重新设计企业AI：聚焦核心价值流驱动增长

聚焦关键价值流以驱动增长 内容 Foreword..............................................................1 引言 什么阻碍了人工智能的发展？......................................3 第一部分 突破瓶颈...................................6 第二部分奖项的实际大小......................................9 对人工智能企业进行改造升级......................... 13第三部分 从您的AI投资中获得更多价值...... 19行动指南 前言 人工智能并不能消除瓶颈，它只是暴露了它们。 当我们最初开始探讨企业中的生成式AI时，焦点大多放在快速提升生产力上。我们如何能让个人任务更快完成？但过去一年，讨论的重点已经完全转移。 仅优化单个任务的效果有限。如果在未考虑全局的情况下自动化流程中的一个步骤，你实际上并未解决问题——你只是将瓶颈转移到了下游的下一步。AI的真正价值在于彻底重新思考端到端的业务流程，从我们如何处理交接，到如何管理依赖关系和做出决策。 克里斯·赖特 (Kèlǐs·Láitè) 首席技术官兼全球工程高级副总裁 我们目前的业务流程是基于历史限制和传统的组织边界建立的。现在，我们有技术从根本上挑战并改变了这些边界。而且它正在以惊人的速度发展。模型在改进，工具在进化，而一年前还感觉像科幻小说的方法现在正产生可重复、可衡量的结果。 红帽 在技术稳定之前就贸然投入是一种失败策略。如果你袖手旁观，就会错失建立使用这些技术的组织肌肉记忆的机会。真正的学习来自于迭代。如今成功的公司，是那些学会在技术发展过程中实时评估、部署和迭代人工智能的公司。但你只有当你的团队在执行工作时，才能培养这种能力。 这项研究恰逢工程与商业领袖们正应对这一转变之际。大多数组织都有一大堆——我称之为“无限待办事项清单”——想法、功能及客户请求，却因时间或能力不足而永远无法处理。人工智能给了我们一个机会，终于能着手处理这份清单。这不仅仅是关于更快地完成同样的工作；它关乎承担起以往无法尝试的工作。 接下来的几页将为您提供关于这段旅程的实用见解。它们展示了为何真正的价值在于优化整个工作流程，为何底层基础设施至关重要，以及为何您的文化必须与您的代码同步发展。技术将在下个月、明年继续不断变化，但决定我们团队如何实际完成工作的流程重塑责任完全在我们自己手中。 关键要点 人工智能投资正面临困境，但消除障碍、集中精力可以提高回报。 大多数人工智能计划仍然失败。 到2025年底，仅有37%的人工智能计划实现了高层领导所期望的业务成果。 复杂真麻烦。 2025年，由于IT与商业环境内部的摩擦，21%的人工智能投资回报率（ROI）损失了。 流程再造是缺失的一环。 高管们将未能重新设计业务流程视为高ROI人工智能实施的最大障碍。 提升人工智能成果需要投资于IT升级。 然而，58% 的组织正面临削减非人工智能企业技术支出的压力，导致关键投资相互冲突。 企业人工智能管理仍较为零散。 只有17%的高管表示，批准和资助人工智能计划的过程在整个公司内部是一致的，而且只有25%的人表示，业务价值和投资回报率是得到一致衡量的。 引言 是什么阻碍了人工智能的发展？ 人工智能投资正在加速。但成果何在？ 尽管支出增加，但大多数人工智能计划仍以失败告终。根据IBM商业价值研究院（IBV）与牛津经济研究院联合进行的一项新调查，截至2025年底，仅有37%的项目实现了高级领导层预期的商业价值。根据我们的研究，一个平均规模为170亿美元的企业，其人工智能组合产生了1.15亿美元的净价值——到2025年，投资回报率为51%（参见第24页的“研究方法”）。 展望2028年，高管们将目标设定得远高。