12月13日，广州天河区，四位深耕IT服务管理领域多年的行业专家齐聚一堂。他们既是技术的实践者，也是转型的引领者。在AI智能体技术席卷而来的2025年，他们有着怎样的洞察与思考？对于IT从业者的焦虑与困惑，他们又有什么建议？本刊主持人对四位专家进行了深度访谈。

---

对话长河：从"解题者"到"出题者"的认知跃迁

主持人：长河老师，您在现场做了一个关于AI使用时长的调研，结果显示大部分IT从业者使用AI不足100小时。这个数据出乎您的意料吗？

长河：其实并不意外。我接触过很多IT从业者，发现大家对AI的认知普遍停留在表面。很多人觉得自己用过ChatGPT、文心一言就算"懂AI"了，但实际上只是浅尝辄止。真正的理解需要深度使用，需要在各种场景下反复实践、试错、优化。

主持人：您提出了一个很犀利的观点——把AI当成"高级搜索引擎"是最大的认知误区。能详细解释一下吗？

长河：这是我观察到的最普遍问题。很多人使用AI的方式就是：提一个问题，得到一个答案，然后就结束了。这和用百度、谷歌有什么区别？真正的AI使用应该是对话式的、迭代式的。你要学会追问、引导、纠偏，甚至让AI扮演不同角色来辅助你思考。

【图片2：长河老师分享AI认知的转变】

主持人：您现场演示了5分钟生成完整讲义的案例，这背后的技术原理是什么？

长河：（笑）其实技术原理并不复杂，核心是提示词工程。我用的是深度访谈法，让AI通过多轮对话来收集信息。比如让它问我"主题是什么""目标受众是谁""希望达到什么效果"，然后基于我的回答生成结构，再逐步填充内容。关键不在于技术有多高深，而在于你如何设计这个对话流程。

主持人：您给出的六个月转型路线图在现场引起了很大反响。但也有人质疑，六个月真的够吗？

长河：这是个好问题。我必须澄清，六个月不是让你成为顶尖专家，而是让你具备基本的竞争力。第一个月你可能还在适应，第二个月开始上手，第三四个月做项目积累经验，第五六个月开始产出价值。这是一个最小可行路径。

但更重要的是什么？是持续学习的心态。AI技术每天都在进化，你学会的东西可能三个月后就过时了。所以真正的能力不是掌握某个具体工具，而是快速学习新工具的能力。

主持人：您强调AI时代人类的优势从"解题能力"转向"出题能力"，这对IT从业者意味着什么？

长河：传统的IT工作很多时候是在解决已知问题——系统出故障了，找原因修复；需求来了，设计方案实现。但在AI时代，这些"解题"工作很多都能被自动化。

真正有价值的是什么？是发现问题、定义问题。比如，发现业务流程中哪个环节可以优化，定义一个AI智能体应该具备什么能力，判断哪些场景值得投入资源去改进。这些需要业务洞察、战略思维、价值判断，是AI目前做不到的。

主持人：最后一个问题，您认为IT从业者最大的挑战是什么？

长河：不是技术，是心态。很多人陷入一种焦虑：担心被AI替代，又不知道该学什么。我想说的是，不要把AI当成敌人，也不要把它当成救命稻草。它就是一个工具，一个非常强大的工具。

关键是你要清楚自己的价值定位。如果你的工作完全是重复性的、规则明确的，那确实有被替代的风险。但如果你能往上走一层，去做那些需要创造性、需要判断力的工作，AI反而会成为你的助手。

老虎来了，你不需要跑得比老虎快，只需要跑得比别人快。这句话听起来残酷，但这就是现实。行动起来的人已经在跑了，你还在犹豫吗？

---

对话丁振兴：运维人的价值在AI时代如何重新定义

主持人：丁总，您是广东乐维软件的创始人，在智能运维领域深耕多年。您怎么看待AI对运维岗位的冲击？

丁振兴：冲击肯定是有的，但我更愿意说是重新定义。传统运维做什么？监控、告警、故障处理、例行巡检。这些工作很重要，但说实话，重复性很强，技术含量相对有限。

AI智能体的出现，让这些基础工作可以被自动化。但这不是坏事，这解放了运维人员去做更有价值的事情——比如系统架构优化、容量规划、灾难恢复演练、业务连续性保障。这些需要深度思考的工作，才是运维的核心价值。

