超越vibe编码：在代理时代加速和可扩展地交付业务应用程序

企业AI平台定义应用交付的下一个十年 内容 执行摘要 06 12生命周期重置：为什么现在这场对话很重要 端到端应用生命周期视角 16 Vibe 编程：承诺、现实与生产鸿沟 24 代理型人工智 埃森哲观点：赋能时代以客户为先 28 混合架构作为可扩展的模式34 38企业AI经济学：从token成本到每结果成本 当前及未来市场趋势 2026 至 2030 年 40 行业影响：银行、保险、电信、公共部门 44 企业AI平台应该提供什么46 思科集团的代理自动化交付框架 48 52领导建议 54从证据到行动 参考文献与资料 58 免责声明 本文所包含的信息具有普遍性质，不构成亦不应被解释为向用户提供的专业建议或意见。本文不构成法律建议。Capgemini 不是一家律师事务所，寻求法律建议的用户应咨询律师。本文不声称是实现特定商业、法律或监管目标所需方法或步骤的完整陈述，这些方法和步骤因个体情况和因素而异。本文仅用于信息目的，不构成对任何特定方法的推荐，也不应被依赖以解决或处理任何特定问题。本文的文本最初是用英文书写的，任何翻译仅出于方便，Capgemini 对翻译中的不准确之处不承担责任。本文所提供的信息仅以现状形式提供。Capgemini 对本文所提供的信息不作任何类型的陈述或保证，并不对由此信息导致的任何直接、间接、特殊、偶发或后果性损失，或利润损失承担任何责任。文中未注明外部来源的图表或表格数据来源于 Capgemini的调查、项目经验或内部分析。 作者 Dinesh Karanam全球客户流程管理与客服中心转型负责人 | 金融服务 副总裁 | 全球DCX客户流程负责人 高级总监 | 客户流程管理首席技术官 贡献者 斯里梅伊·马祖马达尔亚太区客户流程管理负责人 | 金融服务业 施比·桑卡·查克拉博蒂印度DCX全球预销售负责人，智能自动化与企业平台领域 拉希特·阿罗拉欧洲和中东地区（EMEA）金融服务业客户流程管理负责人 执行摘要 企业IT内部正有三股力量碰撞，而大多数领导团队正错误地理解它们的融合。以下是简短版本。 到2029年，预计将超过1.3万亿美元，其中仅自主AI就占所有IT支出的四分之一以上。 平台已经证明了其经济性。低代码已超越一个类别，成为一种默认能力。Gartner预计到2026年，75%的新企业应用程序将基于低代码平台构建。尽管分析机构的术语中逐渐淡去“低代码”这一标签，但模型驱动的理念已被证明具有持久性。 重塑配送的三大力量 AI应用已成为一场竞赛，而非选择。Gartner预计，到2026年底，40%的企业应用将嵌入特定任务的人工智能代理，而2025年这一比例还不到5%。IDC预计全球AI和代理AI的IT支出将保持增长势头。 Vibe 编码改变了构建方式。自然语言现在可以在几小时内转化为可运行的软件，而不是几个季度。麦肯锡发现，大多数组织在软件工作中通过人工智能至少能提升 25% 的生产力，而 Jellyfish 与 OpenAI 的一项研究则报告称，深度采用团队的生产力提升幅度超过 110%。这种速度的转变是真实存在的，值得关注。 绝不要将未经审核的AI生成代码部署到受监管的工作负载中。 2.代码生成从未是关键路径。AI在构建阶段能节省30%到50%的精力，但在运行和变更阶段的节省则不到15%。五年的总拥有成本中，大约70%花费在代码助手几乎触及不到的阶段。 这个误解 3.人工智能需要结构才能实现可预测的投资回报。如今由Gartner正式确立为“代理控制平面与自适应流程编排”的获胜模式，是一种具有选择性节点上代理推理能力的确定性骨干架构。 在董事会中，人们很容易将这种现象解读为一次干净利落的代际更替。Vibe 编码吸收了低代码，代理程序吸收了工作流程，平台逐渐消失。这种解读部分正确，但严重不完整。Gartner明确指出，到2027年底，超过40%的代理型AI项目将因成本过高、价值不明确以及控制机制薄弱而被取消。