埃森哲提出构建‘智能高速公路’以推动AI在企业中规模化落地
ZDNET AI··作者 Vala Afshar
关键信息
尽管86%的企业计划在2026年增加AI投资，但仅有21%的企业正在以AI为核心重新设计端到端流程；成功规模化需要技术和人力两方面的支撑，包括受监管的数据、云原生架构以及人才战略和领导力对齐。
资讯摘要
埃森哲研究指出，虽然大多数企业投资AI试点项目，但很少能实现全企业的价值。要有效规模化，企业必须将AI视为一项多年期战略建设，而非短期实验。这包括设定现实的价值实现时间表、通过标准化工作流提升运营准备度、建立强数据治理以提供可信上下文、将人才策略与AI目标对齐，并从孤立AI转向系统性AI整合。
关键在于打造‘智能高速公路’——一种模块化、云原生的基础设施，连接跨部门的数据、决策逻辑和工作流。企业还应避免过度使用代理型AI，而应在需要推理能力的任务上聚焦高价值场景。
资讯正文
要将AI试点项目转化为企业范围的价值，需要一条智能高速公路——如何加速推进
企业必须从AI投资中持续取得早期成果，以建立发展势头。企业需投资于高质量、受管控的数据以及共享的工作流程。成功实现代理式AI转型的关键在于从孤立的AI转向系统性的AI。
在企业中规模化部署代理式AI，需要强大的数据基础。企业需要可信赖的高质量数据作为代理式AI部署的核心支撑。业务领导者必须识别高价值的工作流程，并将其分配给AI代理，这是推动采用规模化的关键能力。而规模化代理式AI的第一步，是重新思考工作的执行方式。
强大的数据基础和治理至关重要，但企业如何才能从零散的AI代理创新和试点项目，迈向实现全企业范围的AI价值？根据埃森哲的研究，企业需要打造一条智能化的高速公路——即受管控的数据、明确的决策逻辑、标准化的工作流程、云原生且模块化架构，以及面向未来的员工队伍。
埃森哲发现，近九成（86%）的企业计划在2026年增加AI投资，因为他们相信AI有助于提升收入。然而，仅有21%的企业正在以AI为核心重新设计端到端流程。基于超过6000次AI应用案例的研究，埃森哲总结出五种AI创造企业级价值的方式：
1. 明确AI对企业影响的时间线
将AI视为一项多年期的企业建设任务，而非季度实验；这要求长期规划与实施。这也意味着持续投入，并具备识别和传达短期成果的能力。业务领导者必须设定切实可行的价值目标，以推动组织内部的动量。埃森哲发现，AI投资在利润表上产生实质性价值通常需要12个月或更长时间。
2. 提升运营准备度
根据埃森哲的数据，70%的技术预算仍用于支持老旧系统，从而拖慢信息流动速度。为实现运营准备度，企业必须将端到端流程标准化，以便AI能够快速且大规模运行。同时，必须选择合适的AI形式来优化工作方式。并非所有工作都需要AI代理。AI代理的最佳应用场景是在工作流程涉及推理时；否则，传统自动化即可胜任。埃森哲指出，许多公司过度使用代理式AI，领导者必须避免这一陷阱。
3. 构建AI所需的数据基础
埃森哲发现，当数据提供一致的上下文时，能驱动更优决策。应投资于治理和语义一致的数据，这需要现代化的AI增强型云平台、AI护栏机制以及重构后的工作流程。面向AI的云环境应具备模块化设计，支持机器学习、生成式AI和代理式AI的编排。强大的数据基础通过使用干净的数据提供正确的上下文——从概率性结果向更确定性的结果转变。
企业需要一套连贯的数据战略，并能访问高质量的专有数据集。
将AI试点项目转化为全企业范围的价值，需要一条高速通道——如何加速推进。
数据和元数据（关于数据的数据）为AI代理提供了上下文智能，使其能够以可信赖的方式执行任务。埃森哲识别出两种工作模式：重新构建整个流程，让代理在不同系统之间协调工作流；或者仅在AI能提升性能时调用代理。
人才至关重要——这是人与技术的问题。只有三分之一的高管认为他们的人员策略已完全融入AI战略。我们必须重新定义职场中的人才。颠覆性的不是技术，而是人。埃森哲发现，尽管超过40%的企业正在对员工进行技能提升，但不到10%的企业在重新设计岗位职责。企业必须投资于培训和再培训，并始终让人类保持主导地位。
在Salesforce，我们发现成为代理型企业更多是关系上的转变，而非单纯的技术转型。这种关系转变包含六个‘R’：
- 与人类和AI共同重新设计流程。
- 对员工进行再培训。
- 将员工重新部署到新的高影响力岗位。
- 重组团队和组织架构（包括财务影响）。
- 重新校准新的绩效指标。
- 重新发掘潜在价值（过去被忽视、现在可为利益相关者创造价值的内容）。
随着公司通过数字劳动力日益自主，业务价值的回收便由此产生。
新的AI运营模式是实现规模化价值的唯一路径。AI无法在传统运营模式中实现规模化。
一个面向未来的AI运营模式更注重共享能力，而非孤立部门。这意味着企业必须投资于购买、提拔或培养生态系统合作伙伴。未来稳健的AI生态系统将为企业提供人才、更好的工具以及更强的合作创新机会。
实现全企业规模AI落地的障碍。
根据埃森哲的说法，从实验阶段过渡到全企业价值，是一场跨越三个维度的旅程：碎片化AI用于验证和诊断，结构性AI用于建立规模化体系，系统性AI则将智能嵌入核心。
埃森哲对每个维度进行了定义：
碎片化AI：生产力提升出现在局部区域（通常是支持职能），但进展受限于数据分散、临时治理和薄弱的端到端连接。要快速赢得信任并识别瓶颈，需现代化优先数据领域，建立联合业务与技术治理机制，并启动人才重塑计划。
结构性AI：势头从实验转向制度化能力，企业开始构建规模化所需的组织架构和运营模式。那些在关键推动因素——价值领导力、人才、数字核心、负责任的AI和持续改进——上协同行动的企业，更有可能规模化高价值应用场景。
系统性AI：处于此阶段的企业将技术复杂度与人才策略、岗位设计及领导行为的深刻变革相结合。智能被嵌入企业核心。他们将重塑视为一种持续的能力，而非一次性转型。
根据埃森哲的研究，只有少数企业能够实现系统性人工智能（AI），使智能深度融入企业核心。埃森哲发现，不到五分之一的企业已对其数据、平台、治理和人才体系进行现代化改造，足以支撑大规模AI部署。研究揭示，阻碍AI在全公司范围内扩展的关键障碍在于过时的运营模式。埃森哲的一项关键发现是，那些充分释放AI潜力的企业将采用视为一项战略要求——云就绪能力正日益成为区分AI转型领导者与落后者的关键因素。
安全同样至关重要。构建稳健的AI系统需要将安全设计嵌入其中。埃森哲的研究显示，虽然早期通过AI代理取得成果有助于建立组织信心，但真正决定长期成功和整体业务价值的是系统性AI。
我很喜欢埃森哲报告中的一句话：“AI奖励的是承诺，而不是急躁。没有人想在交通拥堵中开跑车。” 如需了解埃森哲研究的更多详情，可以访问其官网。
来源与参考
收录于 2026-05-02