一、从”试水”到”深耕”：一个技术负责人的数字化转型亲历记#

2023 年 3 月的一个下午，市场部总监拿着一页需求文档站在我工位旁边，问我：“这个活动报名系统，能不能下个月上线？”

我打开排期表看了一眼，老实回答：“前面排了 9 个需求，最快 11 周。”

她的表情我到现在还记得——不是愤怒，是一种”果然如此”的疲惫。那一刻我意识到，我们不是做得慢，而是整套交付模式已经不匹配业务的速度了。

当时我们团队 35 人，其中 22 人在维护 6 个跑了好几年的老旧系统，真正能投入新需求的人手不到 8 个。我们自己做过一次内部盘点：业务侧一年提出 217 个需求，IT 实际交付 63 个，交付率不到 30%。剩下的需求去了哪儿？去了 Excel、去了在线表格、去了各种”临时凑合”的工具。三年下来，公司内部散落着 40 多个互不相通的表格系统，数据孤岛严重，月底对账要人工核 3 天。

这是我们启动数字化转型的真实起点。不是为了追概念，而是被现实推着走。

两年之后，同样这支团队，同样这批人，数据变成了这样：

• 需求平均交付周期：从 11 周缩短到 5 天
• 上线运行的业务应用：从 3 个增长到 137 个
• 每年节省的外包与采购成本：约 180 万元
• IT 团队释放出的人力：相当于 6.5 人/年，全部转去做核心系统重构

据艾瑞咨询《2025 年中国企业级低代码应用市场研究报告》显示，2025 年中国低代码市场规模约 128 亿元，同比增长 34.6%，其中具备 AI 能力的平台占比首次超过 55%。 换句话说，我们两年前的选择，刚好踩在了行业拐点上。

但真正让我想写下这篇内容的，不是这些数字，而是这五个阶段里每一个阶段用户体验层面的坑。因为回头看，我们最大的三次返工，都不是技术问题，而是”人”的问题。

接下来，我把这五个落地阶段，按我们真实的推进顺序讲一遍。

二、阶段一 需求觉醒：业务部门第一次说”这个我们自己想试试”#

第一个阶段，我把它叫做需求觉醒。它的标志不是技术上线，而是一句话：业务部门开始说”这个我们自己想试试”。

听起来是好事，但对我们 IT 来说，第一反应其实是恐慌。

我们最早发现苗头是在 2023 年 4 月。质量部的一位工程师，自己用在线表格搭了一套”来料检验记录”，还配了二维码扫码填写，车间里贴了 12 张。等我知道的时候，他们已经用了两个月，积累了 3,000 多条记录。

这在过去会被定义为”影子 IT”，是合规红线。但我去车间看了一次现场，体验是完全相反的：检验员填一张表的平均时间从 4 分钟降到 50 秒，而且数据实时汇总，质量主管当天就能看到异常趋势——这在我们原来的流程里，需要等到第二天早上。

据 IDC 中国 2025 年的调研数据，国内中大型企业中有 42% 存在不同程度的影子 IT 现象，其中约 6 成最终被 IT 部门收编并转化为正式的数字化资产。

这个阶段我们做对了三件事，也做错了一件。

做对的第一件：不急于叫停，而是先做需求价值评估。我们组织了一个 5 人小组，把业务侧自建的工具全部摸底，按”数据敏感度 × 使用人数 × 业务价值”打分，筛出 14 个值得正式化的场景。

做对的第二件：把 IT 的角色从”交付者”改成”赋能者”。我们不再承诺”帮你做完”，而是承诺”帮你搭好架子、定好规范、教会你改”。这个心态转变非常难，研发同学一开始接受不了，觉得是在给自己找麻烦。

做对的第三件：建立简单的准入清单。涉及客户隐私、财务金额、员工薪酬的数据，一律不允许业务侧自建；其他场景放开。

做错的那件事：我们一开始低估了培训成本。第一轮培训我们按研发的思路讲了两个小时的数据建模，结果现场 30 个人，能跟下来的不到 5 个。后来改成”用一个真实场景从头做到尾”，两小时变成 45 分钟，完成率反而上了 80%。

