2025年五大趋势：人智共创未来 点燃创新纪元

人智共创未来点燃创新纪元 AI推动数据普及化，重新定义决策流程。 2024年是拥抱变化、把握机遇的一年。冲突和转型的交织令原有假设受到质疑，领导者不得不重新评估其风险偏好。他们必须平衡速度需求与成熟流程的安全性，然后改变那些束缚发展的习惯。 生成式AI是这一转变的核心，带来了一个充满新机遇和未知风险的世界。智能体AI是指自主执行各种功能的系统和程序，可在员工从事其他工作时代表他们完成任务。通过为AI智能体赋予相关权限，它们可以自动执行决策、解决问题以及执行其他超出系统机器学习模型训练范围的任务，这是大多数AI助手无法做到的。 领导者如何才能在不给企业带来风险的情况下增强员工的自主创新能力？ 另外，随着数字劳动力的发展，变革的力量牢牢掌握在员工手中。1这样个人得以提高生产率并重新定义工作流程，同时挑战了传统的领导观念。 事实上，领导者没有时间审查每一项创新。随着智能体AI在组织中发挥的作用不断增强，领导者需要下放更多决策权，才能真正加快步伐。他们仍然需要制定目标并明确前进规则，但必须赋权团队重新思考工作流程，并用新的方式部署AI智能体，从而大幅度提高绩效。 在这种环境下，领导者相当于在敏捷性和安全性之间走钢丝，尽力维持韧性与风险之间的平衡。这绝非易事。为了解领导者如何实现这一目标，IBM商业价值研究院(IBM IBV)与牛津经济研究院在2024年10月和11月联合开展了一项调研，受访对象涵盖17个行业和6个地区的400名全球领导者。我们询问他们，必须克服哪些挑战才能在AI塑造的竞争格局中取得成功？如何让员工做好准备以推动变革？最期待通过哪些机会来加速进展？ 我们将这些结果与我们在2024年进行的数十项调研、深度访谈、客户互动中获得的洞察进行了比对，勾画出在2025年将重塑AI蓝图的重大趋势（见第5页“研究方法”）。 我们发现，领导者仍然难以通过AI投资实现业务转型，但他们相信自己正处于重大突破的边缘。事实上，63%的受访高管表示其AI产品组合将在未来一到两年内对组织产生重大财务影响。 为了实现这些期望，企业计划推动团队快速前进。目前有30%的受访高管表示其组织主要处于AI实验阶段，正在低风险的非核心职能中测试AI的使用，以积累经验、建立信心并找出潜在痛点。只有24%的受访高管表示其组织正在利用AI进行创新，以把握新机遇并创造新的业务模式。 在未来的一年中，一些组织很可能脱颖而出。您的组织会在其中吗？探索2025年五大趋势，了解领导者需要掌握哪些知识才能克服未来的障碍，以及如何才能建立竞争优势。 2025年，领导者有望实现重大转变。46%的受访高管表示其组织将扩大AI的应用规模，利用它来优化流程和系统；而有44%的受访高管计划利用AI来开展创新工作。只有6%的受访高管表示其组织仍将处于实验。 AI的快速采用带来了严峻的IT预算挑战，但组织很快就能自我造血。 智能体AI将变革组织的业务，但组织首先必须对员工进行再培训。1 要将这一势头转化为真正的业务价值，领导者需要赋予员工权力，让他们充分利用这一触手可及的技术。这意味着要实现决策民主化，并为员工提供成功所需的工具和培训。人才是利用AI制胜的秘诀，但如果没有战略性再培训、安全护栏和决策支持，仅凭人才是无法取得成功的。 技术债务仍在不断增加，尽管组织在努力缓解这一问题。2 AI产品和服务创新是CEO的首要目标，但业务模式未能跟上。 在AI时代，位置至关重要。3 研究方法 我们还在2024年10月和11月对来自17个行业（包括银行、政府和电信）和6个地区（美国、英国、德国、印度、澳大利亚和新加坡）的400名全球领导者进行了问卷调查，以各种题型（选择题、数值和李克特量表）向受访者提出了一系列前瞻性业务和技术战略问题。除非另有说明，否则所有引用数据均来源于本次2025年五大趋势全球脉动调查。由于样本量太小，无法对这次的受访进行分组比较。 