93% 的 IT 领导者计划部署智能体，真正跑出规模化的只有 23%。两个数摆在同一章的开头，中间那道沟就是这份研究想解释的事。

中国信通院这份 58 页的框架研究把企业转型排成四步：先定场景，再改组织，再给数字员工编号，最后才谈安全和交付。四个动作有先后，跳一步，后面就要返工。

智能原生不是技术等级，是一道抽离测试：抽掉 AI，核心流程跟着塌，才算数。

第一步是定场景，不是选模型

抽离测试回答你现在站在哪一级，不回答第一步该做什么。这份研究把第一步写成了定场景，不是选模型。

它的做法是从场景倒推：对齐战略与痛点，拆业务流程，再从数据、系统、人才、组织、成本、安全六个维度判可行性。安全合规是一票否决，不满足的场景价值再高也不启动。

中铝从矿山、冶炼、加工等六个领域挑出 16 个高价值场景，每个配一套数据集，模型在下游任务上平均提升 15% 以上。广东电网用两轴交叉出场景图谱：技术侧按算力、数据、算法、平台、安全梳理供给，应用侧按四个业务域拆链条。

这两级不是依次更替，同一家企业常横跨两级，这划分的用处是定位，不是排名。

第二步改组织，第三步给智能体编号

场景定完，第二个该动的不是技术底座，是岗位说明书。研究里那句话很硬：单点效率越高，跨环节对齐与等待的占比越高。

微软问过 10 个市场 2 万名知识工作者，只有 13% 说结果没达预期也会因重塑工作方式受奖励。招商局把这件事写进制度：三级权责、136 场培训覆盖 4.7 万人次、关键岗位认证 160 余人。

组织改完，第三步才轮到给智能体编号。中信证券借自动驾驶分级，把数字员工定成 L1 到 L5，每人一个全局唯一编号，按效率、质量、成本、体验四维考核，绩优的优先配算力，低效的合并下线。2025 年它封装了 120 余个岗位，上线 24 个，全年调用 Token 超 2000 亿。

编号只是入口，底座还得自己搭：数据、知识、本体三层建模，决定智能体能不能落在你的业务对象上。

第四步才谈安全和交付

安全与交付被排到最后，不是因为不重要，是前三个动作没做完，防护没有落点。麦肯锡 2026 年 3 月的信任度调研里，企业最担心的已经不是模型：不准确 74%，网络安全 72%，合规 63%。中国电信把安全做进架构，四层防护，集团级评测通过率 98.2%。

交付端靠把工程师放到一线。阿里云与北京大学国际医院 3 周交付 7 类患者服务场景，打通 24 个系统接口，意图理解与召回准确率 90%，覆盖 150 万患者。

前提是对业务结果负责，不对工时负责。合同还按人天结算，前置交付就会退化成派驻。

为什么读它，以及它没指出什么

它没指出什么，翻到最后一页就清楚了：7 个实践案例全是被选中的正面样本，一次翻车都没有，整份稿子找不到一张投入产出表，成本只给方向不给数。

这点要注意：它给的是先后顺序，不是工期。别拿这四个动作直接排 180 天计划，每一步要多久、第一个场景跑几轮，这份稿子一句没写。

它的核心价值在于把智能原生拆成能判定的三级：抽掉 AI 之后流程还转不转，一测就知道自己站在哪一级。

做战略的能拿走三级划分表，它把路线变成三条可判定的线；做技术的能拿走五层技术体系和本体三层，比多数厂商的方案手册实在；做组织的能拿走招商局那组数，136 场培训背后是制度，不是活动。

企业转型最要紧的还是第一步：先定场景，这一步账面上看不到任何智能化进展，但场景定错，后面三步全是返工。

报告原文节选