T/ISC 0122-2026 企业“人工智能+”应用发展水平评估规范

ICS 35.020 CCS L70

团体 标准

T/ISC 0122—2026

企业“人工智能+”应用发展水平

评估规范

Evaluation Specifications for the Development Level of “AI+”Applications in

Enterprises

(发布稿)

2026-07-20 发布 2026-08-20 实施

中国 互联 网协 会发 布

目次

前言 II

引言 III

企业“人工智能+ ”应用发展水平评估规范 1

1 范围 1

2 规范性引用文件 1

3 术语和定义 1

3.1 战略部署 Strateg ic dep loyment 1

3.2 能力构建 capacity bu ilding 1

3.3 应用落地 application imp lementation 1

3.4 价值成效 value effectiveness 1

3.5 产业赋能 indu str ial empowerment 1

4 符号和缩略语 1

5 评估规范总体框架 2

6 评估指标体系及权重分配 2

7 评估方法 3

7.1 评估流程 3

7.2 评估结果应用 4

附录 A (资料性) 成熟度等级划分说明 5

附录 B (资料性) 评估规范实施细则与评分参考 6

B.1 适用说明 6

B.2 核心指标评估参考 6

B.2.1 战略部署评分参考 6

B.2.2 能力构建评分参考 7

B.2.3 应用落地评分参考 9

B.2.4 价值成效评分参考 10

B.2.5 产业赋能评分参考 11

参考 文献 12

I

前言

本文件按照GB/T 1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由中国互联网协会提出并归口。

本文件起草单位：中国移动通信集团有限公司、中国移动通信有限公司研究院、中国信息通信研究院、中关村智用人工智能研究院、北京大学国家发展研究院、钛动科技股份有限公司、中国国新资产管理有限公司

本文件主要起草人：魏晨光、林琳、李健楠、张茹茹、张政、王波、黄实、朱佳佳、刘硕、孙明俊、朱丽、李述昊、周洪达、张雷、路宇

引言

当前，人工智能作为引领新一轮科技革命和产业变革的核心技术，正深刻重塑全球创新体系与发展格局。为进一步推动“人工智能+ ”走深向实，科学识别企业在发展路径、成熟水平与关键短板等方面的现状，亟需构建一套系统化、可操作的评价工具。

本评估规范聚焦企业“人工智能+ ”应用发展水平，构建了包含战略部署、能力构建、应用落地、价值成效与产业赋能五个维度的评估指标体系。

本评估规范适用于各行业企业客观了解自身“人工智能+ ”推进情况，助力企业战略制定与资源优化，提升人工智能应用水平与产业竞争力。

III

企业“人工智能+”应用发展水平评估规范

1 范围

本文件明确了企业“人工智能+ ”应用发展水平的评估框架、评估指标体系、评估方法、指标评分要求及成熟度等级划分等内容。

本文件适用于各类行业企业开展“人工智能+ ”应用发展水平的自我评估、第三方机构评估及政府相关部门的监督指导，为企业优化“人工智能+ ”发展策略、提升产业赋能成效提供依据。

2 规范性引用文件

本文件没有规范性引用文件。

3 术语和定义

下列术语和定义适用于本文件。

3.1 战略部署 Strategic deployment

企业针对“人工智能+ ”应用开展的顶层设计、机制保障与组织保障的综合举措，反应企业推动“人工智能+ ”发展的战略决心与顶层规划能力

3.2 能力构建 capacity building

企业为开展“人工智能+ ”应用在数据治理、平台建设、技术研发、人才培养等方面形成的核心能力，是“人工智能+ ”应用落地的关键保障。

3.3 应用落地 application implementation

人工智能技术在企业实际业务场景中的应用广度与深度，体现为应用场景覆盖范围、技术与业务流程的融合程度等，是衡量“人工智能+ ”实际推进情况的关键维度。

3.4 价值成效 value effectiveness

企业应用人工智能技术在降本增效、质量提升、产品/服务创新等方面取得的实际效果，是衡量“人工智能+ ”应用水平的关键维度。

3.5 产业赋能 industrial empowerment

企业通过“人工智能+ ”应用实践，对上下游产业链及行业发展的带动作用与赋能效果，体现企业的产业引领作用与社会价值贡献。

4 符号和缩略语

下列符号和缩略语适用于本文件。

AI 人工智能 Artificial Intelligence

1

5 评估规范总体框架

企业“人工智能+ ”应用发展水平评估框架是一个多维度、动态的系统性框架。该框架由战略部署、能力构建、应用落地、价值成效与产业赋能五个维度构成。

图 1 企业“人工智能+ ”应用发展水平评估规范总体框架

6 评估指标体系及权重分配

表 1 企业“人工智能+”应用发展水平评估指标体系及权重

序号

一级指标

二级指标

指标说明

权重

战略部署(20%)