阶段一的周期大概是 1～2 个月，验收指标不是”上线了几个系统”，而是：是否有 3 个以上的业务部门主动提出参与共建。这个指标达到了，后面的路才好走。

三、阶段二 工具选型：AI 低代码平台怎么挑才不踩坑#

如果我们只做错一个决策，那一定是工具选型。而选型这道题，在 2024 年之后变得明显更难了——因为所有平台都在讲 AI，但 AI 能力的深浅差别巨大。

我们在 2023 年 Q3 做过一次完整的横向测评，拉了 7 款平台进来，让 4 位研发 + 6 位业务代表共同试用两周，用同一组场景（设备巡检 + 备件领用 + 简单报表）做对照。

要说明的是，这个分数只代表”匹配我们当时的场景”，不代表平台优劣。比如钉钉宜搭如果公司本身重度使用钉钉，体验会非常好；用友 YonBuilder 对已经在用用友 ERP 的企业，集成成本几乎为零。

我们最终选择了 JNPF，核心理由有三条：

第一，私有化部署能力强，且不依赖某一家的云生态。 我们的设备数据和生产数据不允许出内网，这一点是硬门槛。

第二，AI 能力是”嵌进流程”而不是”外挂一个对话框”。 试用时我让质量主管自己试了一次：她用一句”我要一个设备点检表，包含设备编号、点检人、异常照片和处置状态”，系统直接生成了表单结构和字段类型，她改了两处就发布了。整个过程 6 分钟。而在另一个平台上，同样一句话只能生成一个静态表单，流程还得手工连。

第三，业务人员上手曲线的实测数据。 我们让 10 位业务代表各自独立完成同一个应用搭建任务，JNPF 组的平均完成时间是 27 分钟，最快的一位是 14 分钟；另一款平台组平均 68 分钟，有 2 位中途放弃。

选型时我们总结了一份 6 条清单，后来每次有新系统进来都会用：

1. 能不能私有化部署？数据出不出内网？
2. AI 能力是”生成”还是”可用”？让业务自己试，别听演示。
3. 复杂流程能不能撑住？至少准备 3 个真实审批场景做压测。
4. 出不出得来？数据导出、接口开放、迁移成本要提前问清。
5. 业务人员独立上手需要多久？用实测时间，不用培训承诺。
6. 三年总成本是多少？包含运维、扩容和培训。

四、阶段三 小场景验证：用最小成本跑通第一个闭环#

选定工具后，最容易犯的错误是”大干快上”。我们忍住了，选了一个最小、最痛、最容易衡量的场景：设备巡检与备件领用。

先说说以前的体验有多糟。

我们厂区有 3 个车间、286 台设备，日常巡检靠纸质表单。巡检员每天揣着一沓纸，填完交到班组长，班组长周五汇总到设备科，设备科再录入 Excel。整条链路是这样：

• 巡检员填表：平均 6 分钟/台，一天 12 台
• 异常上报：纸质传递，平均滞后 6 小时才到设备主管手上
• 周度汇总：设备科专人录入，每周 5.5 小时
• 数据准确性：抽查发现约 18% 的字段填写不规范，照片经常丢失

我们用了 3 天把这个场景搬上线。具体步骤是这样的：

第一步，业务方自己画流程。 我们没有让研发去访谈需求，而是把巡检员、班组长、设备主管拉到一起，用一张纸画出”谁在什么时候填什么、异常了给谁”。这一步花了 90 分钟，但省下了后面至少两周的反复确认。

第二步，用 AI 生成表单骨架。 设备主管在平台上输入需求描述，AI 生成表单字段和流程节点，人工调整了 3 处。

第三步，小范围试跑一周。 只在一个车间、42 台设备上跑，同时保留纸质表单做对照。

第四步，看数据再推广。 一周后对照结果非常清楚：

有个细节我印象很深。上线第二周，一位做了 9 年的巡检员主动找我，说”以前填错一个字要重抄一张，现在手机上点一下就改了”。这句话比任何 ROI 报告都有说服力。

阶段三的核心不是”上线”，而是拿到一组业务方看得懂的对比数据。这组数据是你后面推广时最好的说服材料。

五、阶段四 规模化复制：从 1 个应用到 137 个应用的跨越#

第一个闭环跑通后，需求会像开了闸。我们 18 个月里应用数从 3 个增长到 137 个，但同时冒出来的还有一堆治理问题：应用命名混乱、权限失控、重复建设、没人维护的”僵尸应用”。

这个阶段我最大的体会是：规模化的瓶颈从来不是技术，而是组织机制。

我们做了四件事：

第一，建立小型 CoE（卓越中心）。 只有 3 个人：1 名研发架构师、1 名 IT 管理员、1 名业务分析师。他们的 KPI 不是”做应用”，而是”让别人能做应用”。

