重新定义技术领导者职责：打造规模化AI智能体的IT基础

重新定义科技领袖的使命 构建大规模自主式AI的IT基础 关于这项研究 2026年第一季度，在牛津经济学的合作下，IBM商业价值研究院对来自33个地区、19个行业的2000名CIO、CTO及其他高管技术领导者进行了调查。该研究探讨了企业如何应对人工智能从试点阶段转向生产阶段时所出现的财务、运营和治理挑战。我们的分析结合了细分和建模方法，评估企业的准备情况、控制力和效率——包括云可移植性、人工智能财务管理以及治理成熟度——从而为组织如何在韧性和纪律性下扩展人工智能提供比较性的洞察。详情请参见第32页的“研究方法”。 前言 3 4引言 请提供需要翻译成中文的英文文本。 基础设施的适应性使大规模人工智能成为可能 8 第二部分 设计赋能的治理使AI控制成为可能 16 第三部分 投资组合纪律重塑人工智能投资效率 前言 技术领导力塑造步伐与可能。 这是一个引领科技的关键时刻。 随着人工智能的加速发展，CIO和CTO们正面临着在信息不完整、持续高压的情况下做出高风险决策的挑战，因为环境在不断实时变化。这些决策现在决定着企业的发展速度和其所能追求的目标。 关键约束是适应性。大多数组织是为了控制、标准化和效率而建立的。但在人工智能驱动的环境中，现在是其架构、治理和投资决策决定了它们能够多快地行动、能够吸收哪些风险，以及哪些机会仍然可行。 马特·莱特森 首席信息官，技术平台转型，IBM 这一转变将CIO和CTO的角色推向了至关重要的新领域。虽然我们仍然需要对韧性、安全、成本和信任负责，但我们也在塑造业务本身。技术决策不再是在事后支持业务战略，而是定义其边界。 压力只会加剧。CEO们希望AI能更快地规模化。商业领袖们想要自主权。而对问责制的期望也持续升高。然而，许多组织仍在使用为人类速度的决策而设计的架构、控制措施和资金模式，而这些系统如今却以机器速度运行。 在IBM，我们不得不直面这些现实。选择权是有代价的，人工监督无法规模化，而且当模型以月为单位迭代时，为多年资产生命周期构建的投资逻辑会失效。这些都是结构性问题，并且它们正变得决定性。 本报告指出了技术领导者当前所面临的问题。如果您感觉到人工智能发展速度与贵组织应对能力之间的差距正在扩大，请知晓这个差距是战略性的，而不仅仅是运营层面的。而弥合这个差距将需要重新设计企业本身——其架构、其控制机制及其运营模式。 IT架构定义了业务战略 今天制约企业绩效的最大因素并非雄心或技术，而是IT基础设施能否在不牺牲控制力、韧性或经济纪律的前提下，适应机器速度的变革。 “人工智能并非仅仅是又一次技术颠覆，”菲利普·莫里斯国际公司全球CDIO迈克尔·沃格勒表示，“与过去的创新不同，人工智能加速其自身的发展，几乎就像一个自我供能的有机体，不断加速创新的步伐。” 因此，技术领导者的职责范围正在扩大，其速度往往快于其所在的企业。CIO和CTO不再仅仅是支持商业战略，越来越多地，他们正在帮助定义哪些战略是可行的。具体路径将因情况而异——受监管的行业、重资产产业和主权敏感地区面临不同的挑战——但为适应机器速度般的变革而重新设计IT基础的需求同样紧迫。 技术架构决策现在直接决定了业务可以追求什么——以及它可以多快地前进。 对于CIO、CTO及其他C级技术领导者而言，挑战不在于部署新工具，而在于重新设计为更缓慢、更可预测的环境而构建的企业技术基础。人工智能正在打破任何可靠节奏的表象，并暴露出那些无法快速适应的运营模式。 该扩展的职责如今已带来真正的后果。IBM商业价值研究院（IBM IBV）最近发布的研究报告《2030年的企业》预测，竞争压力将在本世纪末使重大赌注成为不可或缺。1 但仅凭雄心壮志并不能构成战略。在一个由人工智能驱动的企业中——以及随着量子能力的出现——关键不在于大胆，而在于该组织是否具备快速、纪律性和自信地做出重大赌注的能力。 