企业AI不再是未来的愿景。它已全面投入运营。模型能力的提升速度超过了大多数组织的吸收能力，而性能成本持续下降。全球范围内，AI投资预计在2026年达到2.5万亿美元，比上一年增长44%。对许多企业而言，这项投资导致了碎片化。智能可能积累在孤岛中，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，不了解财务部门已掌握的客户信息。每个职能在孤立状态下可能表现良好，但整个企业学到的很少，可采取行动的信息也更少。
从AI作为工具到AI作为运营模式的转变——我们在这份报告中称之为“代理转变”——需要比更好的模型或更快的基础设施更根本的东西。它需要实时连接人员、流程和数据，以及可靠地利用该智能所需的治理和控制。这意味着同时重新思考架构和运营模式。首先，重建数据基础设施，以可访问性而非数量为目标。其次，用可组合的架构取代固定的技术栈，以适应模型和工具的变化。最后，解决AI主权问题，包括智能在哪里运行、谁控制它，以及它如何跨组织和司法边界运作。
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，模型能力的提升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实现收入增长或从根本上重新思考其运营方式。产生持续回报的公司有一个共同的原则。他们将流程重新设计视为模型选择之前的工作，为技术如何演变而构建，而不是在部署后调整角色和工作流程。
数据就绪，而非数据丰富，才是使AI可复合的关键。大多数企业发现得太晚，拥有数据和拥有AI就绪数据是非常不同的。一个主权、可组合的基础——可以在数据所在位置查询和准备数据，无需迁移或集中化——可以将原始数据资产转化为AI代理可以采取行动的智能。随着数据驻留法律、多云环境和结构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储位置的主权控制是保持这种适应性的关键。
来源: MIT Technology Review AI · 由HeadlinesBriefing整理摘要