【图片3：丁振兴老师讲述智能运维的实践经验】

主持人：您提出的五层智能体架构很有创新性。能介绍一下这个设计的初衷吗？

丁振兴：这个架构是我们团队多年实践的结晶。我们观察人类是如何处理运维工作的：首先要感知环境（看监控数据），然后回忆经验（查看历史案例），接着制定方案（分析根因），再执行操作（修复故障），最后总结优化（更新知识库）。

我们就想，能不能把这个过程数字化？于是就有了感知层、记忆层、规划层、行动层、大脑层。每一层都对应人类运维的一个认知环节。这不是简单的功能堆砌，而是在构建一个具备学习能力的系统。

主持人：但您也提到了"80%陷阱"，这是不是意味着技术还不够成熟？

丁振兴：对，我必须诚实地说，当前的AI还做不到100%自主运维。那20%是什么？是需要跨系统协调的复杂故障，是从未见过的新型问题，是涉及重大决策的操作。

但换个角度想，80%已经很了不起了。如果一个运维团队80%的时间都在处理重复性工作，那AI能帮他们节省大量时间。剩下20%的疑难杂症，正是运维工程师展现专业能力的地方。

我建议现阶段采用RPA作为过渡，就是这个原因。让AI处理它擅长的，人工监督它不擅长的，这样的人机协同才是最优方案。

主持人：您认为运维人员应该如何转型？

丁振兴：三个方向。第一，成为AI的训练者。AI需要学习，需要有人告诉它什么是对的、什么是错的。运维人员的经验就是最好的训练素材。

第二，成为系统的架构师。当基础运维被自动化后，谁来设计整个运维体系？谁来规划监控策略、告警规则、自动化流程？这需要对业务和技术都有深刻理解的人。

第三，成为业务的伙伴。以前运维和业务是割裂的，业务部门提需求，运维部门去实现。未来的运维应该主动参与业务规划，从技术角度给出建议，甚至推动业务创新。

主持人：您服务过600多家企业客户，能分享一个让您印象深刻的案例吗？

丁振兴：有一个高校客户，他们的运维团队只有5个人，却要管理几千台设备、上百个业务系统。以前每天都疲于奔命，经常加班到深夜。

引入我们的智能运维平台后，80%的常规告警都能自动处理，运维人员只需要关注那些真正重要的问题。半年后，这个团队的负责人告诉我，他们终于有时间做系统优化、做技术创新了。这让我意识到，AI的价值不只是提升效率，更是解放人的创造力。

---

对话罗小军：企业业务智能体的商业逻辑与现实挑战

主持人：罗总，您展示的企业业务智能体矩阵覆盖了市场、销售、运营等多个部门。这个体系是如何构建的？

罗小军：这是我们公司过去两年的核心项目。最初的想法很简单：既然AI能写文章、做分析，为什么不能承担企业的具体工作？

我们从最简单的场景入手——公众号文案。一开始效果不好，生成的内容太机械。后来我们意识到，问题不在于技术，而在于我们没有告诉AI什么是好文案。于是我们收集了上千篇爆款文章，分析它们的结构、节奏、情绪调动，形成了一套方法论，然后教给AI。

【图片4：罗小军老师分享智能体落地经验】

主持人：您提到的案例——方案撰写从3小时缩短到3分钟，这个效率提升是如何实现的？

罗小军：这个案例经常被误解。很多人以为是AI完全替代了人工，其实不是。完整流程是这样的：

首先，客户提出需求，这个环节还是人来做，因为需要深入沟通。然后，我们的智能体会基于企业的知识库、历史方案、行业数据，快速生成一个初稿，这个过程3分钟。接下来，方案经理会审核、修改、完善，这可能还要半小时到一小时。

