“做到概念验证（PoC）并不难，真正困难的是之后的阶段。进入实际运营后，很多企业的AI项目就推进不下去了。”

Amorepacific系统架构师Hwang Taejin在谈及企业AI落地时，概括了不少项目难以走出试点阶段的三大原因：技术迭代过快、业务预期与企业实际环境存在差距，以及数据安全与成本控制压力。

在MegazoneCloud于4月2日联合全球合作伙伴举办的“ICON2026”大会主题演讲中，Hwang Taejin表示，正是这些因素，阻碍了企业内部AI的规模化应用。

谈到技术变化速度时，他表示：“ChatGPT推出后不久，Gemini就出现了，如今Claude也在快速进入市场。”在这种环境下，企业很容易产生顾虑：现在是否适合投入，技术还在持续变化，是否应该马上作出决策。

在他看来，另一个常见问题是，个人场景中用得顺手的AI能力，到了企业内部却往往难以直接复制。受YouTube和Vibe Coding等趋势带动，个人使用AI的门槛越来越低，但企业实际环境显然更复杂，这也让业务部门不断提出疑问：为什么个人可以做到的事，公司里却做不到。

数据利用和成本问题同样是企业AI落地的主要障碍。Hwang Taejin表示，企业普遍担心内部数据泄露，或在接入AI过程中被模型使用；与此同时，AI代理究竟应被授予多大权限，业界也缺乏清晰标准。另一个现实问题是，Token消耗会随着提问方式和任务结构的不同出现明显波动，如果缺少管理，成本可能快速上升。在必须证明投入产出比的前提下，一旦成本失控，项目就很难进入正式运营阶段。

针对这些问题，Amorepacific给出的路径是：与其先选模型，不如先搭建AI治理框架。Hwang Taejin表示，只有先把底层架构打牢，企业AI能力的提升才具备持续推进的基础。基于这一思路，Amorepacific围绕安全、权限控制和成本管理建立了AI治理体系，并在此基础上将三类AI代理投入实际运营。

目前，Amorepacific已投入使用的AI代理包括数据抽取代理、InQ代理和全球网络代理。

其中，数据抽取代理主要面向业务人员的数据查询需求。用户只需用自然语言提出问题，代理即可直接返回结果。过去，业务部门如需提取数据，通常要向运维团队提出请求；现在则可以自行完成即时查询。不过，Hwang Taejin也指出，这一能力并不容易落地，尤其是在引入语义层的过程中，实施难度较高。

他透露，在缺少语义层的情况下，系统准确率很难超过70%。因此，团队后来将重点从扩大可回答问题范围，转向优先提升准确率。目前，公司已部署16类语义层，并在对应问题类型上实现了100%的准确率。

InQ代理则基于检索增强生成（RAG）技术，主要学习企业内部手册，核心目标是接管原本由运维团队处理的通用咨询类工作。Hwang Taejin表示，目前约有50%的相关工作已由该代理处理，运维团队负担也随之下降。

Amorepacific目前以韩国总部为中心，运营全球法人网络。由于存在时差，美国和欧洲分支机构提交的请求往往难以及时响应。对此，全球网络代理可接收通过Jira提交的咨询，并基于已学习内容进行回复，或直接控制不同系统执行密码重置等简单操作。Hwang Taejin强调，这三类AI代理都是在先完成治理设计之后才进入开发阶段。

他还建议，企业在引入AI代理之前，应先明确几个关键问题：究竟将代理视为工具，还是作为系统来管理；权限控制是围绕代理展开，还是围绕数据展开，抑或两者都要纳入；成本应按服务维度核算，还是按用户维度管理。

“企业AI落地的核心并不只是技术本身，而是能否建立一套可持续运营的机制。”Hwang Taejin表示，Amorepacific将AI代理定位为系统，同时对权限和数据进行双重控制，并从服务和用户两个维度监控成本。在他看来，企业要让AI真正进入运营，前提是先把AI治理体系搭起来。