开发速度确实存在，但实际运营保障却并不充分。这正是五年成本主要存在的地方。 4.模型驱动的平台能够降低长期变更成本。即使借助人工智能加速，纯粹的代码生成也会积累技术债务，除非它以受管理的模型为基础。在五年的时间里，基于平台的交付方式在关键任务工作中具有决定性优势。 5.平台的选择现在已成为一项经济决策。那些通过受控平台实现AI加速的企业可以获得可预测的成本、审计级别的治理以及持续增值的变革。领先的大型企业AI编排平台展示了完整的大型企业AI平台应具备的特征；Capgemini的任务是在每个客户的监管边界内，将其模式应用于风险和价值最高的工作流程中，使其真正落地。 埃森哲论文 Vibe 编程和 AI 开发环境在发现、原型设计、框架搭建和探索性工程等方面都是真正的加速器。随着工作逐渐进入生产阶段，其优势会减弱，因为在生产环境中，确定性、可审计性、可扩展性和持续变更成为主导成本的因素。 企业AI平台通过在一个统一的受控平台上结合确定性流程编排与自主推理，弥合了这一差距。Capgemini认为，制胜的关键并非在速度与控制之间做出选择，而是在单一的交付模式中将两者结合起来。以下部分将为这一观点提供证据。 如果问题是你可以多快构建，那么 vibe 编码胜出。如果问题是你可以多快在五年内安全地扩展和变更，平台则更具优势。大多数企业首席信息官在做五年规划时，却只被灌输着一个季度的叙事。 五个执行结论 1.将AI生成的代码视为原型，而非生产资产。Veracode发现45%的AI生成代码存在安全缺陷，而云安全联盟发现，AI辅助提交的代码泄露机密信息的频率是人类提交的两倍。其原则很简单：在设计阶段使用vibe编码以加快进度，然后 两个企业选择 在代理时代，企业领导者并不是真正地在低代码、 vibe 编程和代理 AI 之间做出选择。他们正在就 AI 如何进入企业做出两个决定，而这一过程将持续到 五年规划期内，这两个决策将比本季度选择的任何单一工具对成本、风险和客户结果产生更大的影响。 方案一：企业如何大规模地运行AI？ 这是一个运行时的决策。人工智能正在从试飞阶段转向实际运营，其应用涉及客户、资金和受监管的决策。问题在于，这种活动是建立在一个连贯的平台上，还是演变为一组各自独立的代理，各自按照自己的规则行事。 方案二：企业将如何构建人工智能系统？ 这是一个构建时的决策。人工智能可以比以往任何工具更快地编写和组装软件。问题是，这种速度是否能产生企业能够维护的系统，还是会导致大量需要重新构建的工件，这些工件在运行之前必须进行重新工程处理。 关键是企业不是通过低代码、氛围编码或代理型AI来实现AI加速，而是通过碎片化的构建和运行模型，还是通过一个结合速度与控制的受监管的企业AI平台。 “vibe coding”模式的操作方式。其主要价值在于缩短首次可运行成果的生成时间，并实现更快、更高效的转换。 构建时AI与运行时AI：两个维度，受不同规则约束 上述两种选择基于一个值得明确区分的概念，因为大多数关于代理策略的困惑都源于其被混淆。人工智能在企业中出现在两个截然不同的领域，每个领域都伴随着不同的风险特征。 运行时AI改变了企业的运营方式 它作为AI代理存在于实时运营中，包括决策、总结、意图识别、推荐、自主或半自主行动以及流程编排。其主要价值在于实现更好的客户体验、运营效率、更快的决策以及大规模的服务执行。同时，它也要求更高的治理水平，因为当运行时AI出现故障时，其后果将影响客户、合规性、财务结果和品牌信任。 构建时AI加速了系统的创建过程 它能够加快设计、原型制作、需求分析、框架搭建、测试生成、文档编写以及整体开发人员的生产力。这就是人工智能辅助开发、代码助手和新兴技术发挥作用的地方。 企业需要两者。错误在于将它们视为同一事物进行管理。构建时的AI可以在任何产品发布前进行审查。运行时的AI则在业务运行过程中发挥作用，必须根据实际情况进行管理。 