每一期的五大趋势报告都会重点介绍在来年有望对业务产生重大影响的关键挑战和机遇。今年的报告确定了2025年各行业和组织的发展趋势，基于深度调查和全面的客户参与，提供切实可行、以研究结果为依据的洞察，帮助领导者驾驭日益复杂多变的环境并取得长足发展。 本研究是IBM商业价值研究院“五大趋势”系列报告的第六期，旨在分享战略性洞察，帮助组织领导者规划未来。 本报告基于过去12个月进行的全面研究，借鉴了55项调研的数据。这些调研涵盖混合云和AI、一般业务、金融和技术以及特定行业，包括全球超过43,000名高管和4,000名消费者的见解。这一系列研究用于分析我们与牛津经济研究院合作开展的一项脉动调查中发现的趋势。 智能体AI将变革组织的业务，但组织首先必须对员工进行再培训。 AI正在重塑未来的工作方式。但是，许多员工对未来毫无准备。如果有太多员工固步自封，转型就会停滞不前。 全球每年大约有5%的劳动力需要持续进行再培训，而AI的快速发展让这一比例急剧攀升。全球范围内的受访CEO估计，2024年平均有35%的员工需要接受再培训，也就是超过十亿的员工。2 全球每年大约有5%的劳动力需要持续进行再培训，而AI的快速发展让这一比例急剧攀升。 究竟是什么造成了这一巨大技能缺口？答案就是，真正转型的需求不断加剧。比起将特定角色的工作全部自动化，企业更愿意将人员与特定领域的AI智能体结合，以提高绩效表现。事实上，87%的受访高管预计人类工作会被生成式AI增强，而不是被取代。3这意味着，比起学习新的技能或工具，员工必须彻底重新思考如何开展工作，以便充分释放生成式AI的潜力。 全球范围内的受访CEO估计，2024年平均有35%的员工需要接受再培训，也就是超过十亿的员工。 这轮AI“第三浪潮”带来的是工作流程的大规模变革。7事实上，现在有90%的受访高管表示，到2026年，其组织的工作流程将通过智能自动化和AI助手实现数字化，77%的受访高管认为到2026年，生成式AI将让联网资产自主做出决策。8受访高管们还表示，由于生成式AI的发展，数字助手的决策量将在未来两年内增加21%。9这将对运营模式产生巨大影响，因为组织必须搭建新的架构，让员工能够监督自主决策流程，并管理由此产生的新风险。 在这样的形势下，64%的受访CEO表示，AI制胜的关键将更多取决于员工对技术的采用，而非技术本身。4然而，64%的受访CEO认为其组织必须充分利用那些变化速度快于员工适应能力的技术。547%的受访高管表示其员工缺乏在整个组织中有效实施和扩展AI所需的知识和技能。 部分问题在于培训不足。尽管受访高管普遍表示AI素养是其员工在2026年需要的最关键能力，6但只有22%的受访高管强烈认同其组织已将AI知识、技能和能力纳入员工职业发展计划。而且只有不到一半的受访高管表示其组织已经实施了正式的变革管理计划，旨在将AI助手和智能体集成到日常工作流程中。 要解决的问题有很多，但67%的受访CEO认为自动化带来的生产力提升极具吸引力，他们必须承担高风险来保持竞争力。10而且，82%的受访高管认为从生成式AI中获得的效益会超过潜在风险11，但需要对员工进行针对性的培训和技能提升，才能实现这一目标，让受访高管们所期望的竞争优势成为现实。 这是一个大问题，因为智能体AI正在迅速转变个人贡献者的角色。随着具有更高级功能的AI智能体对简单AI助手进行补充，员工将需要管理可自主完成任务的智能体团队，并学习如何与对话式监管AI智能体合作，从而简化这一流程。 企业必须搭建新的架构，让员工能够监督自主决策流程，并管理由此产生的新风险。 What to do 发挥团队的集体智慧。 让AI素养成为必备技能，强化培养智能体AI技能。 让员工为未来做好准备。 打破各自为政的思维模式，建立协作沙盒，在沙盒中对AI工作流程进行严格测试和完善，鼓励员工大胆实验，不必担心失败。让业务部门、IT和人力资源部门的领导者共同对AI成果负责，凸显在整个企业内采用AI的战略重要性。