class="wp-block-paragraph">「高使用率、低嵌入率」之间的这段落差，正是价值流失的地方。如果 AI 只被当成一台捷径生成器，它会抬高上游产出量、也抬高下游返工量；如果它被嵌入需求受理、优先级排序和交接环节，它才会真正压缩周期时间。同样的模型权限，不同的系统设计。</p>

<p class="wp-block-paragraph">如果 GPU 是资本性支出，那么协同就是运营性支出，而多数公司在后者上付了两遍钱。</p>

<h2 class="wp-block-heading">GPU 集群正在变成共享算力池</h2>

<p class="wp-block-paragraph">基础设施的推进速度跑在了运营模式前面，这一点在 GPU 的使用方式上尤为明显。Data Center Frontier 在 2026 年 5 月报道了数据平台公司 Hammerspace 的报告《State of the Next Data Cycle: How do you GPU?》。该报告分析了近 1.7 万条网络讨论，并覆盖约 200 位企业技术负责人，讨论平台包括 LinkedIn、Reddit、GitHub、Discord 与 X。</p>

<p class="wp-block-paragraph">据 Data Center Frontier 报道，Hammerspace 的分析发现，2024 年末的企业 AI 采用仍偏向讨论与站位，而非生产环境落地；但企业为 AI 项目提前采购的 GPU，正越来越多地被挪用于更广义的数据处理、分析、科研计算和媒体类负载。</p>

<p class="wp-block-paragraph">对<a href="https://mylogs.cn/ai-%e6%99%ba%e8%83%bd%e4%bd%93%e5%bc%95%e7%88%86%e9%9c%80%e6%b1%82%ef%bc%9a%e6%9c%8d%e5%8a%a1%e5%99%a8-cpu-%e4%ba%a4%e4%bb%98%e8%a6%81%e7%ad%89-30-%e5%91%a8/">数据中心</a>和平台团队而言，规划口径的变化很具体：GPU 集群不再是「有单一归属的 AI 项目」，而变成共享的加速计算池。瓶颈随之转移——存储吞吐与数据搬运成为一阶约束，调度策略变得关键，而由于同一批卡在服务多个业务部门，成本分摊的争论也会更响。</p>

<h2 class="wp-block-heading">为什么回报数字总是模糊</h2>

<p class="wp-block-paragraph">2026 年 7 月 17 日，美国联邦储备委员会发布的一份 FEDS Note 提供了一个有用的框架，作者为 Paul E. Soto、Mason Thieu 和 Jeffrey S. Allen。这份笔记把生成式 AI 建设期的公开指标归入三类：能力与成本；企业投资与采用；生产率与劳动力。随后它把这些指标与通用技术的历史规律对应起来——广泛采用往往先于清晰可测的生产率提升出现。</p>

<p class="wp-block-paragraph">这对企业运营者的意义在于，它印证了一个令人沮丧但真实的处境：组织可以真金白银地投入、实实在在地干活，而宏观乃至企业内部的生产率指标依然嘈杂。此时更值得问的是「在自己的环境里，哪些先行指标正在变动」，而不是「为什么还拿不出一个干净的企业 ROI 数字」。</p>

<h2 class="wp-block-heading">四条可落地的动作</h2>

<p class="wp-block-paragraph">MarketScale 在文末给 CIO 和运营负责人列出了四项 2026 年运营计划要点。</p>

<p class="wp-block-paragraph">第一，对标工作流渗透率，而不是工具采用率——Atlassian 的调研中，只有 29% 的人把 AI 嵌入了日常工作流。</p>

<p class="wp-block-paragraph">第二，把 GPU 容量当作共享服务来管。在招标文件和内部设计中就要为混合负载（分析、媒体处理、科研）预留空间，并尽早确认存储吞吐、数据本地性与调度策略。</p>

<p class="wp-block-paragraph">第三，把「单个活跃用户产出」做成可审计的关键指标。如果管理层引用了 8.3 倍这个前沿差距，就要在自己的语境里定义「产出」到底是什么——工单关闭数、活动上线数、代码评审量——并配套治理控制来度量它。</p>

<p class="wp-block-paragraph">第四，压力测试所谓的数据底座。Dresner 的发现指向全企业部署比例不足 50%；在扩大规模之前，需要确认哪些数据集达到了生产级、哪些还缺少治理责任人，以及当 AI 助手接触这些数据时访问控制会发生什么变化。</p>

