超越氛围编程：智能体时代业务应用的加速与可扩展交付：为何企业AI平台将定义未来十年的应用交付

为什么企业AI平台定义了应用交付的下一个十年 内容 执行摘要 06 12生命周期重置：为何这场对话此时至关重要 端到端应用程序生命周期视角16 氛围编码：承诺、现实与生产差距20 24 自主智能：成 埃森哲观点：能动时代以客户为先 28 混合架构作为可扩展模式34 38企业AI经济学：从标记成本到按结果计费成本 2026年至2030年当前及未来市场趋势40 行业影响：银行、保险、电信、公共部门 44 哪些企业AI平台应该提供46 思爱普（Capgemini）的自主自动化交付框架 48 52领导者的建议 54从证据到行动 参考文献与资料 58 免责声明 此处包含的信息具有普遍性，并非旨在向用户提供专业建议或意见，也不应被视为向用户提供的专业建议或意见。此信息并非法律建议。嘉信不是律师事务所，我们建议寻求法律建议的用户咨询律师。本文件并非旨在成为企业为达成任何特定业务、法律或监管目标所需采取的方法或步骤的完整声明，这些方法或步骤因个体因素和情况而异。本文件仅用于提供信息。它并非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事项。本文件的内容原为英文；任何翻译均提供为便利，嘉信对翻译不准确之处不承担责任。本信息按原样提供。嘉信对与此处提供的信息相关的任何类型的一切陈述和保证均予以否认，且不会对由此处包含的信息引起的任何直接、间接、特殊、偶然或后果性损失，或利润损失承担任何责任。若图表或表格未注明外部来源，则数据源自嘉信调查、项目经验或内部分析。 作者 Dinesh Karanam全球客户流程管理及联络中心转型负责人 | 金融服务业 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 希布·桑卡尔·查克拉博蒂智能自动化和企业平台全球售前负责人，DCX，印度 阿罗阿·瑞特什欧洲、中东和非洲地区 | 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。 平台已证明其经济性。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%的新企业应用将基于低代码平台构建。虽然“模型驱动”这一标签已从分析师的词汇中逐渐淡去，但其理念已被证明是持久的。 重塑配送的三股力量 人工智能的采用现已是一场竞赛，而非一种选择。Gartner预计，到2026年底，40%的企业应用将嵌入特定任务的AI代理，而这一比例在2025年低于5%。IDC表示，全球范围内AI和代理AI的IT支出正按计划进行。 情绪编码改变了开发流程。自然语言现在能在数小时内转化为运行软件，而非数个季度。麦肯锡发现，大多数组织在软件工作中通过人工智能至少提升了25%的生产力，而一项由水母-OpenAI进行的研究报告称，深度采用团队的提升比例超过110%。速度上的转变是真实存在的，值得关注。 切勿将未经审核的AI生成代码部署到受监管的工作负载中。 2.代码生成从来都不是关键路径。AI 在构建过程中能节省 30% 到 50% 的工作量，但在运营和变更过程中则不到 15%。大约 70% 的五年的总拥有成本发生在代码助手几乎无法触及的阶段。 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。 诱惑，尤其是在董事会会议室，是将其解读为一次干净的代际更迭。vibe编码吸收了低代码，代理吸收了工作流，平台逐渐淡化。这种解读部分正确，但极其不完整。Gartner直言不讳地指出，由于成本、价值不明确和管控薄弱，超过40%的代理式AI项目将在2027年底前被取消。构建速度是真实的。运营保障则不然。这就是五年成本大部分所在的地方。 4.模型驱动平台可降低长期变更成本。纯粹的代码生成，即使得到人工智能加速，若没有基于受管制的模型作为基础，也会累积技术债务。在五年期维度上，基于平台的交付方式对于关键任务工作具有压倒性的优势。 5.平台决策现已成为一项经济决策。通过受监管平台路由AI速度的企业，可以获得可预测的成本、审计级治理，以及保持可累加的变更。领先的企业AI编排平台展示了完整的企业AI平台的样子；而埃森哲的角色，是在每个客户的监管范围内，在承载最高风险和价值的业务流程中，使这一模式成为现实。 埃森哲论文 氛围编码和人工智能开发环境是发现、原型设计、搭建框架和探索性工程方面的真正加速器。随着工作转向生产，它们的优势会逐渐减弱，因为确定性、审计、扩展和持续变更会主导成本。 企业AI平台通过将确定性流程编排与自主推理结合在单一受控控制平面下，来弥合这一差距。德勤的观点是，制胜的关键不在于在速度和控制之间做选择，而在于将两者设计为单一交付模型。以下各节将为此观点提供依据。 如果问题在于你有多快能构建，那么“氛围编程”会胜出。如果问题在于你有多快能在五年内安全地扩展和改变规模，那么“平台”会胜出。大多数企业CIO在做五年决策时，却被营销着季度叙事。 五项行政结论 1.将AI生成的代码视为原型，而非生产资产。Veracode发现45%的AI生成代码存在安全漏洞，云安全联盟发现，AI辅助的提交操作泄露机密信息的速度是人工提交的两倍。该原则很简单：在设计阶段使用“感觉良好”式编码快速推进， 两家企业选择 在代理时代，企业领导者并非真的在低代码、氛围编程和代理AI之间做选择。他们正在就AI如何进入企业做出两个决定，以及 五年展望期，那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远为重要的影响。 