战略规划

评估企业是否将“人工智能+ ”纳入整体发展战略，并制定系统、

可执行的专项规划。包含规划目标的明确性、与国家政策的协同性，以及与主营业务融合的深度

8%

2

机制保障

评估企业是否将“人工智能+ ”全面纳入年度经营与考核体系、部门激励机制，是否将员工的AI使用效能、创新贡献与其薪酬、奖金等切身利益直接挂钩

7%

3

组织保障

评估企业是否设立专门的“人工智能+ ”管理部门或专项工作组，是否建立跨部门协同机制

5%

4

能力构建(25%)

数据治理能力

评估企业AI应用相关数据的全生命周期治理水平，包括数据采集、清洗、标注、脱敏的标准化流程机制，数据跨域共享与流通的安全合规机制以及数据安全、隐私保护的保障能力等

5

平台建设能力

评估企业是否构建算力供给与调度平台、AI应用开发平台、智能体开发平台等，支撑全企业算力资源的统一调度、模型服务的快速部署与业务场景的创新

6

技术研发能力

评估企业是否具备自主开展模型训练、微调、推理优化及场景化应用开发的技术能力，还是主要依托第三方合作伙伴获取AI技术的整合能力

4%

7

人才培养能力

评估企业是否具有人工智能规划、应用、工程、数据、模型、算力、组织治理等专业人才，是否制定专门的AI人才引进政策、培养政策等

6%

8

应用落地

(15%)

应用场景覆盖度

人工智能技术在企业生产制造、研发设计、市场营销、运营管理、客户服务等核心业务环节的应用场景数量

9

应用深度

评估企业是否将AI深度嵌入原有工作流，深度参与企业的决策与任务自动化

10

价值成效(25%)

降本增效

评估AI应用对企业生产经营成本控制和效率提升的实际贡献

11

质量提升

评估AI应用对企业主营产品质量提升的实际贡献

12

产品/服务创新

评估企业通过AI应用赋能产品/服务创新，推动服务延伸与增值情况，包含推动在外观、功能等方面实现的产品创新，或在体验个性化、交付透明化等方面实现的服务创新

9%

13

产业赋能(15%)

产业链协同

评估企业AI应用是否带动产业链上下游企业数字化转型，是否形成协同发展模式

14

行业示范效应

评估企业AI应用案例是否成为行业标杆，是否参与行业标准制定或经验推广

7 评估方法

7.1 评估流程

7.1.1 数据采集

通过企业自评报告、实地调研、资料核查、访谈座谈、第三方数据验证等方式，收集评估所需数据及佐证材料。

7.1.2 行业类型适配调整机制

为提升评估模型在不同行业类型的适用性，特设权重动态调整机制。调整的核心原则是在二级指标层面进行，一级指标的最终权重将由其下属二级指标的权重调整后自动汇总得出。

评估主体依据企业的行业属性、技术依赖度、业务模式与产业链位置等特征，可先评估企业所属类型是否与当前的权重划分匹配，如若有偏差，可根据企业所属类型动态调整二级指标权重，按照调整后的权重进行评分。

具体调整规则如下：

(1)调整入口：评估专家组可根据被评估企业的行业特性，在基线权重的基础上，对二级指标的权重进行差异化调整。例如，对于大型集团企业可适当调增战略规划、机制保障、组织保障维度的权重;对于技术密集型或数据驱动型企业可适当调增数据治理能力、平台建设能力、技术研发能力或人才培养能力的权重，降低应用落地或价值成效指标的权重;对于业务场景多元的传统行业企业可适当调增应用场景覆盖度、应用深度或降本增效、价值提升等指标的权重;对于产业链链主企业可适当调增产业链协同、行业示范效应指标的权重。

