企業數字化轉型的進程，同時受組織內外部的共同驅動力影響 ...
其中，內部驅動力主要在於業務的成熟化和流程的標準化，而外部的驅動力主要在於前沿數字技術的快速變革和發展。
在諸多數字技術中，除了「雲計算」、"物聯網」等支撐海量信息高效互聯與協同的基礎數字管道技術外，AI技術的發展對企業數字化轉型的促進效應也不容忽視。
早期企業數字化實踐的任務目標，大多圍繞在統一業務架構認知的基礎上，建立企業級的標準數據模型，並以標準數據模型整合各方數據源，實現跨系統、跨業務的數據貫通。
此時，數字化轉型的目標在於推動完成企業中信息流、業務流、數據流三流合一（也有四流合一的說法，還包括價值流），幫助管理者和基層業務人員從數據視角跟蹤業務現狀及發展趨勢。
在上述這個過程，數字化主要解決know what的問題。隨著企業自身業務複雜度的不斷提升，僅僅滿足了解「情況」是不夠的，還應當知道如何科學、及時、準確地應對實際問題。
當前，實現數據貫通是幾乎所有「數字化轉型中」企業必須要完成的規定動作，企業用戶可以在「觀察數據」的基礎之上人為做出經營決策或業務操作響應。
而隨著AI技術的發展和普及，數字化工作將呈現自動化、智能化的特點。當信息系統獲取了能夠反映實際業務情況的準確數據後，將逐步替代人來完成後續的「控制」行動。
要想達成這個目標，AI技術要完成「感知、決策、評價、強化」的類PDCA流程閉環。
感知，是指從採集的多源數據中提取有價值的業務結論。該環節需要用到AI領域的模式識別技術、推理技術、趨勢預測技術。期間，需要對關鍵業務事件以及影響因素進行定義。
我們一般會構建領域垂直的機器學習模型以及業務圖譜來完成對目標事件的理解，該引擎可以看作是一個專家系統。
決策，是在對業務態勢感知的基礎上，由企業的業務單元自動採取正確的行動，形成任務工單告知業務人員如何操作，或與機器人系統直連自動化完成精細可控的生產動作。
在AI領域，我們擁有多種解決決策問題的技術範式，這包括基於規則的模型、基於效用函數的模型，以及基於強化學習的模型等。當然，無論採取哪種方式，關鍵在於選擇有效的外部評價機制確保「模型參數」朝著正確的方向收斂。
評價，全面、正確的評價機制是保障智能化系統運行的關鍵。該環節與企業經營目標或戰略目標相關，而非簡單技術視角來定義。對智能系統的評價，除了考慮經濟效益，還要考慮社會效益、品牌效益、生態效益等多個維度。
我們會緊密結合企業發展階段和戰略規劃，對業務指標逐層分解，構建綜合、可靠的評價機制，使其嵌入到智能系統中，讓智能系統應用於業務足夠貼合落地。
強化，是指隨著外部環境的變化讓智能系統具有學習性、適應性、成長性。簡單講，就是在系統應用的過程中，不斷學到新的業務知識和產業經驗，從而像真正的「人」一樣在工作中逐漸精進和資深。
