蓝图：构建互联企业

如何构建互联互通的企业 内容 互联企业支柱：工作流、数据和编排 ................ 8 释放潜能 ............................................... 18 行动指南 重建以实现自主执行 .................20 附录 ....................................................... 27 关键要点 自主AI的运作模式已经到来。 55%的企业正在积极开发或部署代理式AI运营模式。 开发或使用这些模型的企业预计，到2027年底，自主AI将显著提升成果：运营效率提高45%，收入增长23%，盈利能力提升37%。 断开的流程会阻碍自主执行。 碎片化——而非人才或AI成熟度——是最大的制约因素：82%的领导者表示，部门壁垒阻碍了自主权所带来的价值。 77%的领导者正在投资数据质量和治理的改进，以实现大规模的自主AI决策。 数字孪生是未来的AI控制面板。 72%的高管计划将实时模拟和情景分析作为企业运营服务交付和管理的核心来实施。 采用自主工作流可借助六种核心要素加速5.4倍。 它们的效果是乘法效应，而非加法效应。变革管理准备度和人工智能治理最具影响力。 引言 您的运营模式已成为一项负债 企业正发现一个令人不适的真相。它们花费数十年优化的运营模式，已变成人工智能价值实现的主要障碍。问题不在于人才，也不在于人工智能的成熟度，而在于结构。那些曾经为管理复杂性而设的独立功能，如今正削弱人工智能投资的价值。 未来的企业将截然不同。它们围绕相互关联的工作流程来组织，这些流程使人工智能能够跨领域持续执行、优化和适应。我们将这种模式称为互联企业。 AI代理负责执行运营，而专家则专注于批判性思维、判断和战略监督。AI不再是一个附加工具；它是组织运营智能的核心来源。 根据IBM商业价值研究院（IBV）的新研究，82%的高管认为职能壁垒阻碍了价值创造。启示：继续维持这些壁垒的企业将扼杀绩效，并限制自主权旨在带来的价值。 这一新的运营范式已经启动。55% 的组织正在积极开发或部署具有自主性的 AI 运营模式。60% 的计划采用下一代交付架构，其中 AI 代理将协调跨越财务、供应链、人力资源、采购、物理运营和客户服务等领域的集成工作流。率先行动的企业已经实现了跨领域执行的复合效益：更短的周期时间、更少的交接环节、更强的韧性以及更好的决策。 本报告远不止于诊断现状问题。它详细阐述了一种以AI为先的运营模式，该模式围绕跨职能领域的自主工作流程组织。其基于数据的洞察旨在面向负责企业业务运营的负责人：首席财务官（CFO）、首席运营官（COO）、首席人力资源官（CHRO）、首席信息官（CIO）、首席客户官（CSCO）、首席商业官（CCO）以及全球业务服务（GBS）的领导层。这些高管负责成本、韧性、人才、客户体验、技术以及企业整体绩效。 随着人工智能代理在执行横向工作流程方面的能力不断增强，围绕部门设计的流程变得代价高昂。功能特定架构中锁定的数据无法驱动企业级智能和人工智能自主性。为手动协调而构建的工作流程无法达到人工智能的速度。75%的商界领袖表示，到2026年底，人工智能将显著重塑他们的全球服务交付模式。 根据一项针对16个国家、17个行业的2000多名C级高管进行的IBV调查，本报告识别了成为互联企业所面临的最大机遇和主要障碍，并详细阐述了加速实现这一目标的特点。 第一部分阐述了人工智能为何超越传统交付结构，并介绍了重塑企业执行力的代理模型。第二部分详细说明了自主运营所需的关键支柱：互联的工作流程、互操作的数据以及企业范围内的协调。第三部分展示了领先组织如何脱颖而出，并提供了一份实用的自主扩展行动指南。最后，21个附录提供了操作蓝图，详细说明了企业范围和行业特定的 workflows。 欢迎自主业务运营。欢迎互联企业。 