平均而言，他们旨在实现4.62亿美元的净价值，并将投资回报率（ROI）提升至105%。然而，在我们调查的1000名技术高管（CxOs）、人工智能转型官和业务线赞助人中，他们预计能够实现这些目标，但仅将29%的人工智能计划大规模投入生产（见图1）。问题就出在这里。 事实上，除非大规模部署倡议，否则自主AI无法带来更好的成果。但碎片化的所有权、脱节系统和数据以及不明确的决策权正在限制AI的应用范围。那些从自主AI中获得最大回报的组织，将是那些重新设计端到端价值流以减少摩擦，并允许代理将工作从一个流程阶段传递到下一个阶段的组织。 并非所有摩擦都源于技术。其中一些是人为因素。即便人工智能系统已经可用，员工也可能不理解它们如何创造价值、如何融入现有工作流程，或为何采用特定工具。采用过程中的摩擦可能阻碍组织在技术本身按预期运行时获得回报。 人工智能代理同样打破了传统的管理跨度模型。领导者需要构建混合型团队结构，明确界定人类劳动与数字劳动应如何协同工作，以推动大规模的有效应用。 将IT支出视为投资而非成本，可能会引发令人不快的对话。但这却是唯一能要求并实现真正回报的方式。 伍德·甘文（Gavin Wood）先生，APA集团首席信息官（CIO） 2025年结果、2025年障碍以及2028年预测，这些人工智能的成果受到限制，因为根据高管对其人工智能价值的评估，存在摩擦力且缺乏专注。投资组合。2025年的成果、障碍以及2028年的预测反映了高管对其人工智能投资组合的价值评估。2028年的潜在成果基于IBM IBV分析。 借助人工智能驱动的自动化，支出与回报之间的联系并非确定性关系——而是通过推断得出的。这使得商业案例更难解释，并且需要更多实验和证明来为投资辩护。 如果我们仅在各个部门内部应用人工智能以提高个体工作效率，那么在企业层面，其效益将消失，”日本本田公司数字部门负责人、副总裁川合康男表示。“要在整个企业范围内运营人工智能，就需要进行全企业的改革。” 要实现他们为2028年设定的AI性能预期，高管们不仅要为将去年的试点项目推向生产阶段的工作提供资金，还必须减少因摩擦而损失的AI投资回报，将投资重点急剧集中于他们希望达成的业务成果，并致力于持续的重投资周期，以在企业规模上成功应用AI。 好消息是，成功的关键不在于追逐最新的AI突破，而在于创造一个AI能够在其内部演进的运行环境。构建一个能让AI高效运作的系统，将帮助组织更快地利用AI创造更多价值——并加速超越其绩效目标。 我们预计，到2028年，那些扩大AI项目规模、减少IT与业务环境中的摩擦、并能更持续地实现预期成果的组织，其潜在上行空间可达10亿美元，这将是高管预期的两倍多（参见第25页的“研究方法”）。这些组织也将需要投入超过原计划的资金，但这项投资有望将投资回报率从105%提高到220%（参见图1）。 抵达那里需要解决许多组织多年来一直回避的深层问题。规模化的流程自动化和改造的商业案例一直不够充分。自主AI改变了这一切。通过恰当的重新设计，它能够解锁新的收入来源和可以长期挖掘的价值池。本文概述了高管应将投资和精力集中在何处，以实现最有意义的商业成果。 第一部分，我们探讨了摩擦如何影响AI性能。第二部分解释了组织如何利用AI获取最大净价值。第三部分聚焦于组织应优先进行的技术和运营改造。最后，我们提供了一份行动指南，概述了企业技术领导者可在未来30天、120天和360天内采取的步骤，以帮助提升AI性能。 第一部分 突破瓶颈 人工智能影响最大的障碍并非模型质量或数据量——而是那些未设计为相互通信的系统之间的摩擦。根据我们调查的高管们提供的数据，到2025年，21%的人工智能投资回报因IT和商业环境中的摩擦而损失。 这是因为代理并不凌驾于IT基础设施之上，而是在其中运行。它们在历史上独立优化的不同职能之间传递工作和决策。当他们的环境变得碎片化、不一致，或者被数十年的技术债务所拖累时，即使是再聪明的AI也会遇到瓶颈。 