The AI Report 2025 —— Centric 专访

问题：

您认为我们目前正处在人工智能发展曲线的哪个阶段？从人工智能被视为一个极其宽泛的能力和承诺集合，到它成为应用和服务的基础，能够在明确的领域带来可衡量的投资回报之间，进展到了哪一步？

回答：
我们正进入这样一个阶段：人工智能不再只是一个投机性的技术，而是在恰当的护栏下，逐渐成为一个实用的虚拟伙伴，能够切实提升企业绩效。在Centric，我们专注于将人工智能嵌入到真实的业务流程中，而不是将其视为一个孤立的现象。我们的战略强调的是在客户领域模型的结构化和验证语境下运行的AI代理，通过Centric的 OOTB（开箱即用）语义支撑——涵盖超过1000个业务对象，跨越PLM、计划、定价、市场情报、PIM等。

投资回报的基础在于把人工智能应用到真实的企业工作流中，让AI增强而不是替代人类输入。比如：基于AI生成设计的自动BOM创建，或者预测性的定价建议，这些实施方案都在以可衡量的方式提升效率和决策质量。我们现在已经在产品全生命周期支持100多个AI应用案例，这充分说明了人工智能正从理论走向企业价值交付。

问题2
各个行业普遍存在一种倾向：把人工智能当作“魔法棒”，不仅能解决长期存在的业务挑战，还能解决信息碎片化、流程孤岛以及企业级数据治理等根本性问题。Centric显然看到了不同类型的人工智能（从生成式灵感到需求预测）应用于现有系统和结构的可能性。那么您认为，组织必须先建立好这些系统和结构的重要性有多大？如果在一个分散的技术环境上叠加人工智能，它还能创造价值吗？

回答：
没有坚实的数字化基础，AI 就只是噪音。我们一再发现，最有影响力的人工智能应用往往出现在基于高完整性、良好结构的数据和流程环境中。Centric Software的价值在于帮助品牌将人工智能融入统一架构中——从 Centric PLM™、Planning™、Pricing & Inventory™，到产品信息管理、数字资产管理、产品内容分发和数字货架分析（Centric PXM™）。在这些环境中，企业信息语义、流程和业务规则已经被编码，从而增强了任务自动化和决策支持。

在企业语境中，人工智能必须叠加在一个能捕捉业务细微差别的统一模型上。比如，定价策略中的相似性检测，若能结合来自PLM的功能性数据（属性、材料）和基于市场的需求价格弹性，效果会更强。而分散的技术堆栈会严重限制这种能力。我们的作用是打通孤岛，使决策能够依赖完整且可信的数据集。没有这样的基础，AI可能会生成误导性的、无法执行的或次优的洞察。

问题3
当我们思考产品信息存储在哪里、流程指向哪里时，很快就会想到PLM的核心地位：这是核心和扩展产品数据的唯一可信来源，是关键决策发生的地方，也是其他关键系统的回溯点。如果在一个品牌的整个解决方案堆栈中都应用了人工智能，那么PLM的角色会发生怎样的变化？作为企业级人工智能战略的核心，合适的PLM平台又能创造哪些新的能力和可能性？

回答：
PLM 的角色已经演变——从数据管理，到流程编排，再到协同业务并发。而如今随着人工智能的引入，它已进入决策支持的阶段。当人工智能集成到现代PLM系统的核心时，它能实现动态的、语境感知的决策，这些决策不仅基于历史数据，还结合了当前趋势、业务规则和预测性洞察，并与企业文化相契合。

Centric PLM不仅是一个存储库；它是运营的中枢。通过将AI代理植入该领域模型，我们使用户能够执行完全符合企业政策和流程治理的AI辅助决策。比如，材料推荐可以在PLM内部与已批准的供应商和可持续发展目标进行验证，并动态结合LLM模型增强搜索所获取的全球知识，在降低风险的同时加速创新。这不是理论，我们已经在与领先零售商的项目中看到实践——比如通过AI支持的设计到BOM自动化工作流。关税复杂性管理也是AI能带来实质影响的典型场景。

问题4
显然，人工智能的推广在创意社区引发了摩擦和不确定性，同时也在典型产品旅程中涉及的各种角色和学科中掀起了不安。总体上，专业人士担心自动化意味着失去控制，甚至在中长期失去岗位。这对任何组织构建战略性、全面的转型来说，都是不牢靠的基础。但如果我们共同相信人工智能将推动这一转型，就必须让不同的社区和终端用户获得正确的认知，理解其价值并影响其方向。您认为应该如何应对？

回答：
关键在于务实转型，而非技术布道。我们与客户合作，确保AI的引入是补充而不是威胁现有角色。我们的战略基于“人机协同”模型：AI增强用户决策，自动化重复性任务，并在合规、可追溯性和问责制的要求下创造新的创造力和价值机会。

我们同样认识到扩散曲线的存在。我们并非追逐AI零售的热潮，而是致力于以真实、可衡量的改进跨越采用鸿沟。这需要透明性、可解释性和明确的投资回报。我们提倡与组织文化相契合的治理模式，因为成功的人工智能不仅仅是功能性的，它还是文化性的，应该通过持续学习来改善我们的运营。

问题5
在具备合适的数据基础、文化和变革管理战略的前提下，您认为未来1-2年内，哪些具体的AI应用场景会最有力量？总体愿景是不同岗位都能为更好的产品成果、实时决策和盈利表现做出贡献，但更具体地说，阅读本报告的企业应当如何在计划、定价、设计、内容和其他领域优先投资人工智能？

回答：
在短期内，我们预期最大的投资回报将来自任务自动化和智能互补，例如AI辅助的产品组合规划、预测性定价、内容生成和设计模拟。我们看到采用速度最快的应用场景，是那些AI作为“副驾驶”的领域——加速BOM创建、文案撰写和趋势驱动设计等流程，而不取代人类判断。

从优先级的角度看，企业应当从数据可信度最强的地方开始。对很多公司来说，这意味着从PLM入手。稳固的PLM基础能让基于AI的计划和定价决策真正反映产品约束、市场数据和客户行为。从高影响、低风险的领域起步，然后逐步扩展。我们的客户已经通过这种分阶段、务实的方法实现了上市时间缩短高达60%，利润率提升15%。

问题6
您认为人工智能的未来部署和使用将走向何方？它更有可能成为工具和工作流的前端界面，一种新的“人机交互”范式？还是更接近于如今的云基础设施——虽然不那么显眼，但却是下一代应用的基础？还是两者兼具？

回答：
两者兼具。人工智能将既是“隐形基础设施”，也是“可见界面”。我们已经在嵌入类似代理的功能，它们能导航工作流、辅助决策并确保遵守业务规则。这些代理不仅是聊天机器人，而是语境感知的协作者，能够基于语音或文本输入执行跨Centric应用的任务。

与此同时，人工智能也正在成为新能力的核心驱动引擎，比如动态定价优化和市场趋势分析。这些不是华丽的界面功能，而是幕后强大的引擎。从这个意义上说，AI同时承担着界面和基础设施的双重角色，深度嵌入企业技术堆栈，重塑业务在各个层面的运作方式。