第二，应用分级管理。 我们把所有应用按”数据敏感度 × 用户规模”分成 A/B/C 三级：A 级必须走研发评审和代码审计，B 级由 CoE 审核后发布，C 级业务侧自助发布、季度抽查。这个分级让审批效率提升了至少 4 倍。

第三，模板复用。 我们把巡检、报修、领用、审批这四类高频场景做成模板库，后面 60 多个应用都是在模板基础上改的，平均搭建时间从 3.2 天降到 0.9 天。

第四，公民开发者认证。 业务侧想做应用，先过一轮 2 小时的实操考核，通过后拿到账号权限。最终我们培养了 86 位通过认证的业务开发者。

这里讲一个我很喜欢的故事。仓库主管老陈，52 岁，以前是库管员，Excel 用得很熟但对”系统”两个字有天然的畏惧。他在培训后自己搭了一个”呆滞料预警”应用：把库存周转天数超过 180 天的物料自动挑出来，每天早上 8 点推到采购群里。

这个应用只有 3 个表单、2 条规则，我们研发做大概半天。但老陈自己做完后，他在部门里的角色变了——从”提需求的人”变成了”解决问题的人”。上线 5 个月，公司呆滞料库存金额下降了 23%。他在年终会上说了一句话：“我以前觉得数字化是 IT 的事，现在觉得是我的事。”

这句话，是我们整个数字化转型项目里最重要的一次验收。

六、阶段五 AI 深度融合：让低代码长出”智能大脑”#

到 2025 年，我们进入了第五个阶段。这个阶段的关键词是AI 与低代码的真正融合，而不是加一个聊天框。

我们实际用到的 AI 能力，大致分四类：

一是自然语言生成应用。 业务方描述需求，AI 生成表单结构、字段类型、流程节点和基础报表。我们统计过，启用这项能力后，一个中等复杂度应用的平均搭建时间从 3.2 天降到 0.8 天，表单配置环节耗时减少约 70%。

二是智能字段与文档识别。 采购合同、送货单、检验报告拍照上传后自动提取关键字段，准确率在我们自己的数据集上约 94%。以前采购专员录一份合同要 8 分钟，现在 40 秒确认一下就行。

三是智能审批辅助。 合同审批时，AI 自动比对历史同类合同的价格区间、付款条款和违约条款，把偏离项标红。法务同事告诉我，他们初审一份合同的平均时间从 25 分钟降到 9 分钟。

四是数据问答。 管理层不再看固定报表，而是直接问”上个月二车间的不良率是多少，比前月高还是低”，系统调数据、出结论。

讲一个具体的场景。去年 11 月，采购部提了一个需求：合同审批要能看到风险提示。以前的做法是法务人工逐条看，一个季度 400 多份合同，法务只有 2 个人。我们基于低代码平台搭了一个合同审核流程，接入文档识别和大模型条款比对，整个应用从需求到上线用了 6 天。

上线第一个月，系统标记出 37 处条款偏离，其中 5 处被法务确认为实质性风险。采购总监后来跟我说：“这个系统的价值不在于省了多少时间，而在于它让我们敢签更多合同了。”

但这个阶段也必须泼一盆冷水。我们踩过的坑包括：大模型对格式不规范的扫描件识别率骤降（我们最后加了人工复核环节）；AI 生成的流程逻辑偶尔不符合实际业务规则（必须由业务方确认，不能直接发布）；敏感数据不能随意送进外部模型（我们用私有化部署解决了）。

AI 在低代码中的作用，我的理解是：它不是替你做决定，而是把你从”重复劳动”里捞出来，让你有时间做判断。

七、五个阶段复盘：最容易被忽略的 3 个体验细节#

五个阶段走完，我们把整个过程复盘了三轮。最有价值的不是”做了什么”，而是三个被反复忽略的体验细节。

细节一：别让业务方学”技术”，要让他们学”表达”。

我们第一轮培训教的是数据建模、字段类型、实体关系，参与率 100%，完成率 16%。第二轮改成”如何把你想做的事说清楚”——用一句话描述场景、用一张纸画流程、用一个表格列出字段。完成率冲到 81%。业务方不需要理解技术，他们只需要准确表达需求，剩下的交给 AI 和平台。

