核心观点与关键数据
- AI 自动化从试点到生产的转变： 尽管 AI 工具数量众多，但成功率高，78% 的 AI 自动化项目已 delivering moderate to high value。平均每个企业已部署 28 个 AI 代理，预计年底将增至 40 个，增长 43%。
- AI 自动化成功的关键因素：
- 集成： 连接性是 end-to-end 自动化的主要障碍，成功的企业注重将 AI 集成到现有环境和数据中。
- 问责制： 安全、审计、可追溯性和治理 (47.3%) 是影响购买决策的首要因素，其次是实施速度 (42.6%)。
- AI 自动化所有权：
- 当前： 超过三分之二的企业由 C 级高管控制 AI 项目的资金和授权，其中 CEO (26%) 和 IT 领导 (23.1%) 最为突出。
- 理想状态： 88% 的企业希望指定一位首席 AI 官 (CAIO) 负责 AI 策略，以实现更有效的领导力和问责制。
- AI 代理的部署方法：
- 首选： 嵌入式/预构建的 SaaS 应用 (38.8%) 和低代码/无代码集成平台 (32.5%)。
- 新兴趋势： “Vibe coding” (19.6%) 作为一种基于自然语言提示的代理开发方法正在兴起，但存在安全风险。
- AI 自动化面临的挑战：
- 主要障碍： 安全、治理和数据隐私风险 (38.5%)、无法与遗留系统集成 (32.3%) 和流程复杂性 (31.2%)。
- 预算并非瓶颈： 尽管安全风险和操作复杂性增加，但预算不足 (14.8%) 仍然是企业 AI 自动化项目的主要推动力。
- AI 自动化的业务价值：
- 当前价值： IT (52.7%)、客户支持 (33.4%) 和营销 (32.4%) 是目前 AI 代理最具价值的领域。
- 预期价值： IT (48.2%)、金融 (29.2%) 和客户参与 (29.7%) 被预期在未来提供最大价值。
- AI 自动化策略的主要驱动因素：
- 加速新产品或服务的上市时间 (37.8%)
- 统一数据孤岛以改进决策 (35.2%)
- 增强客户体验通过个性化 (25.6%)
- 提高安全/合规和治理 (35.1%)
- AI 自动化投资预算：
- 未来 12 个月： 超过 80% 的企业计划增加自动化/集成和 AI 项目的预算，其中 AI 预算增幅更大。
- 预算增长： 最常见的预算增幅为 11-25% (AI) 和 1-10% (自动化/集成)。
研究结论
- AI 自动化已从概念验证阶段过渡到可衡量的业务价值阶段，成为企业转型的重要驱动力。
- 集成和问责制是 AI 自动化成功的关键因素，企业需要解决安全、治理和遗留系统集成等挑战。
- 随着企业 AI 熟练度的提高，他们对 AI 自动化项目的预期回报也越来越高，尤其是在 IT 和金融领域。
- 企业将继续增加对 AI 自动化和集成技术的投资，以加速产品上市时间、提高运营效率和增强客户体验。
- AI 代理的规模和复杂性将不断增加，需要更强大的集成和编排平台来支持。