(2)调整限制：为保证模型的整体稳定性，单项二级指标权重的调整，其增加或减少的绝对值不应超过 3 个百分点。

(3)平衡原则：权重调整需遵循“零和 ”原则，即所有二级指标的权重总和必须始终保持 100%。当增加某项指标的权重时，必须等量减少一个或多个其他指标的权重。

7.1.3 指标评分

按照评估指标体系的评分标准，对二级指标进行打分，并计算各二级指标得分与其权重的乘积之和，得到综合得分(S)。此分数将直接用于后续的成熟度等级判定。

7.1.4 成熟度等级划分

依据最终评估得分，将企业“人工智能+ ”应用发展水平划分为五个成熟度等级， 旨在系统衡量企业AI应用从初步探索到深度融合的发展进程，为企业定位其所属发展阶段提供参考。五个等级分别为：引领级(90≤S≤100分)、卓越级(75≤S<90分)、潜力级(60≤S<75分)、发展级(40≤S<60分)、起步级(0≤S<40分)，各等级的通用定义见附录A。

等级判定规则：为引导企业全面发展，避免出现各维度发展失衡，设定以下约束条件：若企业任一一级维度(战略部署、能力构建、应用落地、价值成效、产业赋能)的得分低于该维度满分值的40%，则其最终判定的成熟度等级应在综合得分初步确定的等级基础上下调一级。

7.2 评估结果应用

评估结果可为不同主体提供针对性支撑，具体如下：

1、对企业自身：精准诊断与优化提升

企业可将评估报告作为一份全面的“人工智能+ ”发展体检单，用于：

精准定位：客观了解自身“人工智能+ ”推进情况。

战略复盘与决策：识别优势领域和问题短板，为后续的战略调整、资源优化配置(如机制调整、组织优化、人才引进策略)提供量化依据。

路径规划：明确未来发展重点和提升路径，制定针对性的改进措施和行动计划。

2、对政府与监管机构：政策制定与宏观引导

产业洞察：把握行业整体“人工智能+ ”发展态势、共性瓶颈问题及最佳实践案例。

政策优化：基于评估发现，优化资源配置和政策供给，出台更具针对性的引导和支持措施。

分类指导：依据企业不同成熟度等级，实施差异化、精细化的分类监管与指导策略。

3、对产业生态：对标交流与协同发展

标杆引领：通过发布行业白皮书、最佳实践集或举办交流活动，推广引领级企业的经验做法，发挥示范效应。

产业协同：促进同行业企业、产业链上下游企业间的对标学习与协同合作，推动形成健康、共赢的产业生态体系，提升整体产业竞争力。

附录 A

(资料性)

成熟度等级划分说明

等级

等级名称

核心特征描述

L5

引领级

企业步入生态化创新阶段，形成行业标杆，具备对外输出解决方案和赋能产业链的能力。

L4

卓越级

企业达到体系化应用水平，AI 能力与主营业务深度整合，产生显著效益，形成全流程的应用闭环与长效运营机制，核心业务指标因AI应用得到明显优化。

L3

潜力级

企业进入规范化建设阶段，已建立专门机构，制定专项规划，并在重点领域形成初步应用能力， AI应用流程趋于标准化，开始建立成效评估体系。

L2

发展级

企业进入规范化探索阶段，已搭建基础组织架构，明确AI应用方向并制定初步实施计划，在多个业务环节开展试点验证，形成部分可复用的技术方案，但应用成效尚未量化，跨部门协同机制有待完善。

L1

起步级

企业处于单点尝试阶段，具备初步意识，开展零星试点AI应用，但缺乏系统规划和组织保障。

附录 B

评估规范实施细则与评分参考

B.1 适用说明

本附录提供了企业“人工智能+ ”应用水平评估规范的具体评分参考。

B.2 核心指标评估参考

B.2.1 战略部署评分参考

表 B.1 “战略规划”评分表

分数区间

评分描述

[0-20)

尚未制定企业级AI 战略规划，仅部分二级或三级部门制定了AI相关规划。

[20-40)

已初步制定企业级AI 战略规划，但发展目标与推进措施有待进一步明确。

[40-60)

