外界普遍认为，依托数据和软件成长起来的数字原生企业，往往更早将AI真正用于业务运营。但Databricks赞助、Economist Enterprise发布的2026年报告《Making AI Deliver》给出了另一种观察。

这项调研覆盖全球8个行业的1220余名企业高管，其中包括150名数字原生企业高管。结果显示，数字原生企业在AI投入意愿和应用范围上处于领先位置，但在全组织范围内将AI稳定嵌入运营体系方面，成熟度并不一定最高。

AI投入更积极，但不等于运营更成熟

调查显示，18%的数字原生企业高管将“未来两年在核心业务流程中大规模嵌入AI”列为最重要的投资优先事项。这一比例在8个行业中位居首位，约为全行业平均水平9.8%的1.8倍。排名第二的能源、石油和天然气行业也仅为12.6%。

这表明，对数字原生企业而言，AI已不只是辅助工具，而是直接影响产品、客户体验、运营方式和收入结构的关键变量。相比成本控制和合规应对，企业更核心的任务是建立一套能够让AI在关键流程中持续、稳定运行的基础设施和治理体系。

这一趋势在韩国市场也已有体现。T map Mobility正在利用大规模出行数据强化个性化推荐，同时搭建面向非数据专业人员的数据检索和分析环境。该公司还建立了更细化的访问权限和数据所有权体系，以加强数据使用边界和治理能力。其重点不只是开发模型，而是为员工安全、可信地使用数据提供统一环境。

应用范围领先，规模化运营未必同步

报告显示，数字原生企业在各业务领域的AI应用广度均高于行业平均水平。不过，报告所说的“规模化（at scale）”并不只是把AI部署到更多工作流，还包括将其稳定纳入日常运营。

按照报告定义，“Fully Embedded at Scale”意味着AI已被100名以上用户实际使用，能够按照服务水平协议（SLA）运行，并持续监测其性能和业务影响。换句话说，部署得多，并不等于已经实现稳定的规模化运营。

按这一标准衡量，数字原生企业仅在研发和产品开发两个环节排名第一。在财务环节，其运营成熟度位列8个行业中的第7；在运营与供应链环节位列第6。

相比之下，通信行业虽然只有7.9%的受访者将“AI嵌入业务”列为最优先投资事项，低于数字原生企业的18%，但在IT与法务合规、财务、销售与客户服务、运营与供应链等8个业务环节中的5个环节，表现出更高的规模化运营成熟度。

这正是报告所揭示的“AI规模化鸿沟”。问题不在于传统行业已整体反超数字原生企业，而在于后者虽然更积极推动AI项目，也更早扩大应用范围，却未必已经把这些能力真正沉淀为稳定的运营体系。未来竞争力的关键，不是启动多少个AI项目，而是能否把已上线的AI持续转化为业务运营的一部分。

高ROI不代表全组织运营能力更强

报告并未否认数字原生企业的AI投资成效。约92%的受访者表示，AI投资回报率（ROI）高于最初预期，高于全行业84%的平均水平。

但高ROI并不等同于全组织层面的运营成熟度。单个项目取得良好回报，与在多个核心业务环节中稳定部署并持续运行AI，是两类不同的挑战。

差距很可能出现在底层运营架构上。要在全组织范围内真正嵌入AI，企业不仅需要具备纳入治理的数据访问机制，还需要可信的数据管道、可观测性、模型评估、服务水平协议、成本管理、安全机制、数据血缘以及持续反馈体系。更重要的是，这些能力需要沉淀为一套可跨团队复用、可在生产环境持续监控的统一底座。

韩国游戏公司Krafton便是相关案例之一。Krafton整合了数据管理环境，并基于Unity Catalog建立统一的访问策略和数据治理体系，使多个团队能够在安全前提下共享和使用大规模数据。这也说明，AI要实现稳定扩展，依赖的不只是单个模型能力，更需要高可信的数据基础和一致的治理框架。

如果缺乏统一底座，工程团队就很难把精力集中在新产品开发和客户体验提升上，而不得不持续投入时间和成本维护数据管道、协调分散在各部门的治理规则，并重复搭建相似系统。结果是，本应用于创新的资源被重复建设和运维消耗掉。

企业竞争焦点正转向运营体系

报告虽未直接给出这一差距的成因，但已向企业提出一组更现实的问题：AI项目扩张的速度，是否快于治理体系完善的速度；不同团队和项目之间，能否共享数据与系统，并持续监测运行状态。

对管理层而言，更值得追问的不是“是否上线了更多AI项目”，而是企业是否已经建立起面向AI的统一运营底座，抑或仍停留在零散试点不断叠加的阶段。

因此，当前真正需要的不是“更多AI”，而是“更好的运营”。数字原生企业已经感受到AI带来的较高ROI，下一步的重点不应只是推动更多试点，或单靠增加机器学习工程师投入，而是把现有成果转化为可重复、可治理、可在真实生产环境中稳定运行的体系能力。

从这个角度看，起点仍是运营架构本身：数据管道与治理、AI工作负载、模型、智能体和应用，需要在同一套运营体系中打通；安全、数据血缘、监控和性能度量，也不应由各团队重复建设，而应作为可复用的公共能力统一提供。

最终，能够缩小AI规模化鸿沟的企业，并不是开展最多AI实验的企业，而是那些真正把AI沉淀为可复制运营能力的企业。对于数字原生企业来说，既然已经将AI扩张放在优先位置，下一步更需要从“叠加AI”走向“嵌入AI”，让其稳定进入日常运营和核心决策流程。