让治理成为协同创新成果的关键要素，重新构想运营模式，确保有效、负责任地整合智能体AI。 设立流程协调者和数字资源管理员等新角色来管理组织内AI助手、模型和治理准则的使用和共享。引入制衡机制，对智能体AI做出的自主决策进行监督。定期举办黑客马拉松，汇集不同观点，构想AI助手和智能体的创造性应用方式。根据业务目标和生成式AI采用方面的优先要务，建立基于绩效和准备度的薪酬和激励机制。 推出与实践项目相结合的综合培训计划，快速提升员工的AI素养，让团队熟悉智能体AI。强制对所有岗位人员进行AI技能培训，营造“AI必备”的文化，实现更智能的协作并负责任地将AI智能体和AI助手整合到日常工作流程中。 技 术 债 务 仍 在 不 断 增加，尽管组织在努力缓解这一问题。 时间就是金钱。领导者始终在想方设法节省时间和金钱。但短期内加快转型的权宜方案往往会导致技术债务，从而限制长期的创新和发展。 技术债务是指为加快开发或交付而做出的快速、次优技术决策所产生的长期成本和低效。对数字产品、服务和体验日益增长的需求正加重技术债务，其速度远超企业缓解技术债务的速度。因此，55%的受访高管表示技术债务是实现业务目标的主要障碍或真正的拦路虎。12 以汽车行业为例。汽车的使用寿命可能长达15年或更长，而智能座舱的数字体验往往在18个月内就会过时。如果制造商在设计和安装软件时不能做到随着技术的发展轻松更新智能座舱，就会对客户满意度产生负面影响。13 组织的信息技术也是如此。为了实现客户、员工和合作伙伴所期待的创新，组织必须在现代架构内构建解决方案。这是因为传统系统往往无法与新一代应用、软件和基础架构有效配合使用。 生成式AI和智能体AI尤其如此。企业需要强大的基础架构来处理AI的数据和计算要求，以便将试点转变为企业级解决方案。然而，尽管77%的受访高管表示其组织需要快速采用生成式AI技术才能赶上竞争对手，14但只有25%的受访高管强烈认同其组织的IT基础架构能够支持AI在整个企业内大规模扩展。 最大的障碍之一是企业数据的质量、可访问性和安全性。利用内部专有数据对生成式AI模型进行培训，对于帮助企业利用AI获得优势至关重要。然而，只有16%的技术领导者确信他们目前的云计算和数据能力能够支持生成式AI，15而且只有21%的受访高管强烈同意其组织拥有在整个企业扩展AI所需的数据。 灵活性也是必须考虑的问题。为了从云技术中获得最大收益，组织需要能够在合适的公共云或私有云环境中运行每个系统和应用――我们称之为混合设计。平均而言，采用混合设计推动数字化转型的企业IT高管表示所实现的ROI要比不采用混合设计的企业高出三倍。16 这就是未雨绸缪的有力论据。但目前，三分之二的受访CEO表示他们是通过重新分配长期工作资源来实现短期目标的。17如果领导者不转变这种思维模式，即便在快速成效能推动增长或盈利的当下，技术债务也可能会阻碍进展。 为了在不加重技术债务的情况下扩展AI系统并采用智能体AI，企业必须激励团队对传统系统进行现代化改造，并改变新解决方案的开发方式。CIO、CFO和其他主要领导者可以将长期生产率提高和绩效指标与每个新解决方案联系起来，以衡量现代化改造的潜在效益，对采取捷径的成本进行量化。这些领导者的联手合作可以帮助团队决定何时为了速度积累技术债务是合理的，何种情况下自始就应当构建正确的架构。尤其是随着时间的推移，技能提升和再培训成果会提高生产率。 领导者可以将长期生产率提高和绩效指标与每个新解决方案联系起来，以衡量现代化改造的潜在效益，对采取捷径的成本进行量化。 行动方案 弥合愿景与现实之间的差距。 敏捷性架构。 激励大规模扩展。 确定扩展AI取得成功所缺的架构要素。将AI商业论证与相关的现代化改造成本联系起来，避免意外支出。有意识地投资能长期带来最大业务价值的AI计划；建立一个跨职能AI委员会，负责从业务线的角度确定投资回报率；同时制定劳动力战略，助力员工在不增加技术债务的情况下进行创新。 赋能IT领