自主 AI 如何重新定义企业智能

企业 AI 已不再是未来的愿景，而是已全面投入实际运营。模型能力的进步速度超过了大多数组织的吸收能力，而性能成本却在持续下降。全球范围内，AI 投资预计将在 2026 年达到 2.5 万亿美元，较上一年增长 44%。

对许多企业而言，这笔投资带来的是碎片化。智能可能在各处孤岛中积累，例如销售代理不知道未解决的支持工单，或者营销系统在个性化内容时看不到财务部门已经掌握的客户信息。每个职能单独来看可能表现良好，但企业整体学到的东西很少，可用于行动的信息也更少。

下载报告

从 AI 作为工具到 AI 作为运营模式的转变——我们在本报告中称之为“代理式转变”——需要的不是更好的模型或更快的基础设施，而是更根本的东西。它要求实时连接人员、流程和数据，并具备治理和控制能力，以可靠地基于这些智能采取行动。

这意味着要同时重新思考架构和运营模式。首先，重建数据基础设施，重点在于可访问性而非数据量。其次，用可组合架构取代固定技术栈，使其能够随着模型和工具的变化而演进。最后，解决 AI 主权问题，包括智能在哪里运行、由谁控制，以及它如何跨越组织和司法管辖区边界运作。

主要发现包括：

企业 AI 的扩展问题是结构性的。流程优先的公司正在领先。全球 AI 支出急剧上升，模型能力的进步速度超过了大多数组织的整合能力。然而，大多数企业仍未通过 AI 实现收入增长，也未从根本上重新思考其运营方式。持续获得回报的公司有一个共同准则。它们将流程重新设计视为模型选择之前的工作，按照技术未来的演进方向来构建，而不是在部署后再改造角色和工作流程。对它们而言，代理式转变始于运营模式。

让 AI 产生复利效应的是数据就绪度，而非数据丰富度。大多数企业发现得太晚：拥有数据和拥有 AI 就绪数据是两回事。一个主权化、可组合的基础——在数据所在之处查询和准备数据，无需迁移或集中化——可以将原始数据资产转化为 AI 代理能够据以行动的智能。随着数据驻留法律、多云环境和结构性复杂性使集中化越来越不切实际，对模型运行位置和数据存放位置的主权控制，正是保持这种适应能力的关键。

下载报告。

本内容由 MIT Technology Review 的定制内容部门 Insights 制作，并非其编辑团队出品。内容由人工研究和撰写，任何可能使用的 AI 工具仅限于在人工监督下参与制作流程。