智能平台边缘：为中型企业解锁变革性增长与规模

助力中小企业实现转型增长与规模化 内部 引言 它们不受传统系统的拖累。与此同时，它们也面临挑战：资本收紧、流程碎片化、数据孤岛以及可能减缓增长的 talent 瓶颈。随着这些业务的扩展，运营复杂性自然会增加。增长常常停滞不前，并非因为缺乏努力，而是因为它们当前的系统过于依赖人员数量，无法跟上其雄心。 在过去十年中，一种新型公司正悄然改变着游戏规则。这些数字原住民企业——基于云基础设施、实时数据和人工智能驱动型运营模式构建——重塑了快速扩展和为客户创造价值的意义。 他们的优势并不仅仅在于技术。优势来源于将智慧融入业务的方方面面：产品设计、运营管理、决策制定以及持续学习。研究证实了这一趋势。麦肯锡持续发现，数字化原生企业和数字化重塑的企业，其增长速度和市场份额获取速度比成熟度较低的同业竞争对手快近一倍。这使得中市场数字化原生企业获得了真正的优势。它们的增长速度快于传统竞争对手——并非通过调整现有流程，而是从根本上重新思考工作如何完成。 这正是自主AI与过去划清历史界限之处。不同于传统自动化加速现有工作流程，自主AI能够自主感知、推理和行动。对于中型企业而言，这代表着一个千载难逢的机会，得以超越以往定义其局限性的约束，并以远超大型组织的智能、精准度和可扩展性进行运营。 然而，真正的潜力释放并不在于零散的AI实验或孤立的试点项目，而在于采用一个可扩展的统一平台，该平台将数据、工作流、智能体编排和治理整合为一个单一、连贯的智能层。 这些结果本身就说明了情况。像DoorDash、Snowflake、Cloudflare和MercadoLibre这样的公司，在全球范围内属于增长最快的中型企业（年营收在10亿至100亿美元之间）。它们通过将平台经济与AI驱动的规模相结合，实现了远超市场平均水平的增长。 将人工智能视为“更快的自动化”的人将会落后。而利用人工智能来重塑系统的人将定义下一个十年，EdgeVerve的边缘平台负责人、副总裁N Shashidhar表示。 如今，中小企业正处在一个转折点。它们拥有大公司的雄心与动力，但 当中小企业从零散的工具转向平台原生的智能时，人工智能就不再是一种增强，而是成为了业务的运行基础。 本报告探讨了具身智能（Agentic AI）驱动的平台如何重塑中小企业的发展方程式，为何平台化而非点式解决方案是未来十年的决定性架构决策，以及领导者如何将这一技术变革转化为结构化、可持续的竞争优势。 PEX网络编辑 中小企业与“大拆分” 数十年间，跨行业、跨地域的业务增长一直遵循着一套熟悉的公式：获取更多客户或从现有客户身上榨取更多价值。这两种增长路径传统上都十分昂贵、需要大量人才投入且进展缓慢。然而，随着运营复杂性的提升，中小企业往往会遭遇结构性瓶颈。“当运营复杂性增长速度超过员工数量时，中小企业通常会达到上限并陷入停滞期，”梅尔茨集团（一家专注于医疗保健领域的家族式跨国公司）的AI转型负责人拉斐尔·阿科西里表示。 然而，与大型企业不同，它们具有远低的组织惯性（对变革的阻力），并且在资本支出、品牌实力和技术生态系统方面受到显著更严格的限制，”N Shashidhar解释道。 高远抱负、低惯性与有限资源的结合，将中小企业转变为下一代人工智能平台最具侵略性的采用者之一。它们愿意在能够简化运营、加速转型且无需承担维护复杂、多工具生态系统额外成本的一体化人工智能解决方案上冒险下注。 中小企业尤其承担着额外的负担。“中小企业在市场中占据着独特且往往充满不确定性的地位。它们通常怀有同样的雄心、紧迫感和转型渴望。” 尽管有此意愿，中小企业却受到多重结构性约束的困扰，这些约束持续地延缓甚至阻碍着其扩张努力。 品牌知名度有限。许多中型企业难以吸引和留住客户，因为它们品牌并未得到广泛认可。 将人工智能视为“更快的自动化”的人将落后，而利用人工智能来重塑系统的人将定义下一个十年。 预算和资本性支出限制。