文章首发于：《哈佛商业评论》（2026年5月12日发表）
一家拥有二十年行业经验的制造企业，花了六个月时间部署了大语言模型，接入了内部文档，搭建了智能问答系统。上线那天，演示效果令人惊叹——模型对产品参数对答如流。
然而三个月后，这套系统几乎无人使用。原因并非模型不够聪明，而是它只会回答问题，不会完成工作。它无法跨系统调取数据、无法按企业标准判断异常、更无法在出错时自动修正。
这家企业的困境，折射出当下绝大多数企业AI转型的核心瓶颈：缺的不是模型能力，而是一套让模型持续、稳定、可控地交付业务结果的系统。
过去两年，很多企业把AI项目理解为“接一个模型、做一个聊天框、接一批文档”。这样的项目当然有价值，但它们解决的多半是问答效率，而不是经营系统本身。真正困难的部分不在于模型能不能回答，而在于它能不能在一个开放环境里连续做事——跨多个工具调用、跨多个系统、跨多个上下文窗口、跨多个角色交接，并且在很长时间内持续沿着目标前进。
这也是为什么静态排行榜越来越不够解释企业价值。一次性答对一道题，和在一小时甚至一天内稳定完成一条业务链路，是两种完全不同的能力。
对企业来说，客户不会因为模型“偶尔很聪明”而付费；客户只会因为系统“持续把事做成”而付费。换句话说，企业真正购买的不是智力峰值，而是结果的耐久性。Harness（因目前尚无统一中文译名，下文沿用英文）的出现，让把模型偶发的聪明塑造成企业可用、可控、可持续的稳定产能，成为现实。
换句话说，Harness把模型的能力从可展示变成可交付，没有Harness，智能体更像一个高潜力但不稳定的实习生；有了Harness，智能体才开始像一个被纳入规则、节奏、责任与反馈系统中的正式组织成员。
因此，企业家要把问题重新问一遍：我们到底在争夺什么？不是争夺谁先接上模型，而是争夺谁先把自己的独特资产，转化为可以被智能体持续调用、持续校正、持续积累的结果机器。
企业AI转型的四步跃迁
管理者行动指引
管理者的首要任务不是评估哪个模型最强，而是审视自身：我们有没有把独特的业务判断和执行流程，转化为智能体可以持续调用的系统资产？
明确了“可持续交付结果”这一核心命题后，下一个关键问题随之浮现：企业到底拥有哪些独特资产？答案远不止数据。
企业家最容易高估的是私有数据，而最容易低估的是私有判断和私有执行权。事实上，企业真正难复制的，不只是你掌握了多少事实，而是你如何解释事实、在什么边界内行动、遇到例外时如何处理，以及谁有权限推动真实世界发生改变。
从这个角度看，企业的独特资产至少有五类，而且它们都需要被改造，才能进入智能体时代。
企业的五类独特资产及其改造方向
识别出五类资产之后，更深层的问题是：这些资产如何才能从人能理解变成机器能调用？企业里最常见的误解，是把数据直接等同于资产。
实际上，数据只是最底层原料，只有当它被解释、被判断、被协议化以后，才会变成能驱动智能体持续工作的东西。
如果企业停在报表和摘要层，智能体最多只能帮你更快地看见问题；只有当企业进一步把“什么叫好、什么时候有风险、下一步应该怎么做、什么证据算完成”写出来，智能体才开始真正形成生产力。
数据上升为知识、判断与协议的五层阶梯
管理者行动指引
建议管理者对照上述五层阶梯，评估本企业目前停留在哪一层。如果连“判断”层都尚未外化，那么再多的数据接入也难以产生持续价值。优先将最关键的三到五条业务判断规则写成可执行的标准文档，是投入产出比最高的第一步。