已制定企业级AI 战略规划，规划内容初步涉及主营业务，但缺乏分阶段目标。

[60-80)

已制定体系化、分阶段的AI 战略目标与规划，规划内容涉及企业主营业务。

[80-100]

AI 战略紧密响应国家政策号召，深度结合企业主营业务转型升级，具有前瞻性与可执行性。

表 B.2 “机制保障”评分表

未将“人工智能+ ”纳入公司级年度经营考核体系，也未建立任何与 AI 应用相关的激励机制，员工应用AI 的行为无制度引导、处于完全自发状态。

尚未将“人工智能+ ”纳入公司级年度经营考核体系，仅部分二级或三级部门制定了AI应用目标与激励机制。

已将“人工智能+ ”纳入公司级年度经营考核体系，但仅覆盖极少数部门;尚未建立统一的AI应用激励机制，仅部分部门自发组织制定。

已将“人工智能+ ”纳入公司级年度经营考核体系，但仅覆盖少数部门;已建立统一的AI应用激励机制，但未与员工奖金等切身利益直接挂钩。

已将“人工智能+ ”纳入公司级年度经营考核体系，覆盖多个部门;已建立较完善的AI应用激励机制，将 AI使用效能、创新贡献与奖金、晋升等切身利益直接挂钩，有效驱动全员AI应用创新。

