脱脚、脱手、脱眼、脱脑、全域：企业AI的“自动驾驶分级”来了

你的企业AI，到底走到哪一级了？

一家零售企业的CIO看着报表上密密麻麻的AI项目，问了一个让全场沉默的问题：“我们投了这么多，到底走到哪一步了？”

这不是一家公司的困惑，而是几乎所有正在推进AI建设的企业共同的焦虑。

当AI从一个实验变成生产工具，企业真正的难题不再是“能不能做”，而是“做到哪了、下一步往哪走、值不值得继续投”。

伯俊研究院最新发布的《企业AI智驾白皮书》，给出了一套清晰的方法论——借用汽车智能驾驶的“脱脚、脱手、脱眼、脱脑、全域”路径，把企业AI从单点辅助到目标驱动经营，组织成一条可以理解、规划和验收的L1-L5建设路径。

一、为什么需要“等级”？因为三个“普遍错觉”正在拖垮AI项目

如果没有统一标尺，企业会把聊天、问数、脚本自动化和受控执行混在一起，最终无法立项、验收和解释价值。

白皮书开篇就指出了三个普遍错觉：

错觉一：有聊天框就等于AI数字化。 多数只是L1——省打字、做检索、写初稿，不改变经营过程。看它是否持续读取真实经营数据。

错觉二：能查数就等于有Agent。 多数是L2——会问、会分析，但建议之后仍由人登录系统执行。看它是否拥有受控的写入权限。

错觉三：RPA/脚本就等于L3。 脚本按预设路径点页面，缺少正式契约、权责、审批与业务凭证。看审批后是否走白名单API并返回结果。

这些错觉并非技术团队故意夸大，而是企业缺少共同语言。业务看到的是“能不能帮我少做事”，IT关注“是否安全、是否可维护”，财务关心“投入是否有回报”，管理层则需要知道“今年到底能承诺到哪一级”。等级体系的作用，是让不同角色围绕同一组证据讨论。

二、借智驾五级，为企业AI铺一条清晰的成长阶梯

白皮书的核心创新，是借用汽车智能驾驶的成熟分级逻辑，构建了企业AI的L1-L5能力路径。

这个类比非常直观。一辆车不会因为装上一个大屏或增加一个语音助手，就突然变成自动驾驶汽车。它需要从辅助驾驶开始，一步步扩大系统承担的任务，同时不断明确人在什么时候操作、什么时候监控、什么时候接管，以及最终由谁对安全负责。

L1·工具辅助（脱脚） ：AI只在一个点替人省力，例如文案、搜索、摘要与FAQ。人全程操作，AI不持续读取生产数据，也不写业务系统。价值：省时与内容质量提升。

L2·数据协同（脱手） ：AI能读取多源经营数据与企业知识，给出分析、预警和方案草稿。但AI“只读不写”，人仍需登录系统执行。价值：决策周期缩短、分析工时减少。

L3·单域受控执行（脱眼） ：AI在一个业务域内完成取证、推理、决策包和受控写入。人只做终审，不盯中间每一步。这是商业价值分水岭——AI从“会建议”走向“能落单”。价值：开始以闭环结果计价——人工减少、毛利提升、库存改善。

L4·多域自主（脱脑） ：两个及以上已验收的L3业务域，在统一调度与风控下日常自主闭环，人主要处理例外。价值：跨域协同带来的新增价值。

L5·经营原生（全域） ：人设定经营目标与风险红线，AI网络在红线内持续调度采购、商品、定价、库存、渠道和服务。价值：以P&L、ROIC、现金转换周期衡量。

白皮书特别强调：等级由权责、写权限和API化共同决定，不由模型大小、对话轮数或智能体数量决定。 场景名称不能决定等级。同一场景可以横跨L1~L4，关键看数据、权责、写入和证据。

三、判断等级的三条硬标准

判断等级的关键，不是模型多强大、界面多漂亮，而是三条硬标准：

1. 人机权责：谁取证、谁决策、谁执行、谁接管、谁负责？这决定企业能否把过程交给AI，同时保留责任链。
2. 写系统权限：AI对POS、ERP、OMS、中台、一盘货等系统能否受控写入？这区分“会建议”和“能完成业务结果”。
3. API化程度：数据与业务动作是否通过稳定、可治理的正式接口提供？这决定能力是否可复用、可审计、可维护。

四、L3：商业价值的分水岭

白皮书用整整一章的篇幅回答一个核心问题：为什么L3是分水岭？

L2改善“看见问题”的效率；L3把取证、推理、人工终审和白名单写回连接成正式生产链。

在L2，AI的输出是分析段落、预警、方案草稿。人的动作是判断建议，并亲自登录系统执行。系统变化为零，只读。

在L3，AI的输出是含明细、依据、风险、备选方案、预期影响和Action的结构化决策包。人的动作是终审——同意、驳回或修改关键参数。系统变化是审批后通过白名单API写入，返回可核验的业务凭证。