大规模的人工智能转型需要昂贵的系统、广泛的数据基础设施和专业技术人才。不断上升的成本挤压利润空间，而中小企业通常无法承担高成本的人工智能项目，除非这些项目能快速带来切实的回报。 N 沙希德哈尔 运营壁垒。流程碎片化会阻碍对客户的统一了解，并可能导致错失收入机会。 碎片化的制度知识。关键知识分散在个人而非系统中会加大风险——从人才流失到合规问题。许多流程依赖所谓的“隐形人力粘合剂”，这使得规模化变得困难。 有限的转型资源。由于投入变革的人员减少，中小企业往往难以管理复杂、高度集成、多工具的项目。 中小企业与“大拆分” 增长不再由蛮力获取客户和人才密集型交付驱动。相反，它由客户体验驱动，正如N Shashidhar所指出的那样。“原则很简单：你从客户旅程中消除的摩擦越多，你保留的客户就越多，吸引的新客户也越多。” 中端市场组织也拥有一个显著的优势：包袱较少。它们面临的遗留系统较少，表现出更大的敏捷性，并展现出更强的革新开放性。大型企业往往难以转型，因为它们的遗留系统和流程感觉过于昂贵而无法舍弃。 自主AI能够实现这一转变，因为它会主动运作并优化客户旅程，而不仅仅是分析它。“一个AI代理可以承担整个宏观任务的所有权。它可以读取数据、验证条件、触发下游操作以及升级异常。这使公司能够在不增加运营层的情况下实现规模化，”N Shashidhar补充道。 中市场企业能更容易地采用AI原生商业模式，构建模块化及AI组装的运营模式，实现非比例性的人员规模扩张，创造高度个性化的产品和服务，颠覆停滞的行业，并超越其感知规模进行竞争。“在许多情况下，它们可以完全跳过大型企业，”N Shashidhar表示。 通过部署服务于员工、客户和合作伙伴的AI代理，中小企业可以重塑核心业务流程，”N Shashidhar解释道。“这种重塑并非表面功夫，而是结构性变革。其对客户的影响尤为深远。即使是品牌知名度有限的公司，如今也能提供高端体验，从而缩小了与大型竞争对手的差距。” 借助人工智能，中小企业不再局限于克服长期存在的限制，现在它们可以将这些限制本身转化为竞争优势的来源。 “这一刻回响着历史上的关键时刻，当时新技术不仅使现有流程加速，更重新定义了可能性的边界，”N Shashidhar表示。“从铁路到集装箱到互联网，繁荣兴盛的公司并非那些自动化旧世界的企业，而是那些重塑新世界的企业。” 中小企业的发展不再依赖于雇佣更多人员或增加收购支出。相反，它源于在规模化上持续消除摩擦。智能代理（Agentic AI）将客户体验转化为一个自我改进的系统，成为增长的主要引擎，而非人员数量或支出。 中小企业代理式AI的巨大机遇 N Shashidhar补充道：“具有自主性的AI通过可以被称为‘大解耦’的过程，打破了这种基于人头数的线性增长模式，在这个过程中，它将历史上总是捆绑在一起的工作组件分开了。”一个具有自主性的AI平台有助于高效地： 自主型人工智能有潜力从根本上平衡中型组织与大企业之间的竞争环境。“大型企业通常用层层角色和专家团队（或承包商）来弥补复杂性。而中型企业另一方面，往往负担不起这些，至少无法达到必要的规模，”Accorsi说。 将任务从工作中分离出来。 将专业知识从专家那里分离出来。 借助自主AI，中小企业无需构建庞大的组织架构，即可将专家逻辑、风险控制和复杂决策链进行流程化运作。 将能力从组织的限制中分离出来。 自主AI挑战 “大拆分”虽然使企业能够普及代理式AI用例，但这种战略解放只有当其基础运营结构健全时才可能实现。 当这种缺乏中心化持续存在时，企业生态系统面临关键的扩展挑战： 缺乏针对自主代理的企业级治理和约束机制。 根据Accorsi的说法，采用自主AI面临的最主要挑战是结构性。“自主体（Agents）会暴露流程缺陷。许多中小企业存在未记录的变体、不明确的归属权或历史上的临时解决方案。如果这些问题得不到解决，自主体将难以一致地执行任务，这使得（有时）从头开始启动流程，比将其附加（一个自主体）更为明智。” 