所以真实的效率提升不是60倍，可能是3-5倍。但即便如此，也已经很可观了。而且更重要的是，AI生成的初稿质量越来越高，人工修改的工作量在持续减少。

主持人：那么，这种效率提升会不会导致裁员？

罗小军：（沉默片刻）这是个敏感但必须面对的问题。客观讲，如果一个岗位的工作完全是模板化、重复性的，那确实可能被优化。但我们观察到的情况是，大多数企业不是裁员，而是调整人员结构。

比如那家营销公司，原来10个方案撰写人员，现在可能只需要3-4个。但省下的人力去哪儿了？有的转去做客户沟通，有的转去做创意策划，有的转去做效果分析。企业的业务量在增长，只是工作方式变了。

当然，我不能保证所有企业都这样。但我想说的是，AI带来的不是工作的消失,而是工作的重新分配。那些能适应新角色的人，反而获得了更好的发展机会。

主持人：您认为企业在引入AI智能体时最大的挑战是什么？

罗小军：不是技术，是变革管理。很多企业老板觉得AI很好，想引入。但员工会抵触——他们担心被替代。中层管理者也纠结——部门人数减少了，自己的话语权会不会下降？

我们做过很多项目，发现技术落地只占30%的工作量，另外70%是在做培训、沟通、流程调整。你要让员工理解，AI不是来抢饭碗的，而是来帮他们干得更轻松、更有价值的。

主持人：对于想要转型到AI领域的IT从业者，您有什么建议？

罗小军：三点。第一，不要只学技术，要理解业务。AI工具再强大,也需要人来定义它要解决什么问题。如果你不懂业务，你就不知道AI该用在哪里。

第二，从小项目做起。不要一上来就想做大系统，先找一个具体场景，用AI解决一个小问题，验证效果，积累经验。成功的项目会给你信心，也会让别人看到你的价值。

第三，保持开放心态。AI技术变化太快了，今天学的东西明天可能就过时。你要习惯这种不确定性，享受持续学习的过程。如果你觉得学习是负担，那可能这个方向不适合你。

---

对话王晨光：集成中台的理想与现实的差距

主持人：王老师，您提出的"应用集成中台+数据集成中台+AI智能体"方案，核心优势在哪里？

王晨光：核心优势是打破孤岛，实现协同。现在很多企业都有几十个甚至上百个系统，但这些系统之间不互通。要做个报表，得从各个系统导数据，手工整合，效率极低，错误率还高。

我们的方案是在应用层和数据层都建立中台，用标准化的接口和数据模型来统一管理。再加上AI智能体，可以用自然语言来查询数据、生成报表，大幅降低使用门槛。

主持人：但系统集成不是新概念，为什么以前没能解决这些问题？

王晨光：好问题。以前的集成方案主要有两个问题。第一是太重，需要大量定制开发，周期长、成本高。第二是不灵活，业务需求一变,接口就要重新开发。

现在的中台方案采用零代码配置，大部分集成场景不需要写代码，通过可视化界面配置就行。而且支持自修复，系统升级后接口变了，中台会自动适配。这就是为什么我们能把集成周期从几个月压缩到几小时。

【图片5：四位专家在圆桌讨论中深度交流】

主持人：理想状态下这些优势都成立，但实际项目中会遇到哪些困难？

王晨光：（苦笑）困难太多了。首先是数据质量问题。很多企业的数据本身就是混乱的，同一个客户在不同系统里有不同的编码,产品名称也不统一。你要先做数据治理,这是个耗时耗力的工作。

其次是安全合规问题。不同系统的数据有不同的安全级别,有些涉及个人隐私,有些涉及商业机密。集成后如何保证数据不被滥用？这需要非常细致的权限设计。

还有组织协调问题。每个系统背后都有负责部门，你要打通数据，就得协调各个部门。有时候技术不是问题，但部门之间有利益冲突，谁也不愿意配合。

主持人：那么AI在这个方案中到底发挥了什么作用？

王晨光：AI主要解决两个问题。第一是降低使用门槛。以前要查数据,得懂SQL，得知道数据在哪张表、字段叫什么。现在用自然语言问AI就行，它会帮你翻译成SQL，从正确的地方取数据。

