企业级 AI 能不能落地，卡住的往往不是模型能力，而是组织有没有准备好把它纳入治理和生产体系。过去一年，卓驭科技围绕这件事做了一系列尝试。本文整理自卓驭科技信息安全负责人田科亮在火山引擎 FORCE 大会上的分享，把其中的思考和经验分享，供同行参考。
过去这一年里，卓驭科技在解的其实是很多企业同样关心的问题 ------ 在高敏感的行业里，企业级 AI 到底怎样才能从个人提效的小工具，变成组织生产力的真变革。
卓驭科技的前身是大疆车载，目前拥有超过 1000 名研发人员，分布在 6 个城市，服务核心客户及生态合作伙伴 34 家，合作车型超过 130 个。这样的业务体量背后，对应着大量高敏感资产，比如源码、客户资料、研发文档等。因此，引入 AI 工具，不能只看好不好用，还必须经过严格的安全合规审查。
除此之外，经过多年沉淀，飞书平台已经成为卓驭科技重要的数字化底座 ------ 日常工作沟通、数据文档、流程审批、知识管理都集中在这里。要让 AI 真正走进这套体系，是系统性问题，绝不是接入一个单点工具就能解决的。
也正因为环境复杂，企业级 AI 落地时那些容易卡脖子的环节，卓驭科技在这一年里几乎都碰到了一遍。
把视野拉大到整个行业，企业对 AI 的采用率已经很高，但把价值真正兑现出来的还是少数。
麻省理工学院 2025 年的研究显示，95% 投入生成式 AI 的企业没有拿到可衡量的回报，大部分停在试点阶段，没有规模化部署。Gartner 2026 年的数据表明，只有 41% 的 Agent 项目能在一年内实现正 ROI。麦肯锡发现，使用 AI Agent 的员工平均每周节省 6.4 小时，但只有 6% 的企业实现了 AI 对税前利润 5% 以上的贡献。
三个数据指向同一个事实：AI 技术竞赛持续已久，企业级 AI 还没转化成可观的收入。卓驭科技就此提炼出一个公式：组织能力 = 技术就绪度 × 治理成熟度 × 人员准备度。
技术就绪度已经很高了 ------ 模型更强、平台更多、工具更成熟。但治理成熟度和人员准备度还没跟上。
个人级 AI 与组织级 AI，差别究竟在哪
个人级 AI 和组织级 AI 的差别并不只是"用的人多了"这么简单。
打个比方：个人级 AI 像是每个人手上都配备了一把瑞士军刀，刀刃锋利，但各自为战------高手提效、低手旁观，在组织层面的价值基本为 0；组织级 AI 则像是一套标准化手术流程，安全、可审计、可协作、由系统驱动。两者区别在于能不能进入组织的上下文。
组织级 AI 要跑通，四项能力缺一不可：
- 进入真实工作现场：深入文档、审批、知识库、日程安排等日常工作。
- 接入流程和系统：不能只是停留在一个孤立的聊天窗口，还得能调用企业内部系统 API、数据库和业务流程。
- 把经验沉淀成组织资产：高效工作流不能停留在个人 Prompt 层面，要变成标准化 Skill，让整个团队复用迭代。
- 在治理框架下持续演进：在边界范围内有序扩展，不野蛮生长。
这四项能力也是卓驭科技评估企业级 AI 时的核心标准。按这套标准筛下来，ArkClaw 企业版是当时最贴合卓驭需求的选择 ------ 它与飞书生态原生集成，Agent 存在于文档、表格、审批流和群聊中，不需要用户反复切换入口。
落地企业级 AI，卓驭科技要先回答的两个问题
从「我的一个 AI 助手」到「我们的一整套 Agent 体系」，卓驭科技在推进过程中反复回到两个问题：当 Agent 从个位数膨胀到万级，谁来统一指挥；治理的边界又该划在哪里。
问题一：Agent 从 1 到 10000，谁来统一指挥
一旦接受"组织级 AI"这个发展方向，新的问题接踵而至：当 Agent 不再是某个人手里的一个小工具，从一个变成一百个、一千个、一万个...谁来统一指挥？
当卓驭科技内部多个团队同时在提需求------研发团队要代码助手、文档生成；财务要报表分析、成本核算；法务要合同审查、合规检查。每个团队都有自己的 Agent、Prompt 和数据源，在各自的小圈子里重复造轮子，数据不打通，权限不统一，治理无从谈起。
如果没有统一管理，很快就会陷入 Agent 孤岛。
卓驭科技基于 ArkClaw 企业版搭建了统一的 Admin 底座，包含四个核心模块：统一编排、权限管理、数据边界、运行观测。所有团队的 Agent 都必须在这个底座上注册和运行。最终实现的效果是，高效的工作流被沉淀为标准 Skill，团队可以调用、优化、迭代，组织能力因此持续进化。
问题二：如何划定 Agent 治理的边界
很多人会把治理理解成限制：设计一堆规则拖慢创新速度。卓驭科技的实践证明，治理不是创新的刹车，是创新的方向盘。没有方向盘的车，速度越快越早翻车。
