近日，国务院正式颁布《关于深入实施“人工智能+”行动的意见》（下称《意见》），为我国人工智能与各行业的深度融合发展指明了清晰方向。《意见》提到，在“人工智能+产业发展”方面，要加快实施培育智能原生新模式新业态、推进工业全要素智能化发展等重点行动。通过深入学习并结合自身工作实际，笔者对“人工智能+”在钢铁行业的应用有了诸多深刻感悟。
当前，在全球经济形势复杂多变的背景下，钢铁行业正深陷产能过剩与需求低迷的双重困境，亟须探寻新的生存与发展路径。企业应围绕极致成本、极致效率、极致效益的目标，借助新技术与新思维推动商业模式创新、持续优化生产工艺，以此推动企业实现高质量发展。
一是组织流程优化创新。当前，人工智能技术发展已形成清晰的三阶段演进路径：从辅助性工具（第一阶段）到人机协同作业（第二阶段），最终迈向智能体自主决策（第三阶段）。现阶段，大部分企业正处于从第一阶段向第二阶段转型的关键窗口期，预计未来5年将有更多企业突破至智能体决策阶段。这一技术跃迁将引发组织形态的根本性变革，即部门架构趋向扁平化，管理对象从“以人为核心”转向“智能体—人类协同体系”，管理者角色将聚焦于目标框架设计、资源动态配置与结果价值评估，而具体执行环节则由具备自优化能力的智能体通过算法闭环高效完成。
因此，未来组织重构需建立三维协同机制。在架构设计层面，需明确定义智能体角色定位与权限边界；在流程优化层面，需系统规划人—人、智能体—智能体、人—智能体3类交互路径，配套建立动态反馈机制与应急响应预案；在效能评估层面，可引入OKR（目标与关键成果）目标管理体系，使智能体具备自主目标解析、资源智能调配及结果自动反馈能力。当然，人工智能介入不是按照岗位进行替代，而是在任务层面产生差异化影响，即人工智能的替代效应呈现显著的任务粒度特征。
在财务领域，数据录入、报表生成等规则明确、逻辑封闭的任务已实现95%以上的自动化替代；而在市场分析场景中，智能体可独立完成80%的数据采集与基础建模工作，但战略洞察、异常归因等复杂决策仍需人类专家介入。这种差异化影响要求企业构建标准任务全自动化、专业判断人机协同、创新领域人类主导的梯度能力体系，在审计合规、客户关系管理等场景中形成“智能体处理标准化流程+人类专家把控关键节点”的协作模式，最终实现组织效能的指数级提升。
二是加强人才体系建设。在智能制造大会上，周济院士指出“智能制造以人为本”的核心要义。产业变革既迫切需要一支兼具技术深度与业务洞察的高素质建设队伍，也必将通过实践淬炼出适应智能时代的新型人才梯队。
当前，智能制造的推进已突破单一主体边界，形成企业主导、供应商协同、科研院所支撑的创新生态，其显著特征在于业务专家正从幕后走向台前，与IT（信息技术）团队形成业务理解、技术实现的双轮驱动。传统人才价值评估体系以执行力权重占优为特征（执行性工作占比80%），导致创新思考空间被压缩；而智能时代通过人机分工重构价值坐标，在协作模式下，AI承担80%标准化执行，使人得以聚焦20%的高阶认知活动；至智能体决策阶段，人类更将专注于1%的决策核心（战略方向、创意突破、价值判断）。这种变革倒逼人才培养体系革新，需构建“高校理论奠基、企业场景锤炼、培训机构技能强化”的三方协同机制，通过动态调整培养方案、优化知识结构、创新激励机制，实现人才能力从执行导向向创新驱动的战略转型，最终打造出既懂工业机理又通数字技术的复合型领军人才队伍。
三是供应链从智能感知到智能决策。通过搭建全维度可视化的供应商网络生态平台，企业可实现产业链纵向贯通与横向协同，形成覆盖需求预测、供应调度、风险预警的数字化运营闭环，建立端到端的韧性链条，确保供应链在复杂市场环境下的稳定运行。
在供应商管理层面，钢企应以物料属性为核心分类维度，综合评估战略价值、资源稀缺性及供应风险，构建战略采购、价值采购、价格采购、阳光采购管理体系，并针对不同层级匹配定制化合作策略，实现资源精准配置与供应弹性优化。
在决策智能化升级方面，以订单为数据主线，深度整合内部交易与采购执行信息，同时以产业运营为数据生态，实时捕获外部技术服务、生产履约、金融信贷、物流动态及突发风险等多维信号，构建内外双循环的智能感知网络。通过将供应商分级策略、绩效评估模型与动态风险图谱深度融合，形成采购战略的数字孪生推演能力，实现从品类需求预测到成本弹性控制的精准决策闭环，有效破解量价矛盾。最终依托大数据与AI算法，对未来供应链趋势进行场景化模拟，输出具备前瞻性的智能决策方案。
四是打造商业新模式。通过系统化数据治理与数据资产价值化运营，企业可深度挖掘数据要素的商业潜能，在行业生态中构建差异化盈利模式。一方面，可依托自身场景优势，推出SaaS服务（按吨钢节约成本分成收费），或搭建冶金领域专业知识付费平台，将工艺诀窍、故障案例等隐性知识显性化变现。另一方面，可探索数据要素确权交易，通过脱敏后的生产数据、设备状态数据等形成行业级数据产品。企业更可孵化独立科技实体，以轻资产模式开展上述创新业务，实现从传统生产商向综合解决方案提供商的战略转型。
综上所述，数字化转型作为一项系统性工程，既需要持续性的大规模资金投入作为支撑，又需以科学规划为引领、分阶段务实推进。行业主体应积极响应国家“人工智能+”战略部署，推动智能技术应用从设备层单点突破向全流程智能协同演进，构建覆盖原料配比、工艺控制、质量检测等环节的自主决策体系。
未来5年~10年，随着AI算法与冶金机理的深度融合，全流程自主闭环控制等创新范式将重塑产业技术架构，有望实现从经验式制造向数据智能制造的范式跃迁。为此，笔者建议强化政策供给力度，重点支持具有行业示范效应的“AI+”冶金标杆工程，在算力补贴、数据开放、标准制定等方面给予系统性扶持，加速培育新质生产力，助力我国钢铁工业在全球技术竞争中占据制高点。