累积因多智能体部署不协调而产生的技术债务。 代理蔓延：由于缺乏标准化，导致跨团队在代理、技能和工作流程方面出现冗余重复。 “我们正处于自主式AI的早期阶段，虽然这项技术前景广阔，许多组织都在探索其应用价值，但它并非人类的一对一替代品，也并非万无一失，”AI专家、AI领导力手册作者韦尔奇警告道。“需要保持健康的实验水平，并对‘现状’和‘未来可能实现’的事物有现实的认识，才能抓住机遇，同时避免不必要的风险。” 这种演变不仅需要流程清晰，更需要集成成熟度。代理要从孤立的任务转向企业范围的协调，就需要一个复杂的技术基础。如果没有统一的愿景，公司就有风险部署那些永远无法形成连贯企业架构的孤立代理。Accorsi警告说：“这会导致碎片化而非规模化。” 我们正处于自主型人工智能的早期阶段，尽管这项技术前景广阔，许多组织也在探索其应用潜力，但它并不能完全替代人类，也并非万无一失。 安德烈亚斯·韦尔施 “合适的平台不仅要与现有系统集成，还要成为可扩展、长期人工智能应用的基础，”N Shashidhar表示。这一基础建立在四大关键层面之上：数据准备、人工智能灵活性、流程与人员增强，以及体验转型。这些层面共同决定了平台是否能够真正赋能下一代智能运营。 真正的突破很少源于细微的调整——它们彻底改变了规则。自主平台就是这样一种稀有力量。它们不仅仅是更快的工具或渐进式升级。相反，它们创造了一种全新的运作方式，重塑了竞争格局，并重新定义了企业可能实现的目标。 要理解这一转变的规模，不妨以全球人才市场的演变作为蓝本来观察。“在领英等平台兴起之前，人才的可视性是一种地域现象，”N Shashidhar表示。“高技能专业人士往往局限于地理边界之内，其潜力在其直接影响范围内之外未被认识到。当领英去中心化并连接了这一市场后，价值动态发生了永久性改变。顶尖人才获得了全球舞台，各大洲的组织开始争夺高绩效者，顶尖贡献者与市场其他部分之间的薪酬差距急剧扩大。” 强大的数据能力：不可或缺的基础 每一项人工智能能力——无论是生成式、预测式还是代理式——其效力都取决于其背后的数据。对于需要处理复杂遗留系统的组织而言，连接性和数据准备至关重要。一个强大的平台必须深度集成现有系统，协调结构化与非结构化数据，并在生态系统中实现无缝连接。 多AI、多云、多生态：战略灵活性 自主型人工智能有潜力提供类似的价值，它不只是连接系统；它进行系统协调，N·沙希德哈表示。“它不只是提供洞察；它基于洞察采取行动。它不只是自动化工作流程；它重新定义工作流程。” 今天，中端市场企业需要自由选择适合每个挑战的正确工具和基础设施，而无需被锁定在单一供应商。一个现代AI平台应该允许组织： 随着人工智能的采用日益深化，价值正越来越多地集中在那些率先将智能嵌入其核心运营的组织手中。这创造了一个“赢者通吃”的环境，领导者加速前进，落后者被甩在后面，市场份额向少数主导玩家集中。我们今天在全球范围内看到这一模式：苹果、Alphabet、Meta、亚马逊、微软和NVIDIA等数字原生巨头，在相互连接的数据和智能系统的复合影响下，继续以指数级速度扩张。 选择合适的工具来完成工作：“平台必须支持针对特定问题的合适类型的AI，而不是将所有工作流程都强套进同一个模型，”N Shashidhar表示。这包括生成式AI、自主代理和预测模型。 跨云部署：人工智能资源消耗大。锁定单一云服务提供商可能导致成本效益低下和运营风险。企业需要具备灵活性，以便将工作负载迁移到最合适的地点——无论是出于性能、成本、战略还是监管原因。 我们正眼睁睁看着这种动态在中小企业中上演。通过一个提供快速价值交付、且没有“撕毁替换”和供应商锁定等限制的统一代理平台，中小企业可以实现类似的增长并达成真正的运营卓越（OPEX）。 跨系统运行：该平台必须兼容主流企业工具——SAP、Salesforce、定制化技术栈——以确保升级、新模块或工具变更不会中断人工智能操作。