“企业AI转型（AX）能否成功，关键不在于有没有引入AI，而在于是否把要解决的问题定义清楚。企业应先明确希望通过AX解决什么业务问题，再把目标落实到营收、投资回报率（ROI）等可量化指标上。”

UnboundLabDev CEO Cho Yongmin 16日在首尔威斯汀朝鲜帕纳斯酒店举行的 Salesforce Korea“Agentforce Digital Summit 2026”上作出上述表态。他表示，如果连问题定义都没有完成，再强的技术和专家投入也很难真正产生成效。

据介绍，Cho Yongmin长期投资美国和韩国的非上市科技企业。其在演讲中提到的代表性投资案例包括法律AI公司Harvey，以及Anthropic、SpaceX、Viva Republica、Krafton等企业。

Cho Yongmin指出，许多企业在引入AI时，关注点往往集中在缩短既有工作流程所需时间，例如减少文档撰写时间或提升信息检索效率。但AI项目的目标不应止于效率改善，更应指向营收、盈利能力和客户留存率等更高层级的经营成果。

他将这类目标称为高于部门KPI一层的“Level+1”KPI，并强调企业不能把AI功能本身或工具部署率当作成果，而应先回答一个核心问题：AI究竟要在业务中创造什么结果。

以韩国两家便利店企业推出的“1+1”订货AI为例，A公司以保质期和库存为依据，将降低商品报废率设为KPI；B公司则把天气、商圈和时段等因素纳入模型，并将提升店主收益作为KPI。

据Cho Yongmin介绍，B公司在首尔江南部分门店完成试点后，虽然报废量有所上升，但店主月收入从1000万韩元增至1800万韩元。他表示，这正是AI目标从“库存效率”转向“门店收益增长”后带来的结果。

法律AI公司Harvey也是其用来说明“先定义业务目标”的案例之一。Harvey是一款面向美国律师的垂直AI服务，覆盖法律检索、文件审阅和文书撰写等核心工作流程。

Cho Yongmin认为，如果只是把通用大模型套用到部分工作环节，远远不够。只有结合行业工作流程和专业知识进行针对性设计，才能真正提升业务一线的决策效率和生产力。

他还强调，AI要真正落地，同样离不开企业自身的数据和业务语境。按他的划分，AI产业链大致可分为半导体、数据中心等基础设施层，提供通用模型的超大规模云厂商，以及面向行业场景的专业软件企业。

他表示，企业不能止步于引入通用模型，而应与沉淀了数据和流程的软件企业以及熟悉业务的一线专家协作，并把“将通用模型连接到企业具体工作和经营成果的落地环节”称为“最后一公里解决方案”。

仅靠通用AI难落地业务一线

在随后的圆桌讨论中，现场还提到，一些企业虽然已经引入通用AI工具，但始终未能转化为业务一线的实际使用。

Cho Yongmin举例称，韩国某证券公司曾面向全公司部署Copilot，但使用一段时间后，整体使用率仍不足20%。原因在于，企业在尚未明确希望改善哪些工作和决策之前，就先行下发了通用工具。

他表示，要把对AI的初期兴趣真正转化为持续使用，首先要明确哪些工作适合交给AI来完成，同时还需要能够理解行业和业务的专业合作伙伴共同参与。

Salesforce Korea产业顾问Kim Pyungho也表示，如果AI战略不够清晰，项目很容易停留在概念验证（PoC）阶段。

他指出，企业需要明确AI将承担哪些工作、能够提升多少员工生产力、将为企业收益带来多大贡献，并对所需的AI Agent及其各自创造的ROI进行量化评估，才能形成一条既能被业务一线接受、也能获得管理层认可的AX落地路径。