卓驭科技把治理边界分为四个维度：
- 数据边界：哪些数据能被 AI 使用，哪些绝对不能出企业内网，不同敏感等级的数据之间是否需要隔离。
- 权限边界：谁能调用什么系统，遵循什么授权原则。不是能访问就给权限，而是根据需求给权限。
- 责任边界：Agent 的行为必须留痕，出了问题能追溯、能定责。
- 供应链边界：技能、插件、MCP 的运行环境是否可信，第三方依赖是否可控。
德勤 2026 年报告里有一个明显的反差：74% 的企业预计在未来两年内会适度使用 AI Agent，只有 21% 建立了成熟的 Agent 治理框架。这意味着大多数企业带着不成熟的治理能力在推动 Agent 落地。治理框架的缺失是企业级 AI 落地最大的隐性风险。
治理为什么值得投入？卓驭科技的判断很直接：确定性本身就是 ROI。
企业 CIO 在 AI 时代真正购买的不是某一项技术，是确定性。这份确定性体现在三个层面：
- 看得见：调用链路可观测，工具使用可追溯，资源消耗可计量，效果可评估。
- 管得住：高风险动作可拦截，关键操作可审批，异常行为可限制。
- 说得清：行为可追溯，结果可复盘，责任可界定。
只有把这三层搭起来，团队才敢用到生产环境中。敢用，才有 ROI。尤其对于卓驭这类高敏感企业，一次严重的安全事件就足以让整个项目停摆，前期投入尽数作废。
因此，给 CIO 的选型 Checklist 有三条：组织级纪律能力够不够、确定性工程成熟度够不够、安全架构的深度够不够。
解决方案：三层递进，把安全从原则落到架构
在卓驭的落地中，"管得住"拆分成三个递进式的安全前提：
第一层：管住出口。哪些外联行为允许发生？数据有没有被随意带出？第三方依赖是否可控？Agent 的外联是否遵循最小开放原则？
第二层：管住过程。Agent 运行时能不能看见它在干什么，能不能约束它的行为，能不能审计它的调用链，高危操作能不能被拦截，会话和调用链能不能被审查，影子 AI 能不能被发现。
第三层：管住数据链路。核心问题是：敏感数据会不会裸奔？推理链路是否有可信保护？
在卓驭科技，三层前提的落地架构是：
- 出口管控：ArkClaw 负责集群统一的入口边界和管控。
- 运行时治理：ArkClaw 中的 ClawSentry 负责高危操作拦截、Skill 供应链扫描和全链路审计。
- 机密推理：AICC 保障敏感数据在可信链路中被处理。
同时按照数据密级做分级路由：普通任务走标准模型控制成本，敏感数据走 AICC 机密推理链路保证全链路加密，最高密级数据走私有化模型保证数据不出域。
在三层安全前提之外，卓驭科技还基于 ArkClaw 企业版进一步提升效率：
- 多 Agent 协同：复杂任务拆解成多个子任务，分发至多 Agent 并行执行，告别单兵作战，解决上下文不够的瓶颈。
- 全链路可观测：实时查看 Agent 的执行轨迹，决策过程透明可见，运行状态可控，过程可追溯。
- 本地客户端打通：ArkClaw 客户端在可控边界内处理电脑上的本地文件，打通云端智能和本地执行链路，补齐业务落地的最后一公里。
这三项能力放在一起，不再停留在"让一个 Agent 试着做"，而是升级成一套能协同、能观察、能管理的系统化操作能力。
场景铺开：从单点应用到价值兑现
目前卓驭科技已经跑通了多个业务场景的落地方向：
- 财务场景：报表审核、数据稽核、供应链成本核算、周报自动编写；
- 安全场景：安全行为溯源、日志自动化分析，安全团队从事后救火变成了事前预警；
- 办公自动化场景：AI 账单自动分账、资产库整理、到期设备自动通知；
- 品牌运营场景：AI 视频和图像自动生成工具帮助自动出 PPT 和海报，在很多标准物料上，出图周期从两天缩短到两小时；
场景跑通后，卓驭科技内部感受到的价值，不只是"单点任务更快了"，逐步打通了三堵墙：
- 打通系统墙：飞书文档、多维表格、邮件、群聊和内部系统开始被沉淀成可执行链路。
- 打通部门墙：从财务到 IT，从法务到运营，任务从"人传人"变成由 Agent 驱动流转。
- 打通数据墙：多云账单、经营数据等过去需要反复人工对数的信息，开始可以自动汇总与分析。
在卓驭科技内部实测，典型任务的提效幅度在 30% 到 60% ，ArkClaw 帮助卓驭把 AI 工具变成组织的能力。
结语
对于卓驭科技来说，AI 正在从个人提效工具演化为组织能力建设的一部分。企业需要的是能接入上下文、连接流程、沉淀知识、治理风险的生产力中枢。中大型企业如今更需要的不是更多的 AI 工具入口，而是组织级 AI 生产力系统。从过往的实践来看方向是对的，路径在验证中，方法必须扎实。
AI 落地最后拼的不是模型，是组织能不能接住它。2026 年，做一个建设者，而不是泡沫里的游泳者。