随着人工智能的规模化发展，系统持续不断地自主做出决策，其决策量已远超任何以人为中心的治理模型所能实际监督的范围。在本报告中，我们以“机器速度”来描述决策量、自主性和决策频率方面的这一转变——以及这对企业系统所提出的要求。 当然，这并非技术首次重塑决策。互联网做到了，云也做到了。如今的不同之处在于速度——即建筑、治理和投资选择如何迅速成为制约商业战略的结构性约束。 最大的转变是变化的节奏。在当今的速度下，长期路线图和庞大的项目不再适用。 罗汉·卡普尔 首席信息官，北爱尔兰电力网络公司，英国 这种结构上的准备依赖于三个支柱——技术领导者现在必须将其构建到他们的组织中。来自IBM IBV与牛津经济研究院合作进行的新研究表明，这实际上意味着什么： 1 基础设施的适应性使得人工智能得以大规模应用。对于首席信息官（CIO）和首席技术官（CTO）而言，这意味着构建基础，以便在更换云服务提供商、轮换人工智能模型或吸收新能力时，无需进行平台迁移或大规模的重新工程。 设计驱动的治理使得人工智能控制成为可能。当人工智能代理每天做出数千个决策时，控制不能再依赖于人工审批关卡。科技领导者必须预先定义并将边界直接构建到系统架构中，包括代理可以访问什么、何时必须停止以及决策如何保持可审计。 3 投资组合的纪律重塑了AI投资效率。鉴于AI模型生命周期的缩短和收益的不对称性，科技领导者必须重构其IT投资组合，以便快速更新模型、退出表现不佳的赌注，并扩大行之有效的方案——而无需等待传统的预算周期。 CIO们首先必须是业务领导者。真正的价值不在于提供技术——而在于将技术转化为商业模式并创造积极的财务影响。 2026年的技术领导力在于创造团队适应变化所需的“氧气”。 格雷厄姆·罗宾逊 首席技术官，智能数字内容创作平台，英国 当嵌入以AI为先的操作环境中时，这三大支柱相互强化（参见图1）。基础设施的适应性创造了行动空间，但这只有在治理从一开始就被设计到系统架构中时才成立。组合纪律为两者提供资金，使CIO和CTO能够更新AI模型、重新分配云资源，并根据可衡量的证据扩展已验证的能力。当其中一项缺失时，就会损害其他项——将速度转化为风险敞口，将控制转化为拖累，或将投资转化为惯性。 在人工智能的规模下，部署本身已不再是衡量进步的有效标准。关键在于组织是否从一开始就明确定义预期成果——并持续根据这些成果来衡量绩效。缺乏这种纪律性，适应性、控制力和投资组合严谨性将仅仅停留在愿望层面，而非实际运营能力。 当CIO和CTO共同构建这三大支柱时，他们会将强化循环从约束转变为优势。在我们的分析中，那些技术领导者已建立基础设施适应性、设计型治理和组合纪律的组织，其2026年的预期收入增长率报告高出38%，预期运营利润率高出7%，并且他们目前已部署了2.6倍的AI代理。 然而，对大多数人而言，这种差距正在扩大。许多科技领导者仍在使用针对稳定性优化的IT架构、依赖人工审核的治理模型，以及为多年度资产生命周期构建的投资框架。这些方法无法跟上人工智能的速度。在我们对来自19个行业、33个地区的2000名首席技术官进行的调查中，只有11%的人表示他们已完全准备好应对未来12个月内预期的AI代理部署规模——尽管80%的人报告称，转型指令直接来自CEO。 这是一个结构性错配，而非意图上的危机。那些取得进展的技术领导者并非试图进行全面的IT改革。他们正进行有针对性的投资，以消除他们在速度、控制或资本效率方面的最大结构性障碍。 在本报告中，我们重点阐述了CIO、CTO及其他技术领导者如何通过建立基础设施适应性、设计型治理和组合纪律来构建结构性准备，以及当AI在整个企业中扩展时，他们应首先在何处采取行动。 图1 图1 幻觉循环CIOs和CTOs必须共同构建这三大支柱，才能自信 地扩展代理式AI。 我的角色不是产生所有具有变革性的想法，而是构建基础，让组织里更聪明的人能够将这些想法付诸实践。 