<p class="wp-block-paragraph">对中国企业来说，这套判断同样有参照价值。工具铺开容易，流程改造难；模型接入是一次采购，而把模型嵌进受理、审批、交付链条则是一场组织工程。差距被拉开的地方，往往不在模型清单上，而在没人愿意接手的那段流程改造里。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>医疗 AI 的下一关：从“采用”走到“整合”</title>
		<link>https://mylogs.cn/%e5%8c%bb%e7%96%97-ai-%e7%9a%84%e4%b8%8b%e4%b8%80%e5%85%b3%ef%bc%9a%e4%bb%8e%e9%87%87%e7%94%a8%e8%b5%b0%e5%88%b0%e6%95%b4%e5%90%88/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sat, 29 Aug 2026 22:54:41 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[医疗AI]]></category>
		<category><![CDATA[医疗信息化]]></category>
		<category><![CDATA[数字化转型]]></category>
		<category><![CDATA[飞利浦]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e5%8c%bb%e7%96%97-ai-%e7%9a%84%e4%b8%8b%e4%b8%80%e5%85%b3%ef%bc%9a%e4%bb%8e%e9%87%87%e7%94%a8%e8%b5%b0%e5%88%b0%e6%95%b4%e5%90%88/</guid>

					<description><![CDATA[医疗行业对人工智能的态度，正在发生一个微妙却关键的变化。BW Healthcare World 在 2026  [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">医疗行业对<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>的态度，正在发生一个微妙却关键的变化。BW Healthcare World 在 2026 年 8 月刊登的一篇分析指出：许多医疗机构已经跨过了&#8221;要不要用 AI&#8221;的争论，但真正决定 AI 能否改善诊疗与效率的，是它有没有被&#8221;整合&#8221;进临床工作流，而不只是被个人&#8221;采用&#8221;。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6afff4b4e1907&quot;}" data-wp-interactive="core/image" data-wp-key="6afff4b4e1907" class="wp-block-image size-large wp-lightbox-container"><img loading="lazy" decoding="async" width="1536" height="1024" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/b9d6f03946127e4e1a7d7ed64c75ac33_header.webp" alt="医疗 AI 概念图" class="wp-image-5641" srcset="https://mylogs.cn/wp-content/uploads/2026/08/b9d6f03946127e4e1a7d7ed64c75ac33_header.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/08/b9d6f03946127e4e1a7d7ed64c75ac33_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/b9d6f03946127e4e1a7d7ed64c75ac33_header-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/b9d6f03946127e4e1a7d7ed64c75ac33_header-768x512.webp 768w" sizes="auto, (max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>图片来源：示意图（AI 生成）</figcaption></figure>

<h2 class="wp-block-heading">从&#8221;要不要上&#8221;到&#8221;上了却没变&#8221;</h2>

<p class="wp-block-paragraph">文章作者观察到，两年前医生最常问的是&#8221;该不该用 AI&#8221;，如今这个问题几乎消失了。取而代之的现象是：一位医生在两位患者之间查一下 AI、读完答案、关掉标签页、继续看病——工具被&#8221;采用&#8221;了，诊疗本身却没有改变。</p>

<p class="wp-block-paragraph">飞利浦（Philips）《Future Health Index 2026》印度报告（于当月发布）用数据勾勒了这层落差：71% 的印度医疗从业者表示 AI 提升了自己接诊更多患者的能力，高于全球 50% 的水平；在感受到提升的人群中，中位数达到每周多接诊 10 名患者。与此同时，78% 的印度医疗从业者曾纠正过 AI 生成的错误信息，86% 认为每一条 AI 输出都需要人工复核；58% 的临床医生报告每年节省至少 132 小时，其中约四分之三把这部分时间用于更充分的医患沟通。另有 45% 表示所在机构的 AI 培训有限或不成体系。</p>

<h2 class="wp-block-heading">三个条件区分&#8221;采用&#8221;与&#8221;整合&#8221;</h2>

<p class="wp-block-paragraph">文章提出，区分&#8221;采用&#8221;与&#8221;整合&#8221;的有三个条件，且都与模型本身无关。其一是临床适配：在外部诊疗模式下训练出的系统即使准确，也可能因为药品目录、疾病谱、语言与本地不符而难以落地——对印度门诊而言，结核、登革热、抗生素耐药是日常，而非边缘案例。其二是可验证性：输出须能对照临床来源、且来源可见，信任来自系统架构而非宣传话术。其三是可转化的时间：节省的时间要真正流入诊疗，最明显的标志是医生不再&#8221;感觉到&#8221;技术在场。</p>

