“光是引进有啥用”……中小企业眼中的AX绊脚石是什么

by Lee Seohee

Published 26 Nov.2025 07:30(KST)

AX 成功方程式 2026 大会召开
整体 81.4% 称“数据质量和数量是问题”
低估人工成本等导致成本预测失败
“亟需数据治理与实务型培训”

“光是摆在那里有什么用？关键是利用率很低。”

25日，在首尔江南区POSCO Tower驿三举行的“人工智能转型（AX）成功方程式2025”大会开幕环节上，XYZ代表Hwang Seongjae正在发表演讲。风险企业协会提供

25日，在首尔江南区POSCO TOWER驿三举行的“人工智能转型（AX）成功方程式 2026”大会上，一位出席的中小企业代表如此吐露心声。这位代表表示：“我们在实际制造现场引入人工智能（AI）分析不良品，结果数据收集将近一年了，用这种方式不知道要到何年何月才能真正实现人工智能转型（AX），前景渺茫”，并称“虽然引进了AI，但实际利用率似乎很低”。

国内小商户和中小企业普遍将“数据收集”视为AX的主要绊脚石。当日由创业企业协会下属AX桥梁委员会主办的活动上，致力于AX的小商户和中小企业代表，以及Oh Sanghun Luxrobo代表、Pyo Cheolmin AI3代表等业内专家齐聚一堂，分析AI难以在一线落地扎根的原因，并共同探讨解决方案。

在当天现场的开场环节中，Jeon Taebyeong Manna CEA代表表示：“由于农业领域的特性，从作物生长到枯死完成一个周期就需要3～4个月，仅数据收集就要花费很长时间”，“即便政府推进AI普及项目，也缺乏可以加以利用的绝对量数据，因此亟须找到增加数据量的方法”。XYZ代表Hwang Seongjae则表示：“数据质量决定了AI转型的成败”。

Lee Juwan AX Bringe委员会委员长25日在首尔江南区POSCO TOWER驿三举行的“人工智能转型（AX）成功方程式2025”大会上致欢迎辞。风险企业协会提供

根据当天创业企业协会以国内221家创业企业为对象开展调查后发布的结果，创业企业在AX过程中遇到的“五大壁垒”依次为：数据不足（81.4%）、成本预测失败（73.3%）、问题定义错误（73.3%）、解决方案错配（68.8%）、陷入概念验证（PoC）泥潭（64.3%）。Megazone Cloud副社长Gong Seongbae分析称：“企业在数据的质量、数量和可访问性三个方面都面临困难”，“缺乏将数据视为资产的企业文化，也没有负责数据质量清洗等工作的数据治理体系，这是根本原因”。

Gong副社长还指出，将AI导入仅视作“一次性课题”，低估为了持续维护和管理所需的追加成本，这一倾向同样是问题所在。此外，在未充分考虑内部情况的前提下套用外部解决方案，或者由于预期效果不明确，导致项目在初期导入阶段和实证阶段止步不前，未能真正进入扩散阶段的现象也被指出。Gong副社长说明称：“受访企业中有63.8%停留在初期导入和实证阶段，其中85%是员工不足50人的中小型创业企业，我们确认到其结构特点是围绕试点的实验不断重复”。

专家们综合一线难题，提出了“实现AX的三大解法”。首先，他们强调，政府应通过数据政策，对企业所持有的数据进行清洗、加工和标注，强化数据治理和质量管理支持，使其真正可用于企业运营。同时，应从培养AI高级开发者的模式转向以实务型培训为中心，让创业企业首席执行官和在职员工学习通过AI要解决什么、以及如何解决问题，从而改变人才培养方式。接着，他们指出，政府需要对“概念验证（PoC）—导入—运营—扩散”全阶段提供连续性支持，并从总拥有成本（TCO）视角构建打包式支持体系。