阮良在网易对话沃顿：AI进入中国企业，靠的不是模型参数

近日，沃顿商学院（GMC）代表团参访网易，网易副总裁、网易智企总经理阮良就企业 AI 落地主题进行深度分享。

台下，是40多位来自 Apple、Google、Microsoft、Meta、Netflix、McKinsey、Bain、BCG 等全球科技、咨询、投资与商业服务领域的企业高管、业务负责人、咨询顾问及沃顿教授，其中超过半数为 Director 及以上级别。他们熟悉硅谷的 AI 叙事，也长期观察大模型、Copilot 与 Agent 对企业协作的改变。但来到中国，他们更关心的不是“模型还能强到什么程度”，而是一个更现实的问题：AI 究竟如何进入中国企业，并在复杂业务系统中稳定产生价值？

阮良给出的答案很明确：企业 AI 的核心竞争，不是模型参数的短期领先，而是能否把 AI 变成可治理、可执行、可复制的企业能力。

阮良没有以宏大的技术趋势开场，而是先说明了自己的位置：“我不是一个纯粹的 AI 研究者，我是一个在企业里用 AI 解决问题的人。”

这句话，也奠定了整场分享的底色。

计算机科班出身，在网易深耕二十余年，阮良经历了中国互联网从 PC、移动互联网到 AI 时代的完整跃迁。他做过底层技术，也长期负责企业服务业务；他理解产品、系统和工程，也更理解企业经营中真实存在的流程、组织和合规压力。

因此，他谈 AI 时，关注点并不是模型能不能回答得更漂亮，而是 AI 能不能真正进入企业：能否接入已有系统，能否遵守权限边界，能否稳定完成任务，能否在安全、合规、可追溯的前提下创造业务价值。

这也正是阮良个人判断的独特性：他不是站在实验室里谈 AI 的想象空间，而是站在中国企业的经营现场里，回答 AI 如何真正落地。

在分享中，阮良提出了一个让现场管理者频频点头的观察：当一家中国企业决定引入 AI 时，管理者最先问的往往不是“大模型有多聪明”，而是四个更具体的问题：能不能跑进我的流程？能不能把事做完？能不能过合规？能不能接上我那几套彼此不通的系统？

这四个问题背后，是中国企业数字化多年之后形成的真实复杂度。

第一，数据不在一个地方。CRM、OA、IM、ERP、工单系统、知识库、呼叫中心，各类系统长期并行，业务数据分散在不同链路中。AI 如果只能在单一入口中“聪明”，对企业的价值就非常有限。

第二，合规不是上线后的补丁，而是采购前的门槛。数据权限、输出审计、行业监管、角色隔离，在中国企业的 AI 决策中往往前置发生。不能被管理的智能，无法被规模化采用。

第三，企业购买的不是工具，而是结果。中国 ToB 市场极其务实，企业愿意为明确的业务改善付费，却很少为“看起来先进”的概念长期买单。AI 只有进入流程、完成任务、交付结果，才算真正产生价值。

阮良总结说，在中国做企业 AI，本质上同时是在解决技术问题、系统集成问题、治理问题和执行问题。任何一个问题没有解决，再强的模型也很难走进企业深处。

阮良特别区分了 Copilot 与 Agent 的差异。Copilot 更像一个好助手，帮助人更快写作、总结、搜索和分析；而 Agent 的目标不是给出一个答案，而是在企业规则内完成一个目标。

这意味着，企业真正需要的不是一个“什么都敢做”的智能体，而是一个可控、可管、可协同、可沉淀的执行系统。

其中，阮良尤其强调“可沉淀”。在传统企业中，最核心的客户经验、销售判断、服务方法和管理机制，往往存在于少数专家和骨干的脑海里。一旦人员流动，组织能力就会被反复消耗。AI 时代真正值得做的事，是把优秀个体的经验转化为数字化知识和标准流程，再交给智能体持续调用。

“企业之间最深的差异，不是用了哪个模型，而是沉淀了什么。”阮良说。

这句话也概括了他对企业 AI 的核心判断：AI 不是替代企业经验，而是让企业经验被系统化、流程化、可复制。

如果说大模型解决的是“智能从哪里来”，那么企业服务要解决的是“智能如何被可靠使用”。这正是网易智企在 AI 时代扮演的角色：帮助企业把 AI 从单点工具，变成可治理、可执行、可持续进化的业务能力。

在阮良看来，AI 落地不应停留在部署一个模型或上线一个问答工具，而要贯穿业务理解、流程拆解、知识接入、权限治理、系统集成、人机协同和持续运营的完整链路。只有这样，AI 才能从“演示可用”走向“生产可用”。

这一判断来自网易智企长期服务中国企业的实践。比如在客服场景中，AI 的价值不只是回答问题，而是理解客户诉求、调用知识库和业务系统、推动问题解决，并在关键节点交由人工确认。在已落地的企业中，智能体独立解决率可达70%以上，人工介入量大幅下降，同时客户满意度不降反升。

在销售场景中，AI 的价值也不是让销售”打字更快”，而是把销冠的隐性经验拆解出来：会前准备、客户洞察、话术建议、跟进策略、商机判断，这些过去依赖个人能力的环节，正在被系统化沉淀。某头部企业接入后，新人首单周期缩短了近40%，组织也不再因人员流动反复损耗经验。

当现场嘉宾追问如何定义 AI Agent 的 ROI 时，阮良给出了一个很直接的回答：不是只看它节省了多少人力，而是看它跑完了多少过去跑不完的流程。

这也是他对企业 AI 价值的重新定义：AI 的意义不止是降本增效，更是提升组织级执行力，让那些难以标准化、难以复制、难以持续推进的工作真正跑起来。

这场与沃顿商学院 GMC 代表团的交流，也让阮良关于中国企业 AI 落地的判断，进入了更具国际视野的讨论场。

沃顿代表团成员来自全球领先科技公司和咨询机构，他们熟悉海外 AI 应用的前沿进展，也关注不同市场中企业采用 AI 的路径差异。正因如此，当阮良把问题从“模型能力”推进到“流程、治理、系统和组织能力”时，现场讨论迅速从技术比较转向企业经营本身。

这也让讨论从产品介绍升维为方法论交流——不是展示一套工具，而是解释中国企业 AI 落地的底层逻辑。懂中国企业的复杂性，懂企业服务的长期性，也懂 AI 如何从能力展示走向真实生产系统，这正是阮良在这场国际对话中传递的核心判断。

分享尾声，阮良留下了三个判断。

第一，持久价值存在于工作流之中，而不只存在于模型参数。模型会持续迭代，但跑通的流程、沉淀的知识和形成的组织协同，会成为企业长期资产。

第二，个体效率提升只是起点，企业真正买单的是组织级执行力。让一个人更快完成任务并不难，难的是让整个组织的关键动作稳定、标准、可复制。

第三，治理与安全不是创新阻碍，而是规模化前提。当智能体获得更多工具调用和任务执行权限，权限、审计、合规和安全必须成为企业 AI 的底层设施，而不是事后补丁。

硅谷向世界证明了强大的 AI 模型能做什么；中国企业现场正在验证另一件事：AI 如何进入复杂、真实、强约束的业务流程，并持续创造价值。

决定胜负的不会只是模型跑分，而是谁更懂企业，谁更懂流程，谁能把 AI 稳定接入组织运行体系，并把经验沉淀为可复制的能力。而这场与沃顿商学院的交流，正是这一判断在国际商业语境中的一次清晰表达。