人工智能与产业的结合，正从单点试验走向系统集成。过去企业往往选一个环节做试点，现在更多考虑把模型嵌入完整业务流程。
系统集成的要求更高。模型不只要准确，还要稳定、可维护、能与现有系统对接。一个环节出错，可能影响整条流程。因此，工程能力的重要性超过算法本身。
数据治理是前置条件。企业内部的业务数据往往分散在不同系统，标准不一、口径不同。把这些数据打通、清洗、标注，工作量往往比训练模型更大。
人的角色在变化。原来靠经验判断的岗位，现在需要读懂模型输出、判断结果是否可信、处理异常情况。这对员工的知识结构提出新要求。
融合的效果需要时间验证。技术投入能否转化为效益，取决于流程再造是否到位、组织是否适应。技术只是其中一环，管理变革同样关键。