<h2 class="wp-block-heading">整合是结构性功课</h2>

<p class="wp-block-paragraph">结论很清楚：采用是个体的举动，整合是结构性的改变——系统嵌进工作流、持有诊室里患者的上下文、改变做事的方式，而不是在原有流程上多加一步。尽管报告以印度为样本，&#8221;采用容易、整合困难&#8221;的落差在各国医疗体系中具有共性。整合阶段能走多快，最终由一个又一个门诊科室决定。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>AI 智能体为何不靠谱？根子在数据不在模型</title>
		<link>https://mylogs.cn/ai-agents-trustworthy-data/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Thu, 13 Aug 2026 13:06:32 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI 智能体]]></category>
		<category><![CDATA[企业 AI]]></category>
		<category><![CDATA[数字化转型]]></category>
		<category><![CDATA[智能体]]></category>
		<category><![CDATA[机器学习]]></category>
		<guid isPermaLink="false">https://mylogs.cn/ai-agents-trustworthy-data/</guid>

					<description><![CDATA[企业的智能体（agentic AI）正在快速落地，但不少组织发现，智能体并没有带来预期的投资回报。问题往往不在 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">企业的智能体（agentic AI）正在快速落地，但不少组织发现，智能体并没有带来预期的投资回报。问题往往不在于模型不够强，而在于喂给智能体的数据基础太薄弱。一份由 MIT Technology Review Insights 与 Google Cloud 联合发布的报告，基于一项覆盖 300 位数据与技术高管的调研，把阻碍智能体的真实瓶颈摆上了台面。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6afff4b4e2779&quot;}" data-wp-interactive="core/image" data-wp-key="6afff4b4e2779" class="wp-block-image size-large aligncenter wp-lightbox-container"><img loading="lazy" decoding="async" width="1200" height="600" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/b6fa83df597f1e4b9fa299f6b7a8568c_header.webp" alt="AI 智能体为何不靠谱？根子在数据不在模型" class="wp-image-4712" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/08/b6fa83df597f1e4b9fa299f6b7a8568c_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/08/b6fa83df597f1e4b9fa299f6b7a8568c_header-300x150.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/b6fa83df597f1e4b9fa299f6b7a8568c_header-1024x512.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/b6fa83df597f1e4b9fa299f6b7a8568c_header-768x384.webp 768w" sizes="auto, (max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：MIT Technology Review</figcaption></figure>





<h2 class="wp-block-heading">从「回答问题」到「替你办事」</h2>



<p class="wp-block-paragraph">智能体不同于此前的问答式<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>：它要从企业各处调取数据——结构化的、非结构化的，还要带上正确的业务上下文，才能实时做出决策并行动。这意味着智能体必须顺畅接入运营系统，例如供应链、销售终端或人力资源数据库。</p>



<p class="wp-block-paragraph">传统的遗留数据系统，哪怕是几年前刚刚更新的版本，都很难满足这种需求。Gartner 曾预测，到 2027 年，人工智能智能体将增强或自动化一半的商业决策。如果企业不先扫清数据瓶颈，智能体就会在需要高速决策时「饿着肚子」上岗。</p>



<h2 class="wp-block-heading">数据只够到四成半</h2>



<p class="wp-block-paragraph">调研显示，受访企业的智能体平均只能访问到约 45% 的公司数据；在被归为「数据落后者」的组织里，这一比例跌到 30% 甚至更低。而少数被称为「数据领跑者」的群体，则确保智能体能访问超过 70% 的数据，它们在智能体上的成效也明显更好。</p>



<p class="wp-block-paragraph">信任度更是直接反映数据准备程度。今天，只有约一半的受访组织相信自家智能体的决策是准确且相关的；反观数据领跑者，百分之百信任智能体的决策——这强烈暗示，可靠的智能体需要一个可靠的数据底座。</p>



<h2 class="wp-block-heading">遗留系统卡住了规模与速度</h2>



<p class="wp-block-paragraph">数据显示，三分之二的数据落后者表示，遗留数据系统限制了智能体的规模化（66%），并阻碍其高速决策（68%）。而那些基本克服了遗留约束的领跑者，这两项比例都只有 8%。</p>



<p class="wp-block-paragraph">压力还在加速累积：两年内，全部受访者都计划用上智能体，其中 69% 预期会广泛使用。若不先搬开数据系统的拦路石，智能体很难兑现承诺中的速度与效率。</p>



<h2 class="wp-block-heading">优先级：打通数据，补上上下文</h2>



<p class="wp-block-paragraph">对所有受访者而言，支撑智能体规模化的最重要举措，是改善其对结构化与非结构化数据的访问；紧随其后的，是用业务上下文强化数据与人工智能治理。数据领跑者还把数据管理的自动化作为重点投入方向。</p>



<p class="wp-block-paragraph">这份报告给出的核心结论很直接：智能体的能力上限，越来越由企业数据架构与治理的扎实程度决定，而不是模型本身的演进速度。先把数据打通、标注清楚、管好来龙去脉，智能体才能真正可靠地跑起来。</p>



<p class="has-small-font-size wp-block-paragraph">来源：MIT Technology Review Insights（与 Google Cloud 联合发布）</p>

]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