高管表示，阻碍大规模、高回报人工智能发展的主要障碍是尚未针对人工智能进行优化的流程、数据和决策权（见图2）。需要大规模改造，将人工智能弹性融入IT基础设施中。除了技术升级，组织还必须创建新的风险、治理和安全协议，并从头到尾重新设计工作流程。 四分之三以上的高管都认同：若非对整个流程进行重新设计，将人工智能应用于工作流的部分环节所能带来的价值有限。大多数企业起步时都基于成千上万项理性但彼此孤立的决定构建其IT架构——每一项在当时都合情合理，却缺乏整体统筹。事实上，近期IBM的一项IBV研究报告发现，业务部门直接采购、未经IT部门监管的“影子IT”——即软件、云服务和工具——平均占企业IT预算的24%。 规模化而言，可解释性、问责制和可审计性是无法后期添加的。它们必须在从一开始就进行设计。 Dena Almansoori 阿布扎比国家石油公司集团首席技术官与创新官 结果是，形成了一个跨越多个云、平台和司法管辖区的IT环境，其中包含数千个集成点，而没有任何个人能够完全理解。只有10%的高管表示，他们的AI开发和运营基础设施在统一平台上完全标准化。 解决问题的第一步是承认问题。最近IBM IBV的研究发现，那些在其人工智能业务案例中完全核算解决技术债务成本的组织——包括现代化脆弱的系统、整合孤岛数据以及修复长期被忽视的漏洞——其预期的投资回报率比那些没有这样做的高29%。 下一步是衡量价值创造与价值损失的具体环节。我们的调查数据分析发现，衡量流程价值的企业往往报告更高的AI投资回报率。当企业开发出更强的量化流程绩效的方法时，它们更有可能识别出流程的薄弱环节——尤其是在工作进展缓慢或停滞不前的地方。一旦这些瓶颈变得可见并得到解决，它们就成为了AI能够加速价值创造的关键点（参见第24页的“研究方法”）。 但并非所有摩擦点都值得解决。目标是消除阻碍自主AI发挥其全部潜能的摩擦。那些每次都以相同方式运行、依赖结构化数据且可重复的逻辑的过程已经被自动化了。剩下的，是那些抵制标准化、没有固定流程的价值流。 这些是人类仍然需要亲自决策的地方——因为问题从来都不够简单，可以用传统的自动化方式，例如决策治理来解决。“AI的决策具有概率性，但我们的治理框架仍然要求确定性，”维也纳市的首席技术官本笃·施莱克表示。“我们接受政府中带有上诉和更正支持的概率性人类决策，AI的治理也需要同样的认可。” 这些复杂、多变且依赖具体情境的价值流，正是自主AI发挥其优势的领域。它们是塑造客户结果、驱动竞争优势和开辟新收入来源的关键决策所在。企业应将AI投资的重心放在减少这些价值流中的摩擦上。 随着技术每周都在进步，速度和采纳需要一支自上而下的管理团队来协同一致，明确哪些赌注才能真正产生影响。 迈克尔·沃格勒全球CDIO，菲利普·莫里斯国际 第二部分 奖项的实际大小 人工智能支出正在增长，但这并非孤立现象。在2025年至2028年期间，我们调查中的高管预计，IT支出将平均从14亿美元膨胀至22亿美元。与此同时，58%的高管正面临削减非人工智能技术成本的压力。 这造成了直接的冲突：那些延缓人工智能发展的传统环境，如今正与旨在取代它们的计划争夺资金。如果没有明确的优先排序，组织将面临投资过于分散的风险——在整个企业中资助渐进式改进，却没有任何地方能产生真正有价值的成果。 但是我们的调查数据显示，大多数组织正努力在整个企业范围内确定人工智能计划的优先级。只有17%的高管表示，批准和资助人工智能计划的企业流程是一致的，而只有25%的人表示，业务价值和投资回报率是持续衡量的。 为所有人工智能投资设定明确的成功标准——并终止未达到该标准的项目——对于使人工智能转型在财务上可持续至关重要。事实上，最近IBM IBV的研究发现，70%的高管表示他们希望利用人工智能带来的价值来为整个组织的投资和增长提供资金。3 初期的收益很重要，必须进行追踪。但它们仅仅是起点。 如今，各组织正利用人工智能探索广