企业将如何规模化运行人工智能？ 这是一个运行时决策。人工智能正从试点项目转向实际运营，开始接触客户、金钱和受监管的决策。问题是，这项活动是运行在一个统一的平台上，还是积累成一系列独立代理，每个代理都按自己的方式行事。 选项二：企业将如何构建人工智能系统？ 这是一个编译时决策。AI比以往任何工具都能更快地编写和组装软件。问题在于，这种速度是否能产生企业可以维护的系统，还是会留下大量需要有人重新设计才能安全运行的艺术品（工件）。 关键不在于低代码、氛围编程还是代理式AI，真正的问题是企业是通过碎片化的构建和运行模式来追求AI加速，还是通过一个结合了速度与管控的企业级AI平台来追求AI加速。 “氛围编码”模式运作。其核心价值在于缩短获得首个可工作成果的时间，并实现更快、更高效的转换。 构建时人工智能与运行时人工智能：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界限，因为代理策略中的大多数混淆都源于对其的混淆。AI在企业中扮演着两个截然不同的角色，而每个角色都带有不同的风险特征。 运行时人工智能改变了企业的运营方式 它以AI代理的形式存在于实际运营中，负责决策、摘要、意图检测、推荐、自主或半自主行动以及流程编排。其核心价值在于提升客户成果、运营效率、加速决策以及规模化服务执行。同时，它也要求更高级别的治理，因为当运行时AI出现故障时，后果将波及客户、合规性、财务成果和品牌信任。 构建时人工智能加速了系统的创建过程。 它加速了设计、原型制作、需求解读、框架搭建、测试生成、文档编写以及整体开发者生产力。这就是人工智能辅助开发、编码助手的用武之地，也是新兴 企业都需要这两种技术。错误在于将它们当作同一事物来管理。构建时AI可以在任何东西发布前进行审查。运行时AI则在业务运行时发挥作用，并必须相应地进行管理。 生命周期重置：为何这场对话此时至关重要 近期，应用交付经历了三个时代。第一个时代是手写代码的企业软件，以Java、.NET和系统集成商劳动模式为主导。第二个时代是低代码时代，其特点是图形化、模型驱动化的环境。 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原生的交付时代，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：新的范式会取代旧的范式吗？在以往的所有案例中，诚实的答案最终都是“不会”。它（新范式）吸收了旧范式。低代码并没有消除手写代码，它只是压缩了需要手写代码的交付份额。原生AI交付正在对低代码做同样的事情。Gartner的预测直接支持了这一点：低代码作为一个标签正在逐渐式微，但驱动模型的能力正比以往任何时候都更多地出现在企业平台中。 值得关注的三个信号 信号 1。市场数学模型规模庞大且分布不均。低代码平台市场以大约 16% 至 19% 的复合年增长率（CAGR）增长。AI 和代理式 AI 部分以大约 32% 的速度增长，预计到 2029 年将超过 13 万亿美元的全球IT 支出。下方的图表将这两个市场置于同一坐标轴上。虽然两者都在增长，但它们的增长规模并不相同。 信号2。氛围编码产生了病毒式演示，并带来令人担忧的生产进度。 记录。多项针对已部署的vibe编码应用程序的外部扫描报告，暴露了高比例的机密信息、缺失的身份验证以及不安全的默认设置。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vibe编码的生产应用程序，使用了五种主要的AI代码工具，发现了69个漏洞，所有应用程序都缺少CSRF保护和安全标头。 信号3。即使是AI原生组织也是如此。 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。 这为何关乎生命周期 如果您将传统企业应用生命周期视为七个阶段——发现、设计、构建、测试、部署、运营和变更——那么“氛围编码”在有意义地压缩了前三个阶段的同时，几乎不涉及最后四个阶段。在一个应用程序的五年的生命周期中，最后四个阶段大约占总成本的70%。这就是本文件其余部分所采用的视角。 将成本压缩30%而其余70%保持不变，这本身就是一项显著的成就。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 氛围编码、AI编码助手以及模型驱动型企业平台的贡献。 本节以平台无关的语言，逐步介绍了应用程序生命周期的每个阶段。它比较了生产力 数小时内即可完成原型开发。这种转变对于利益相关者协同而言确实是革命性的，因为与基于文档的评审相比，看到可运行的实物能将反馈速度提升五到十倍。麦肯锡的研究表明，生成式人工智能可以将其文档生成时间缩短一半，新代码编写时间减少近半，现有代码重构时间缩短近三分之二。它的不足之处在于深度。当问题需要领域知识、合规约束或与多个核心系统集成时，生成的实物会遗漏关键背景信息。这就是一个仅用于展示想法的原型与一个能够成功通过生产流程的设计之间的区别。 该模式在参与证据和分析师数据中均保持一致。AI驱动的开发在整个早期生命周期中大致能回收30%到50%的努力投入。剩余的60%到70%，即主导拥有总成本的部分，需要平台能力，而编码本身无法提供这种能力。 发现与构思 这是将商业意图转化为工程团队能够采取行动的内容的阶段。从历史上看，这个阶段一直以纸质文件为主：需求、用户故事、流程图和批准文件。以下是新的变化。业务分析师可以用自然语言描述一个想法，并得到一个可工作的 研究发现，每一个应用都缺少CSRF保护和安全头，并且所有五个被测试的工具都引入了服务器端请求伪造漏洞。这里的启示并非工