正文
（Hackfort等, 2024; Lu, 2023）
。该过程具体包含
探索、定义、开发、部署、监控
五个阶段
（Boudreau, 2012; Hao, 2024; Kohli和Melville, 2019）
。
探索阶段是指企业探索业务流程中适合进行资产化的AI用例，并识别相应的机会。
探索阶段是AI用例资产化过程中的一个起步环节，它能帮助企业明确AI用例资产化的开发、应用方向，评估其潜在价值，并为后续阶段打下坚实的基础。但在探索阶段，由于AI技术的多样性、复杂性、场景适用性等问题，找到最适合资产化的AI用例是一个巨大的挑战。AI用例资产化对AI技术的适应性要求较高，只有经过严格评估和选择的AI技术才能适应不同应用场景的需求，为资产化打下基础
（Tao等, 2018）
。同时，在早期阶段由AI用例资产化投资回报的不确定性，企业也需要慎重的进行战略决策。
定义阶段是指根据具体业务需求，明确AI用例资产化的目标、范围、应用场景和预期成果。
定义阶段为后续的AI用例资产化的开发、部署和监控阶段提供了明确的方向。在定义阶段，由于各部门、各个应用场景的需求多样性，定义统一的标准化AI用例存在挑战。同时，确保模块化的AI用例是否能够随着时间的推移而扩展，以满足不断变化的业务需求，具备广泛适用性和可扩展性
（Nambisan, 2017）
，对于企业的AI技术水平提出了较高的要求。
开发阶段是指企业根据需求进行AI用例的研发过程，将AI用例从概念和设计转化为实际可用的产品或服务。
在该阶段，企业要将之前定义的AI用例进行实际的开发、测试和优化，使其成为可复用的资产。然而，在这个过程中，企业需要高质量的数据与强大的数据处理能力，以确保AI用例的实际使用效果。对许多制造业企业而言，每周都会产生百万兆字节的新数据，所以收集、连接和分析这些数据可以帮助企业更好地开发与应用AI用例
（Hajli等, 2020; Sjödin等, 2021）
。此外，将AI用例与现有业务系统集成过程中会涉及复杂的接口开发和系统调试，因此，这要求团队具备较强的技术创新能力，使企业从复杂的数据中捕捉到细微模式、发现市场机会，并在各种业务环境中做出精准的决策
（Jarrahi, 2018; Shepherd和Majchrzak, 2022）
。
部署阶段是指将开发、测试完成的AI用例进行“打包”，以部署至组织内外部的实际业务场景中，使其能在所需环境中正常运行和提供服务。
将AI用例与既有系统相结合，对AI用例的可扩展性提出了较高要求。由于AI用例是由不同的AI技术组成，例如机器学习算法、计算机视觉识别技术等
（Gregory等, 2021）
，所以在某个企业使用有效的AI用例，复制到另一个企业时可能就无法达到同样的效果，导致AI用例的复用范围和次数受限。企业需要解决AI用例的兼容性和扩展性等相关问题，以确保AI用例和既有系统结合后能正常、稳定运行。同时，面对运行环境间的差异性，需要AI用例的开发人员与相关部门之间进行协作
（Leone等, 2021）
，确保AI用例能够在不同环境中稳定运行。
监控阶段是指通过一系列的标准化流程，跟踪、评估和维护AI用例的性能，建立反馈机制，并对存在的问题进行优化，以确保AI用例能够达到既定的使用效果。
在这个过程中，需要AI用例资产化的各方参与者之间明确规则、标准和流程，以指导和开展有效合作；同时，根据监控结果和使用反馈，对AI模型进行必要的调整和优化，以提高其性能
（Metcalf等, 2019）
，实现AI用例资产化的反馈优化。该过程需要部门间进行技术知识和项目信息的有效共享，但在实践中往往难以实现，获取真实有效的用户反馈具有挑战性，用户可能不愿意或者无法提供有用的反馈。此外，当前还未形成有关AI应用的统一行业标准，企业的AI用例具有一定的保密性，因此形成了“信息孤岛”。这种信息孤岛问题阻碍了AI用例的迭代优化，也导致了工作重复、资源浪费或项目延期。
表2 AI用例资产化的五个阶段
注：笔者根据前期调研总结。
掌握AI用例资产化过程有助于制造业企业系统地规划和执行各阶段的任务，了解会遇到的潜在挑战。
推进AI用例资产化的能力模型
探索阶段，企业需要构建导航能力。
在探索阶段企业需要制定和实施AI用例资产化的配套战略，以确保AI用例资产化方向与企业整体战略相一致
（Porter, 1985; 蔡莉等, 2023）
。在这一过程中，企业需建立导航能力，了解和预测市场趋势，并评估AI技术的最新发展，为企业在复杂环境中引导AI用例资产化的方向，确定清晰的目标与战略。导航能力有助于企业在不确定性的环境中保持正确的方向，克服挑战，为最终实现AI用例资产化奠定基础。例如，谷歌在2014年收购了DeepMind，并于2016年宣布从“Mobile First”转向“AI First”战略，此后开始构筑企业在AI领域的竞争优势。谷歌先后发布了AlphaGo
（阿尔法围棋）
