思科报告：工业AI规模化落地，核心难题不在技术而在人
工业人工智能已经从概念走向实践。思科对全球制造业、交通、公用事业等领域1000位行业管理者开展的调研显示，已有61%的企业正在部署AI，用以提升生产效率、降低成本、增强运营韧性。但在这股热潮之下，真正实现规模化、成熟应用的企业仅占20%。
据此报告认为，AI技术本身迭代迅速，可一旦走出试点阶段进入生产环境，推进速度就明显放缓。基础设施不足、网络安全风险、系统复杂度高是最常被提及的阻碍，而在这些技术问题背后，藏着更根本的制约因素——人与人、团队与团队之间的协作模式。
01
工业AI本质上是一场需要多方配合的团队协作，它身处信息技术与运营技术两大领域的交汇点。IT团队擅长网络、数据、安全与数字平台管理，OT团队精通工业流程、安全规范、设备可靠性与实时生产操作，二者能力缺一不可，却又无法单独完成AI的规模化落地。
AI不会消除这种专业分工，反而会放大协同需求。随着AI系统接入更多设备、让决策更贴近生产现场、对数据依赖度持续提升，部门间的配合变得愈发重要。一旦IT与OT各自为战，即便技术再先进，企业也难以放心地将AI投入实际生产。
思科调研显示，虽有57%的企业存在一定程度的IT与OT协作，但仍有43%的企业合作有限甚至几乎没有协作，真正深度融合的团队更是寥寥无几。这并非管理层不重视协同价值，而是要求个体同时精通IT与OT两套体系难度太大，现实中难以实现。
02
报告认为，比起强行推动部门融合，更务实的路径是强化协作。指望培养出同时掌握IT与OT全套技能的复合型人才并不现实，关键在于搭建高效协作机制，让两个团队能充分发挥各自专长，朝着共同目标推进。
实现这种协作的企业，对AI规模化落地的信心更强，网络稳定性更优，也更愿意将网络安全作为基础前提而非事后补救。与之相反，部门割裂的企业更容易出现系统不稳定、部署进度滞后、风险升高等问题。
这既是技术挑战，更是人的挑战，需要建立信任、统一沟通语言、对齐激励机制，同时需要管理层转变思路，把AI定位为跨部门共同运营能力，而非单纯的IT项目或OT试验。
03
随着AI带动连接与数据流通量大幅增长，网络安全风险急剧攀升。40%的企业将安全视为工业AI规模化的最大障碍，48%的企业将安全与网络分区列为最核心的网络挑战。
IT与OT协作更紧密的企业，往往能更早识别风险并联合应对。而在壁垒森严的组织里，风险管控常常处于碎片化状态：OT团队优先保障生产可用性与安全，IT团队侧重安全管控与合规要求，缺少协作让二者之间的平衡难以把控，AI也只能局限在低风险场景中应用。只有双方携手，才能设计出兼顾安全与生产连续性的系统，这是AI在关键生产环境落地的必要前提。
很多企业AI规模化受阻，并非技术不成熟，而是责任边界模糊。AI系统影响生产时谁来负责？性能下降或安全告警出现时谁来响应？
在AI应用更成熟的企业中，通常会通过跨IT与OT的共同治理机制，明确权责划分。这并不需要彻底重构组织架构，核心是围绕生产稳定、设备安全、运营韧性、系统性能等共同目标达成共识。长期来看，这种协作模式也有助于提升团队能力。整体有34%的企业将人才缺口视为障碍，而在AI成熟应用企业中，这一比例降至27%，说明实践与协作能逐步弥补技能短板。
想要充分释放工业AI的价值，必须打破部门壁垒，让IT与OT团队把各自核心能力汇聚到同一目标上。这个目标不是打造极少数全能型超级员工，而是组建真正互联互通的协作团队。当数字技术的敏捷性与工业生产的严谨性深度融合，AI才能从美好愿景转化为可持续的日常价值，真正支撑起工业领域的智能化升级。