表 B.3 “组织保障”评分表

仅有少数 IT 或业务人员关注AI技术，无正式的组织架构调整，进行零散、临时的项目沟通，缺乏公司层面的制度支持。

在现有部门下增设AI相关岗位，未建立专门机构和跨部门协同机制。

已设立AI专项工作组，初步建立跨部门沟通机制，但资源调配能力与协同效率有待提升。

在集团原有部门增设AI职能，或集团新设AI专职部门，AI部门岗位职责框架成型，但跨部门协同机制尚未建立或有待完善。

在集团原有部门增设或在集团新设AI专职部门，权责清晰，跨部门协同机制高效且系统化，可有效推进项目落地，并具备组织动态调整能力。

B.2.2 能力构建评分参考

表 B.4 “数据治理能力”评分表

未建立有效数据治理机制，数据难以获取、质量低下或存在合规风险，无法支持AI应用开发。

数据处于原始或分散状态，缺乏系统化治理流程，数据质量、标准与安全机制不健全，制约AI应用效果。

在部分业务线或场景中建立了数据治理基本流程，能提供可用数据，但标准化程度与覆盖范围有限。

具备数据采集、清洗、标注、脱敏的规范流程与机制，能保障关键 AI 场景数据质量与安全合规，支持模型迭代。

建立覆盖数据全生命周期的标准化、自动化治理体系，实现跨域数据安全合规流通与高质量供给，有效支撑复杂AI场景。

表 B.5 “平台建设能力”评分表

1. 算力层面：未构建统一的算力供给平台，算力资源分散在各部门或个人终端，无法进行统一监控与调度。

2. 开发层面：缺乏专用的AI应用开发平台，模型训练与部署主要依靠本地环境或临时搭建的简易环境，流程非标准化。

3. 智能体层面：尚未涉及智能体(Agent)相关技术储备或平台建设。

4. 业务支撑：仅能维持极少量单点实验，无法支撑任何实质性的业务场景落地。

1. 算力层面：搭建了基础的服务器集群或使用了公有云基础服务，但缺乏自动化调度系统，资源分配依赖人工申请与配置。

2. 开发层面：引入了基础的代码托管或简单的模型训练工具，支持个别项目的模型开发与简单部署，但缺乏全生命周期管理。

3. 智能体层面：处于概念验证阶段，无专门的开发框架或平台支撑。

4. 业务支撑：仅能支撑少量单一场景的试点应用，跨部门复用困难，响应业务需求周期长。

1. 算力层面：建立了初步的算力管理平台，实现了部分异构算力的纳管，具备基本的任务排队与调度功能，但弹性伸缩能力较弱。

2. 开发层面：构建了AI应用开发平台，集成了数据处理、模型训练等模块，支持多场景模型的并行开发与部署，但自动化运维体系尚不完善。

3. 智能体层面：开始探索智能体开发，提供了基础的API接口或简单的编排工具，但缺乏复杂的规划与记忆能力支撑。

4. 业务支撑：能够支撑多数常规业务场景的开发，但在应对突发高并发或复杂跨域业务时，响应速度和稳定性仍有待提升。

1. 算力层面：建成成熟的算力供给与调度平台，实现全企业异构算力(GPU/NPU 等)的统一纳管与弹性调度，资源利用率显著提升。

2. 开发层面：AI应用开发平台功能完备，具备模型仓库、 自动化评测、一键部署等能力。

3. 智能体层面：搭建了智能体开发平台，支持多智能体协作、工具调用及长期记忆，能够支撑较为复杂的任务型应用开发。

4. 业务支撑：能够快速响应业务需求，支撑全企业多数业务场景的敏捷迭代与稳定运行。

1. 算力层面：实现了算力、网络、存储的深度协同与智能化调度，具备绿色节能与极致性能优化能力，算力成为像水电一样的即取即用资源。

2. 开发层面：AI开发平台与智能体平台深度融合，形成一体化AI技术底座。支持低代码/零代码开发，具备强大的模型微调与强化学习能力。

3. 智能体层面：智能体平台具备高度自主性，支持复杂逻辑推理、多模态交互及自我进化，能够构建企业级“数字员工 ”矩阵。

4. 业务支撑：全面支撑全业务场景的敏捷创新，不仅响应需求，更能通过AI 能力主动发现业务机会，引领业务模式变革。

表 B.6 “技术研发能力”评分表

主要依托第三方技术合作伙伴提供标准化AI 能力，企业内部仅具备基础的调用与浅层配置能力。无自主应用开发能力，全流程依赖外部技术人员支持。

具备基础的AI应用开发能力，能够基于开源或第三方模型完成简单场景的功能实现，但整体解决方案的架构设计、集成与部署仍需外部主导或深度支持。

可独立完成AI应用的开发与系统集成，但模型选型、模型微调、参数调优等相关技术工作仍需外部团队提供专项技术支持。

具备模型层面的自主优化能力，可基于基础大模型开展微调、参数优化、业务场景定制适配，依托自有技术团队完成模型迭代优化，但暂不具备从零自研行业大模型的能力。

具备自研行业大模型的能力，拥有从模型自研、数据训练到场景落地化优化全链路自主研发与工程化能力，技术储备可支撑前沿探索。

表 B.7 “人才培养能力”评分表

内部AI相关人才数量与能力严重不足，未制定人才引进与培养的规划与政策，且缺少外部合作与支撑。

内部AI相关人才数量与能力不足，主要依赖外部合作支撑，未形成体系化的人才引培机制。

已引进或培养少数AI技术人才，可支撑简单AI项目推进，但现有人才尚不能匹配公司未来“人工智能+ ”发展规划，体系化人才机制尚在建设中。