生命周期重置：为什么现在这场对话很重要 应用交付在最近的记忆中经历了三个时代。第一个时代是手工编码的企业软件，主要由Java、.NET以及系统集成商的劳动模式主导。第二个时代是低代码时代，采用图形化、模型驱动的环境。 将首次应用的时间从数年缩短至数周。第三阶段，我们现在正处于其中，是AI原生交付时代，软件创建的接口越来越基于自然语言，而运行时越来越自主。 每一次转型都会引发同样的反复争论。新范式会取代旧范式吗？在以往的每一个案例中，诚实的答案都是“不”。它吸收了旧范式。低代码并未消除手动编码，而是压缩了需要手动编码的交付比例。AI原生交付正在对低代码做同样的事情。Gartner的预测直接支持这一观点：低代码作为一个标签正在逐渐消失，但以模型驱动为核心的能力正越来越多地出现在各类企业平台中。 三个值得关注的信号 信号1。市场规模巨大且分布不均。低代码平台市场以大约16%至19%的年复合增长率（CAGR）增长。AI和代理AI细分市场则以约32%的速度增长，并预计到2029年将超过全球1.3万亿美元的信息技术支出。下图将这两个市场放在同一坐标轴上进行对比。虽然两者都在增长，但增长的规模并不相同。 信号2。氛围编程已经产生了病毒式演示，并引发令人担忧的生产轨迹。 记录。多项针对已部署的带“情绪”标签应用程序的外部扫描报告，揭示了存在大量暴露的秘密、身份验证缺失以及不安全默认设置的问题。Veracode的2025年生成式AI代码安全报告测试了100个领先的通用语言模型，涵盖80项精选任务，发现AI生成的代码有45%的时间存在安全漏洞。一项2025年12月进行的Tenzai研究测试了15个带“情绪”标签的生产应用程序，使用了五种主要的AI代码工具，发现了69个漏洞，所有应用程序均缺少CSRF防护和安全性头部信息。 信号3。即使是AI原生组织也 强化核心记录系统编排。在 Forrester 的《2026 年预测》报告中 ，描述了人工智能泡沫正在破灭，并预计目前只有一小部分组织将人工智能计划与可衡量的影响联系起来。麦肯锡的《2025 年人工智能状况》报告称，94% 的组织尚未从人工智能投资中获得显著价值，只有 5.5% 的组织看到了真正的财务回报。这不是技术的失败。这是围绕它的运营模式的失败。 为什么这对生命周期而言很重要 如果你将传统的企业应用生命周期划分为七个阶段：发现、设计、构建、测试、部署、运营和变更，那么vibe编码在前三个阶段上具有实质性的压缩作用，而对后四个阶段几乎不涉及。在一个应用五年的生命周期中，后四个阶段的总成本约占70%。本文其余部分就是通过这一视角来撰写的。 将成本压缩30%而其余70%保持不变，这是一项有意义的成就。但这并非彻底的转型。一个涵盖所有七个阶段的平台才是。 04 端到端应用程序生命周期视角 本节以平台无关的语言概述了应用程序生命周期的每个阶段。它比较了不同平台的开发效率。 vibe编码的贡献、AI编码助手以及模型驱动的企业平台。 几小时内就能生成原型。这种转变对利益相关者的协同一致具有真正的变革意义，因为看到一个可运行的成果能将反馈速度提升五到十倍，相比基于文档的评审方式。麦肯锡的研究表明，生成式人工智能可以在一半的时间内完成文档编写，近一半的时间内编写新代码，以及近三分之二的时间内重构现有代码。其不足之处在于深度。当问题需要领域知识、合规性约束或与多个记录系统集成时，生成的成果往往缺乏关键的上下文信息。这就是一个仅能演示想法的原型与一个能够经受住生产环境考验的设计之间的区别。 该模式在参与证据和分析师数据中保持一致。由人工智能驱动的开发在早期生命周期中大致能节省30%至50%的工作量。剩余的60%至70%占总拥有成本的主导部分，而这些部分是 vibe 编码本身无法提供的，需要平台功能来支持。 发现与构思 这是将商业意图转化为工程团队可以执行的方案的阶段。历史上，这个阶段一直以大量纸质文档为特