白皮书给出了八条分水岭判据，缺一条都不能算L3：

1. 是否选定唯一业务域和明确生产范围？
2. 关键数据是否走正式只读API？
3. 是否存在业务可读的结构化决策包？
4. 是否有人工终审并允许改参？
5. 批准后是否走白名单写API？
6. 业务系统是否出现可核验凭证？
7. 全过程是否可审计且失败可控？
8. 关键指标能否用已有数据比较？

一句话定级：AI只给建议=上限L2；AI在人工终审后通过正式白名单API完成写入、返回业务凭证=具备L3验收资格。

五、五层底座：企业AI的“地基工程”

模型不是唯一短板。接入、契约、智能、控制和运营五层底座共同决定企业能走多高、走多稳。

接入层：真实经营数据能否持续进入AI链路？涉及系统连接、事件、主数据、数据时间与质量。

契约层：AI能否按稳定规则读写？涉及API、鉴权、版本、幂等、限流、错误码和日志。

智能层：能否基于证据做出可复现判断？涉及知识、规则、指标、模型、Agent、决策包和golden用例。

控制层：企业是否敢于让AI写？涉及审批、白名单、禁写、阈值、熔断、回滚和审计。

运营层：上线后谁持续负责？涉及Owner、异常台、指标复盘、版本、培训和变更管理。

等级越高，控制层和运营层越重要。L3一旦开放写入，治理不再是附录，而是产品能力的一部分。

六、实体经济场景：L3长什么样？

白皮书以零售为代表，展示了L3在真实业务场景中的落地形态：

促销冲突拦截：AI读取价格、库存、毛利和既有活动，识别冲突并生成决策包。业务负责人终审，审批后创建或调整促销草稿。返回配置ID、失败行和回滚状态。ROI参考判断：看审核工时、错促与冲突次数、活动上线周期和毛利风险是否持续改善。

补货调拨：AI综合销售、库存、在途、交期和规则，生成门店-SKU补货建议。审批后创建补货单或调拨单，回传业务单号。ROI参考判断：看人工建单时间、缺货率、补货周期和加急调拨次数。

电商活动与上下架：AI读取平台规则、商品、价格、库存、订单与已有活动，判断报名资格、配置缺口、渠道冲突。审批后创建平台活动草稿、上下架任务或异常工单。ROI参考判断：看活动准备时间、报名与配置错误、上下架时效、超卖和渠道价格冲突是否减少。

白皮书强调：场景名称不能决定等级。 同一场景可以处在不同等级，关键看数据、权责、写入和证据。AI只给建议，定级上限是L2；AI在人工终审后通过正式白名单API完成写入，并返回业务凭证，才具备L3验收资格。

七、行动倡议：从30天启动到24周验收

白皮书最后给出了清晰的行动节奏：

30天启动清单：召开定级工作坊，用自测表形成当前等级和证据缺口，盘点正式只读API和写Action条件，选定唯一首域，建立3-5个可用业务指标的基线。

首年节奏（24周完成首域验收） ：

• Q1：完成定级，打通只读数据，站稳真L2。
• Q2：锁定唯一域，完成规则、决策包、审批与写接口联调。
• Q3：小范围生产灰度，演练失败、回滚、熔断和人工接管。
• Q4：巩固同域、扩店或扩渠道，评估第二域条件。

每一个阶段都有进入条件、必交付物、签字人与退回动作。前一天未通过，不靠“赶进度”跳级。

八、90天节奏：从定级到首域验收，一步都不能跳

白皮书给出了清晰的90天实施路径：

阶段一：Discover（发现期·第1-2周）
摸清家底——现在在AI L1还是L2？哪些系统有正式接口？哪个业务域最适合先试点？
产出：定级纪要、唯一域建议、指标卡、Owner签字

阶段二：Design（设计期·第3-4周）
画图纸——AI能读什么、写什么、谁审批、哪些字段打死也不能碰。
产出：接口契约、golden用例、治理与验收方案

阶段三：Develop（开发期·第5-8周）
动手造——先保证AI能读真实数据（站稳L2），再开发“受控写回”能力。
产出：只读抽测通过、写接口联调完成、安全测试

阶段四：Deploy（部署期·第9-12周）
上路跑——小范围生产灰度，演练失败回滚和人工接管。
产出：业务凭证、异常记录、指标趋势、运维移交

关键规则：不能跳步。 第1-2周没定清楚，第3-4周的设计就是空中楼阁；只读没跑通，直接开发写回就是瞎编；灰度没过关，全量上线就是赌博。

写在最后

白皮书在结束语中写下了这样一段判断：

企业AI真正改变经营，不发生在模型给出一段漂亮建议的瞬间，而发生在建议被组织成决策包、由责任人终审、通过正式API写回业务系统，并留下可核验结果的那一刻。

这句话或许正是这份白皮书最大的价值所在。当行业还在争论“大模型能做什么”的时候，它把问题往前推了一步：“大模型做的事，怎样才能被企业真正验收、持续运营、并可复制地创造价值？”

先定级，再建设；先可读，再受控可写。这个顺序不能颠倒，也不能跳过。

报告节选