对话SAP 全球AI市场拓展负责人Varun Thamba：仅6%的企业认为具备AI治理能力，这个AI落地难题如何破？

AI正在以前所未有的速度进入企业，但热潮之下，一个尴尬的现实逐渐浮出水面：大量发现自己被没有做好准备。那么，问题究竟出在哪里？迎接AI企业该如何准备？

在2026 SAP中国峰会期间，SAP全球副总裁、全球AI市场拓展负责人Varun Thamba接受了采访，基于SAP最新发布的覆盖13个国家、2600位企业高管的AI调研报告（其中200位来自中国企业），深入剖析了中国企业在AI落地过程中的真实挑战与机遇。他表示，中国企业AI转型的关键，不在于技术本身，而在于数据、人才与治理三大“就绪性”的缺失。

AI任务占比将从34%升至52%，“转型点”将至

Varun首先给出了两个关键数字：

34%：当前中国受访企业平均有34%的工作任务由AI辅助完成。这些任务既包括简单的合规条款检索，也涵盖由智能体驱动的复杂工作流。

52%：中国受访企业预计两年后，AI辅助完成的工作任务占比将升至52%。

“这意味着一个量变引起质变的‘转型点’即将到来。”Varun表示，当AI与人类完成的工作任务接近“一半一半”时，企业的运营模式、组织形态都将发生根本性改变。

然而，面对这一趋势，不同企业的战略准备度差异显著。调查显示，39%的中国受访企业仍采取零散式、优先级不明确的AI管理方式，仅有18%的中国受访企业将AI纳入战略性整体优先级管理。

AI投资回报率稳步上升，但主要来自“降本”而非“增收”

关于企业最关心的ROI，Varun分享了积极信号：中国受访企业的AI综合投资回报率从去年的18%提升至今年的22%，预计两年后可达38%。其中，智能体带来的ROI增长尤为突出，未来两年有望实现超过4倍的增长。

但值得关注的是，目前AI带来的回报主要集中于“利润端”——即降本增效。例如，通过AI减少采购订单的审批环节、加速原材料决策等。

Varun认为，未来更大的潜力应在“收入端”：在完善的AI治理框架下，员工与AI协同工作，帮助企业开发新产品线、开拓海外市场，实现战略性增长。

他还特别提醒了“成本失控”的风险。许多企业高层对AI寄予过高期望，要求团队实现20%-30%的成本节约。于是，不同部门各自为政，零散地开发智能体、调用大模型，导致Token消耗量远超预期，甚至出现“用AI的成本超过雇一个人”的荒诞局面。

“这正是我们提出‘自主运营企业’的原因。”Varun强调，企业应从全业务流程出发，找到真正的瓶颈环节（如供应链或财务域），再精准投入，量化回报，而不是分散地做实验。

数据、人员技能、治理三大“就绪”缺口

调查报告中最令人警醒的数据是：仅6%的中国受访企业表示，自身已具备有效治理AI所需的完备技能。换言之，94%的企业在AI治理方面自认准备不足或无准备。

Varun将企业AI就绪性分解为三个维度：

数据就绪性：很多企业拥有大量数据（如人力资源、财务部门），但启动AI项目后才发现，数据质量不足、语义不统一、跨系统难以打通。供应链、物流等运营部门则面临数据可获得性差的问题。

员工技能就绪性：78%的中国企业表示，员工技能培训跟不上AI技术迭代的速度。67%的企业认为，AI虽然扩大了可处理任务的范围，但也同步增加了员工的工作负荷与责任压力。

治理就绪性：对于企业在专项AI治理层面的短板。Varun用一个形象的比喻：“如果一个地方警力不足，无法确保人人守法，那就是高风险地区。同样，在企业中同时运行多个智能体却无法管控，AI的使用就不具备安全性。”

当被问及中国与全球市场的差异时，Varun提出了一个独到观察：在企业级AI应用上，中国与欧美没有本质区别（ROI预期、投资增速趋同）；但在消费级AI使用上，中国尤其是年轻一代的普及率远高于欧美。

他估算，中国消费级AI的使用占比高达80%，企业级AI仅占20%，两者差距悬殊。而在欧美，这一差距小得多。原因在于，中国人在购物、移动通信、社交媒体等日常生活各方面已深度使用AI，但企业级AI尚未真正嵌入业务流程。

“这对SAP而言意味着巨大的潜力。”Varun说，“只要我们将AI真正内嵌到业务流程和系统中，中国企业级AI的普及速度会迅速提升。目前的方法往往是‘单独做AI’，而不是‘嵌入AI’。”

SAP的解决方案：三层架构，从零散走向统一

在企业加速引入AI与智能体的过程中，真正的挑战并不在技术本身，而在于如何让AI在复杂企业环境中“可用、可控、可规模化”。Varun表示，SAP从数据、员工与治理三个维度，系统性回应了企业AI落地的核心痛点。

在数据层面，SAP通过 SAP Business Data Cloud （业务数据云）构建统一的数据治理底座，并结合的SAP Knowledge Graph（知识图谱），将分散在内部系统与外部应用中的数据进行语义化整合与标准化处理。这一机制确保AI与智能体所调用的数据始终是可信、一致且可解释的，从源头解决“数据不可靠导致AI不可信”的问题。

在员工与组织层面，SAP强调AI能力必须“嵌入业务流程，而非增加学习负担”。通过在不同业务模块中部署大量智能体（如财务场景中的多类Agent），员工无需复杂AI培训即可直接调用智能能力，实现对业务决策的支持。同时，在关键流程中形成“AI建议 + 人类决策”的协同模式，让AI成为增强生产力的工具，而非替代人类判断。

在治理层面，SAP将其在ERP时代积累的规则化管理能力延伸至AI领域，通过商业AI平台中的AI Agent Hub 对企业内外部智能体进行集中编排与管理，确保所有AI行为在授权、流程与审计框架内运行，避免智能体“各自为政”的碎片化风险，从而实现端到端的可控治理体系。

他最后强调，企业不应采取“零敲碎打”的AI战略，而应借鉴SAP提供的端到端方法论，从数据、人才、治理三个维度系统推进。“AI不是一锤子买卖，它的应用周期可能长达20-30年。只有将AI与支撑运营的数据和流程深度连接，才能真正实现‘自主运营企业’的愿景。”

结语

从34%到52%的AI任务占比跃升，从18%到38%的ROI预期增长，中国企业正站在AI驱动的组织变革门槛前。然而，仅有6%的企业认为自己做好了治理准备，这一数字既是警示，也是机会。正如Varun所言，AI不是一场零散的实验，而是一场需要数据、人才与治理体系全面就绪的长期战役。SAP的“自主运营企业”战略，正是为这场战役提供了一套可落地的作战地图。