75%据多数高管同意，到2026年底，人工智能将显著重塑他们的全球服务交付模式。 互联企业，定义 围绕职能领域、覆盖能动工作流的运营模式。企业范围内的数据互操作性为特定工作流以及由数字孪生镜像运营所驱动的编排层奠定了基础。在互联企业中，AI代理执行工作，而专家定义和监督工作如何完成。这就是AI优先运营：从一开始就为能动AI在价值创造中发挥核心作用而设计。 范式转换 如今，大多数企业的组织架构都是围绕职能专业化来设计的——财务、采购、供应链、人力资源、技术——以适应模拟工作的需求。但这些长期存在的企业交付模式正变得过时（见图1）。 协调工作历来需要人工审批、电子表格和大团队。职能部门曾是管理复杂性的最实用方式。但这种方法的弊端在于：工作交接、碎片化以及组织花费数十年力图最小化的反复低效。 人工智能的快速成熟使这些缺点更加突出。碎片化的工作流程迫使人工智能系统自动化孤立的任务，而不是推动最终成果。这使得功能之间的结构性差距——以及从这些间隙中溜走的工作——未被触及。在传统的组织边界内，自主运营的全部价值无法得到释放。 即使旧系统依然存在，AI代理也将开始跨越职能边界。领导层面临抉择：控制变革或应对变革。在我们的研究中，59%的人认为，到2026年底，具主体性的AI将打破组织壁垒。61%的人正在积极打破职能边界，以创建更统一的数字文化。 以AI为先的企业需要设计用于持续编排的工作流程，并且团队需要围绕成果而非部门进行对齐。在这种情况下，共享服务、外包和内部运营这些旧类别已不再相关。77%的受访者表示，转型GBS是一项战略必需，而非后台效率提升。然而，自主运营并未取消GBS的必要性。随着AI接管常规执行，它揭示了GBS最高价值的作用：管理企业复杂性。GBS负责处理例外情况、管理跨职能的瓶颈问题，并负责监督AI无法安全自动化的判断性工作。 新运营模式的核心是相互关联、跨越职能、地域和合作伙伴的工作流程。74%的高管表示人工智能正在消融传统的地域和职能边界。我们的研究表明，领导者期望跨领域工作团队在驱动企业价值的指标上超越碎片化的职能。大多数人预计成本降低（62%）、数据驱动决策更加精准（54%）以及竞争优势更强（57%）。一半人期望运营更具韧性，40%的人期望创新周期更快。 一家以AI为先的企业需要设计用于持续编排的工作流程，并且团队需要围绕成果而非部门进行协同。 超过一半的高管（56%）预计其下一代交付模式将基于可衡量的成果进行定价，而非交易或人员数量。这意味着要关注客户影响、现金流、供应链连续性、风险敞口和生态系统绩效。工作如何完成以及需要多少人来做，已不再是首要考虑的问题。 代理平台在新范式下成为自主服务单元，跨系统及合作伙伴执行任务。它们保持企业上下文，实时自我优化，并将人类专家提升至监督、解读和异常领导等核心角色。这并非未来场景：已有三分之 一（33%）的组织正在开发代理式AI运营模式，近四分之一（23%）的组织已部署到位。 打破界限 59%到2026年底，有相当一部分高管认为，代理式人工智能将打破组织壁垒。 61%正积极打破功能边界，以创建更统一的数字文化。 互联企业的支柱 工作流、数据和编排 在互联互通的企业中，数据、决策和价值正以新的方式在组织内部流动。 我们的研究确定了三个支柱，支持自主型人工智能运营模式的规模化安全实施：工作流架构、数据互操作性以及企业级编排。这些支柱共同建立，使组织能够从孤立的基于功能的运营模式转型为以结果为导向的自主执行模式。 工作流架构 在互联的企业中，工作流——而非部门或职能——成为价值创造的主要单元。水平化、相互依赖的工作流驱动着从组织架构向运营智能的转变（见图2）。它们承担着对可衡量成果的责任，并创造级联式、复合式的效益。 工作流程通过专业判断、实时协调和人工智能自主性的刻意融合来运作。专业人士和代理人的角色划分明确： –自主AI代理承担日常交易和运营决策，并持续、大规模地执行。 –工作流管理器他们是系统操盘手，负责协调相邻工作流程、处理升级问题、监控绩效，并确保自主执行始终与企业优先事项保持一致。 –领域专家和熟练的专业人士聚焦真正重要的判断：解读背景、权衡利弊、监管伦理影响、以及处理复杂例外。 工作流相互依存，因此，组织的实力取决于其最薄弱的工作流。但反之亦然：单个工作流的改进会直接影响其他工作流的绩效，随着自主性的扩展，还会产生复合优势。 图2 图2互联企业中的核心工作流 10个必备工作流涵盖专业判断，实时 编排，以及人工智能自主性，这些工作流程涵盖专业判断、实时编排和人工智能自主性，赋能转向结果导向、自主驱动这些工作流程驱动着向结果导向、自主执行的转变。执行。所有细节均详见附录。详见附录。 高管们似乎已准备好将工作分配给代理人、工作流管理者和领域专家。77%的人正在积极识别高价值流程，以便部署自主AI判断，而76%的人表示，AI决策将成为一项关键竞争优势。然而，领导者也明确表态，要支持安全有效的自主性：57%的人认为，专业人员应主要负责执行符合伦理的决策。AI能够大规模提供推理，兼具精准性和速度。专业人员则提供解读和后果分析，确保决策符合伦理、考虑周全并契合企业意图。 互联企业的一个指导原则是工作流程相互依存。因此，组织的强弱取决于其最薄弱的工作流程。但反过来也成立：单个工作流程的改进会直接影响其他流程的表现，随着自主性的扩大，还会产生复合优势。（预期效益，请参见附录中的具体工作流程。） 当六项基础能力存在时，自主工作流采用的可能性会大得多：变更管理、人工智能治理、数据治理、实时数据集成、互操作性和财务集成。每一项都能独立贡献——而变更管理和人工智能治理影响最大——但它们共同作用提升了采用率。当所有六项能力同步提升时，工作流采用的可能性会提高五倍以上（见图3）。 人工智能能够大规模地提供推理，兼具精准与高效。专业人士确保决策符合伦理、体现细微差别并契合企业意图。 图3 6项能力使工作流程采用的可能性提高5.4倍 图3 工作流采用加速器我们的分析发现，当六项核心能力同时具备时，六项核心能力加速了自主技术的应用 组织采用自主工作流程的可能性是五倍。工作流程——但有些比其他的后果更严重。当所有 管理准备度是提高采用可能性的最大因素。六台成熟设备协同工作，采用AI的可能性是单台采用时的五倍以上。 数据互操作性 数据互操作性已不再是优化选择，而是人工智能驱动运营的生存门槛。 几十年来，企业一直投资于数据项目。但大多数努力都集中在数据收集、存储和部门级报告上。互联企业所需要的东西从根本上不同。要让数据支持自主决策，它必须能在不同领域之间被访问和互操作——并延伸到合作伙伴的系统。在这方面，改进的空间很大。最近一项IBV研究发现，只有31%的企业自有数据对AI模型可访问，而只有13%的数据实际上被模型使用。1 视角 跨域 Pod 在企业互联互通的背景下，AI代理是主要的执行层。它们负责处理常规交易、分析以及运营决策。专业人员通过策略性地配置的“Pod”来塑造工作方式，并追踪业务影响。 一个“pod”是一个跨学科团队，它汇集专家共同协作管理对任务至关重要的工作流程。这些专家可以来自各个领域：财务、供应链、人力资源、IT、分析、运营、风险、客户服务和客户体验。在一个“pod”内部，专业知识变得灵活且具有集体性，支持覆盖整个企业的工作流程，而不是加强领域分割。大多数领导者（52%）已准备好采用基于“pod”的新工作方式。 跨领域协作是专家加代理执行模式的关键要素。专业人员牢牢掌握主导权。他们的专业知识决定了人工智能技术如何负责任地应用、如何优化成果，以及企业如何适应与创新。 高管们正在采取行动。59%的C级领导者报告跨领域的互操作人工智能能力现已成为战略优先事项，77%的人正直接投资于数据质量、治理和编排。然而，当这些投资强化分析管道而非赋能自主性时，它们就不足够了。为了达到AI首批运营成熟度，企业必须转型到具有共享语义、实时可用性和企业级信任的