第二是智能化数据治理。比如发现数据异常，AI可以自动分析可能的原因，给出修复建议。数据重复了，AI可以智能匹配和合并。这些工作以前都要人工做，现在可以半自动化。

但我必须强调，AI不是万能的。复杂的业务逻辑、关键的决策判断，还是需要人来做。AI是助手，不是主角。

主持人：对于想要引入集成中台的企业，您有什么建议？

王晨光：三个建议。第一，不要期望一步到位。先选1-2个核心系统做集成试点，验证效果后再扩大范围。

第二，重视数据治理。集成只是手段，数据质量才是基础。如果源头数据就是错的，集成再好也没用。

第三，做好变革管理。技术方案可以快速实施，但人的观念转变需要时间。要有耐心，要有长期规划。

---

圆桌精华：四位专家的深度交锋

在圆桌讨论环节，四位专家围绕"AI如何拯救IT人职场"这一议题展开了激烈讨论。以下是部分精彩观点：

【图片6：圆桌讨论现场，思想碰撞火花四溅】

关于AI替代岗位的问题：

长河：我不回避这个问题。AI会影响30%-50%的岗位，这是趋势。但影响不等于消失。很多岗位会转型，从执行者变成管理者，从操作工变成架构师。

丁振兴：我补充一点。被影响最大的是哪些岗位？是那些工作内容高度标准化、重复性强的岗位。初级工程师、中级顾问的风险确实比较高。但高级架构师、技术专家，他们的价值反而会提升。

罗小军：所以关键是你站在哪一层。如果你只会执行，那确实危险。但如果你能设计、能决策、能创新，AI反而会放大你的价值。

王晨光：我想说的是，这不是IT行业独有的问题。工业革命时，纺织工人担心被机器替代；信息革命时，打字员担心被电脑替代。历史证明，技术进步会消灭一些岗位，但也会创造更多新岗位。关键是你能不能抓住机会。

关于转型策略：

观众提问：我是一个工作了10年的运维工程师，现在很焦虑。我该怎么办？

丁振兴：10年经验是你的优势，不是劣势。你比年轻人更懂业务、更懂系统、更懂风险。现在要做的是，把你的经验结构化，变成可以训练AI的知识。同时学习AI工具，让AI成为你的助手而不是竞争者。

长河：我补充一下。不要试图和年轻人拼学习速度，那不现实。你的优势是判断力。什么问题重要、什么风险要规避、什么方案可行，这些需要经验积累，是AI学不来的。

罗小军：而且你可以往管理方向走。10年经验的工程师，应该考虑带团队、做规划。AI可以帮你提升团队效率，但团队的方向、文化、成长，这些需要你来把握。

关于学习建议：

观众提问：市面上AI课程这么多，我应该学哪个？

王晨光：不要迷信课程。最好的学习方法是在实践中学习。找一个工作中的真实问题，尝试用AI解决，遇到困难就去查资料、问社区。这比上100节课更有效。

长河：我的经验是，每天至少花2小时使用AI。不是为了学习而学习,而是把AI融入你的日常工作。写文档用AI辅助，分析问题用AI brainstorm，写代码用AI生成初稿。用得多了，自然就懂了。

丁振兴：还有一点，加入社区很重要。不管是ITIL先锋论坛这样的专业社区，还是各种AI技术群，都能让你接触到最新的信息、最佳的实践。一个人闭门造车很难成功。

罗小军：我建议建立自己的知识库。把每次使用AI的经验、遇到的问题、找到的解决方案都记录下来。时间长了，这就是你的核心资产。

---

写在最后：技术之外的思考

采访接近尾声时，主持人问了最后一个问题：如果用一句话总结今天的分享，你们会说什么？

长河：AI时代，出题比解题更重要。

丁振兴：AI是工具，人是主角。

罗小军：拥抱变化，而不是抵抗变化。

王晨光：技术会变，但解决问题的本质不会变。

四句话，四个视角，但指向同一个核心：在技术浪潮中，人的价值不会消失，只会转变。IT从业者需要做的，不是焦虑，而是行动；不是抵抗，而是适应；不是被动等待，而是主动进化。

2025年，AI智能体元年。但无论技术如何发展，理解业务、解决问题、创造价值的能力，永远是IT人的核心竞争力。这或许就是这场Meetup最重要的启示。