已引进或培养少数AI技术人才，已制定体系化的人才引培机制，并已组建AI专业团队，但团队人员数量与能力仍有待提升。

拥有结构合理、梯队完整的AI专业团队，覆盖人工智能战略、应用、数据、模型、算力与组织治理等，并建立体系化的人才引进、培养、激励机制。

B.2.3 应用落地评分参考

表 B.8 “应用场景覆盖度”评分表

仅在非核心业务环节的少量单点场景部署AI应用，覆盖范围有限。

在多个场景部署AI应用，但未涉及生产、研发等核心业务环节。

已在生产、研发等核心业务环节部署AI应用，但应用范围限于少量场景，核心业务环节的智能化改造仍处于试点或局部探索阶段。

已在生产、研发等核心业务环节部署AI应用，应用范围已拓展到多数场景，核心业务环节的智能化改造已从试点转向正式部署。

已在生产、研发、销售、客服等核心业务环节实现全场景渗透，支撑全业务智能化转型。

表 B.9 “应用深度”评分表

AI 仅作为独立工具辅助简单操作，未嵌入业务流程，不参与任何环节的业务决策。

AI 初步嵌入部分非核心业务流程，主要提供分析问答类功能支持，不参与业务决策，不开展业务自动化执行。

AI嵌入关键业务流程，依托数据分析辅助业务决策参考，但关键事项决策仍需人工主导，仅实现局部非核心场景的自动化执行。

AI嵌入关键业务流程，在多个核心业务场景自主完成任务研判、业务决策与自动化执行。

AI成为核心业务流程的关键组成部分，可驱动全场景端到端的自动化执行与决策，实现业务流程的智能化重构。

B.2.4 价值成效评分参考

表 B.10 “降本增效”评分表

AI应用仅在局部非核心业务环节产生微弱的改善，尚未产生有明确数据的降本增效效果。

AI 应用在部分非核心业务环节取得了降本增效的效果。

AI 应用在部分生产经营核心业务环节取得了降本增效的效果，但覆盖范围有限。

AI 应用在多个生产经营核心业务环节取得显著的降本增效，拉动企业整体经营指标改善。

AI驱动全链条运营优化，降本增效效果持续稳定，并成为企业核心竞争力的重要来源。

表 B.11 “质量提升”评分表

企业AI应用不涉及质量提升的场景，或仅有少量场景尝试AI质量检测、工艺优化等，但尚未产生质量改善的成效。

AI 已应用于非主营产品或辅助工序，产品质量改善的效果初步显现，但尚未应用在主营产品中。

AI 已应用于部分核心产品或部分关键生产工序，并实现了产品质量提升的效果，但应用范围有限。

AI嵌入全链条核心生产环节，全品类产品质量得到提升，已沉淀为成熟可复用的AI质量管控方案。

AI驱动产品质量实现突破性提升，形成技术或工艺壁垒，有效拉动产品口碑、客户认可度与市场竞争力提升。

表 B.12 “产品/服务创新”评分表

企业AI应用不涉及产品/服务创新的场景，或仅有少量场景开展AI创新探索，但尚未取得成效。

AI应用推动产品在外观、功能、体验等方面实现局部创新或初步优化，但创新效果尚不明显。

AI应用推动产品在功能、外观、服务体验等方面实现了改进与创新，但覆盖的产品线有限。

AI驱动产品/服务深度创新，助力企业打造差异化竞争优势。

AI驱动产品/服务实现颠覆性创新，形成全新的产品或服务体验，构成企业核心竞争力。

B.2.5 产业赋能评分参考

表 B.13 “产业链协同”评分表

AI应用仅限于企业内部，尚未与产业链上下游合作伙伴开展协同探索，或仅在个别环节与上下游企业开展初步探讨。

已与产业链上下游合作伙伴开展AI应用协同探索，并取得可行性验证，但尚未正式部署上线。

已与部分产业链合作伙伴在部分环节场景(如供应链采购预测、产品协同设计)实现AI应用。

已与产业链主要合作伙伴通过AI应用实现了业务流程深度对接，显著提升了协同效率。

已基于AI技术重塑产业链协作模式，构建了以自身为核心或关键节点的智能化产业生态网络，带动上下游企业实现数智化转型与协同增效。

表 B.14 “行业示范效应”评分表

企业AI应用尚处于内部探索阶段，尚未形成可复制、可推广的成功案例，未产生任何行业影响力。

企业AI应用在内部验证可行，被视为内部成功案例，但未对外推广，无外部影响力。

企业AI应用已形成可复制、可推广的成功案例，作为内部标杆在全集团内部推广，但未对外推广，无外部影响力。

企业AI应用案例对外推广，被同行业少量企业借鉴，形成了一定的行业示范效应。

企业AI应用案例在行业内获得广泛认可，获得国家、地方或行业相关奖项，具备较高影响力。

参考 文献

[1] 毕马威.《人工智能就绪度白皮书-企业数智化转型的AI变革路径与评估指南》.2025 年 5 月.

[2] 国家标准化管理委员会.《国家新一代人工智能标准体系建设指南》.2020 年 8 月.

[3] 工业和信息化部、中央网络安全和信息化委员会办公室等.《国家人工智能产业综合标准化体系建设指南》.2024 年 6 月 5 日.

[4] 深圳市人工智能产业协会.《人工智能企业认定标准与评估规范》(征求意见稿).2023 年 6月.

[5] 中关村信息技术和实体经济融合发展联盟.《企业人工智能应用水平评价规范》 (征求意见稿).2025 年 5 月.