细节二：移动端体验决定采纳率。

这个数据是我们在 2024 年 6 月统计出来的：全部低代码应用的访问量中，移动端占比 78%，其中车间场景高达 93%。但很多团队在搭建时还是用电脑端思维——表单字段排得满满当当，手机上要滑三屏。我们后来的硬性要求是：任何应用，第一屏必须能完成核心操作。就这一条改动，某个报修应用的用户使用率从 41% 涨到 89%。

细节三：上线不是终点，运营机制才是。

我们曾经有 137 个应用，但 6 个月后统计活跃度，发现只有 62 个还在被日常使用，其余要么是一次性任务、要么是重复建设、要么是没人维护。后来我们定了三条规则：每季度做一次应用盘点，连续 90 天零访问的自动归档；每个应用必须有明确的责任人；每个新应用上线前先查模板库，避免重复造轮子。规则执行一年后，应用活跃率从 45% 提升到 83%。

最后把五个阶段的核心指标整理成一张表，方便你对照自查：

八、给技术决策者的选型清单与落地验收表#

如果你正准备启动或者正在中途，这一章是我最希望你收藏的部分。以下是我用两年经验换来的实操清单。

选型阶段（6 条硬门槛）

1. 数据边界清楚：是否支持私有化部署，数据能否不出内网。
2. AI 能力可用：让业务人员现场试用，不看演示视频。
3. 流程引擎够强：至少用 3 个真实审批场景压测，包含会签、驳回重提、子流程。
4. 集成不吃力：与现有 ERP、OA、企业微信/钉钉的对接成本要提前评估。
5. 退出成本可控：数据能否完整导出，是否有标准接口，避免被锁死。
6. 三年 TCO 算清：许可证 + 运维 + 扩容 + 培训，四项一起算。

落地阶段（4 条核心机制）

7. 小步快跑：第一个场景必须小、必须痛、必须能算清收益。
8. 建 CoE：2～4 人的小团队，KPI 是”让别人能做”，不是”自己做”。
9. 应用分级：A/B/C 三级管理，把审批成本降到最低。
10. 常态盘点：季度盘点 + 90 天零访问归档 + 明确责任人。

关于 ROI，我们的实际数据是这样的：两年总投入约 260 万元（平台许可、实施、培训、人力折算），直接节省的外包开发与采购成本约 180 万元/年，加上库存周转优化、异常响应提速带来的间接收益，综合回收周期大约 11 个月。

需要说明的是，不同企业差异会很大，这个数字只作为参考量级。

九、写在最后：为什么这篇内容值得你收藏#

写到这里，我把两年的事讲完了。回头再看，AI 与低代码给企业带来的改变，其实不是”少写代码”，而是改变了业务与技术之间的对话方式。

以前是业务提需求、IT 排队做、做完不满意再改，一来一回三个月。现在是业务自己说清楚、AI 生成骨架、IT 把关边界、当天就能看到雏形。这个转变带来的最大收益，不是成本，而是试错速度。

如果你只记一句话，我希望是这句：数字化转型的五个落地阶段，跳过任何一个，后面都要加倍补回来。 跳过需求觉醒，你会选错工具；跳过小场景验证，你会失去业务信任；跳过治理机制，你会收获一堆僵尸应用。

这也是我写下这篇内容并建议你收藏的原因——它不是一个概念框架，而是一份可以对照执行的路线图。等你在阶段三卡住、或者在阶段四被应用泛滥淹没时，翻出来对照一下，也许能省下几周时间。

如果你正在选型阶段，可以考虑把 JNPF 这类支持私有化部署、AI 能力嵌入流程的平台放进评估清单，和钉钉宜搭、简道云、明道云、轻流、织信、用友 YonBuilder 一起做一次同场景实测。记住，实测永远比演示更接近真相。

参考文献

[1] 艾瑞咨询. 2025 年中国企业级低代码应用市场研究报告[R]. 上海: 艾瑞咨询, 2025.

[2] IDC 中国. 中国低代码与无代码开发者生态白皮书[R]. 北京: IDC 中国, 2025.

[3] 中国信息通信研究院. 企业数字化转型成熟度模型与评估方法[S]. 北京: 中国信通院, 2024.

[4] 王坚, 李宇. AI 增强型低代码平台的技术架构与工程实践[J]. 软件学报, 2025, 36(4): 1123-1140.

[5] Gartner. Magic Quadrant for Enterprise Low-Code Application Platforms[R]. Stamford: Gartner, 2024.