乔德·琼斯 贝勒斯科特与白健康医疗系统首席信息官 (CIO) 基础设施的适应性使得人工智能得以大规模应用 我们不知道未来五年谁将获胜或失败。因此，我们保持人工智能模型即插即用，如果格局发生变化，随时准备调整。 高斯·道尔顿 VWG英国有限公司英国集团IT总监及董事会成员 历史上，准备意味着稳定——与一个以连续性、成本和可预测性为最优化的已知运营模式保持一致。当能力发展缓慢到足以允许规划时，这个定义是有道理的。但在机器速度下，它已不再适用。当模型、平台和工具的变化速度超过规划周期时，稳定就变成了制约。 今天的准备状态体现在其灵活性上，即在不引发大规模中断的情况下，能够转移工作负荷、轮换模型并吸收新能力。以此衡量，许多组织的准备状态远不如其自认为的那样充分。 该选择权具体呈现何种形式将因具体情况而异。在受监管的行业和主权敏感环境中，准备情况可能同样取决于数据驻留和司法管辖区韧性，而不仅仅是技术流动性。在资产密集型产业中，适应性往往需要围绕长期运营系统和不均衡的基础设施现实来构建，而非绿野开垦式的灵活性。 这种选择权不仅限于基础设施。它还包括在不迁移平台的情况下集成新功能，在不重写工作流的情况下替换模型，以及防止本地优化导致企业范围内的锁定。保持这种灵活性需要事前进行有意识的投入。 我们本应在建筑和安全层面完成的所有工作，现在变得更加关键。如果这些基础没有到位，我们早已处于风险之中。 弗朗塞斯科·苏埃罗 西班牙Audax可再生能源公司首席信息官 大多数企业需要它们已不再拥有的选择权。 随着组织将 AI 代理的数量从数百扩展到数千，部署不动（immobility）不再仅仅是一个技术上的不便，而是开始成为一个战略性的制约因素（见图2）。 我们的研究发现，云成本平均超出原始预期48%，而80%的技术领导者报告数据传输成本高于预期。根本原因是架构问题：虽然88%的组织正在尝试或计划将工作负载迁移到不同的云服务提供商，但技术领导者表示，其中只有25%的工作负载易于迁移。 尽管在云方面进行了大量投资，但许多组织并不能像他们预想的那么容易适应。那些使工作负载迁移更困难的选择，同样也减缓了采用更好模型、更新工作流程或引入新能力的步伐。准备状态并不仅仅是关于基础设施，它还塑造了业务能够多快做出响应。 如今看似僵化的局面，往往源于早期做出的理性选择。在我们的研究中，CIO和CTO们指出，成本优化（60%）和创新能力提升（59%）是他们最初决定迁移到云的主要驱动力。这些选择在创造价值的同时，也带来了依赖性。 随着复杂性的增加，维持遗留系统就像坐在一颗定时炸弹上。我们今天或许能处理危机，但我说不好明天会怎样。没有简化，复杂性本身就会成为韧性风险。 昨天的优化限制了今天的灵活性 当企业试图迁移时，有限选择性的后果便显而易见。根据我们的研究，可移植性障碍呈现出熟悉的形式——最常见的是数据传输成本或出口费（69%）、对特定提供商服务的依赖（61%）以及技术复杂性（52%）。项目问题可能会暴露这个问题，但架构决定了其成本会高到何种程度。 问题已不再是工作负载最终能否迁移，而是企业能否快速调整——当成本结构发生变化，当绩效预期转变，或当新模式超越旧模式时。当答案是否定时，成本会体现在对市场变化的响应变慢、供应商议价能力减弱、采用更优模式延迟以及资本需要流动时产生的更高摩擦上。 图2 静态使云成本成为战略制约 主要驱动因素云成本增长 模型和硬件应当可替换。它们所承载的数据和企业智能才是必须持久的。 川井康夫 日本本田公司数字部门负责人，本田日本公司副社长 适应性是新的准备度指标 那些在最重要之处保留选择权的组织，对待准备采取不同的方式。他们会审慎地选择在何处接受依赖，在何处可逆性能创造战略优势——这些决策在环境迫使改变之前，就已塑造了架构、整合和投资。 我们的研究表明，那些早期就为灵活性设计的组织——通过保持工作负载的可移植性、限制硬依赖关系和支持更快的模型更新——在2025年报告了其AI投资回报率高出10%。当模型组合持续更新且工作负载保持可移