重构企业 AI 蓝图：聚焦价值主航道驱动增长新势能

1 3 6 9 13 19引言突破瓶颈洞见价值拥抱AI行动指南1ChrisWright最初谈论企业级生成式AI时，大家的目光几乎都落在立竿见影的效率提升上一优化单一任务的成效终究有限。如果只自动化流程中的某一环节，却忽略全局视角，问题实际上并未解决，只是将瓶颈转移至下游环节。AI的真正价值，在于彻底重构端到端工作流：从工作交接链路，到业务依赖关系的梳理，再到决当前企业工作流建立在历史约束与传统组织边界上。如今，一项颠覆性的技术正在重新定义这些边界，且势如破竹。模型在迭代，工具在更新，一年前还属等待技术完全成熟后再入场，注定会错失先机。若始终置身场外，组织便难以练就驾驭这些技术的实战能力。持续试错迭代才是核心学习路径：当下领跑的企业，正是在技术持续演进的同时，学习如何实时评估、部署并迭代AI。但只本研究精准切中工程与业务管理者当下的转型困境：大多数组织都存在一种我称之为“无限积压”的现象，想法、功能和客户需求堆积如山，却因时间和能力有限而永远无法落地。AI给了我们一把钥匙，终于可以开启这些积压已久的工作一它不只是让原有工作提速，更能承接过去无力开展的全新业务。接下来的内容将系统性拆解企业AI转型路径。报告将说明，何以全流程重构是释放AI价值的关键，何以底层基础设施举足轻重，何以企业文化必须与技术同频共进。技术终将日新月异，但重构团队工作的方式，这一责任，始终握在我引言突破瓶颈洞见价值拥抱AI行动指南企业AI投资回报遇阻，但消除体系内耗、精准聚焦投2025年，IT与业务体系内耗造成了21%的高管普遍认为，未能配套重构业务流程是AI应用难然而，58%的组织面临削减非AI类仅有17%的高管表示，组织拥有统一的AI立项、资金审批标准；仅有25%表示，业务价值与投资回3引言突破瓶颈洞见价值拥抱AI行动指南尽管投入不断增加，大多数AI项目仍未兑现预期。IBM商业价值研究院(IBV)携手牛津经济研究院开展的最新调研显示，截至2025年底，仅37%的AI项目交出了符合最高管理层预期的成绩单。我们的研究进一步表明，一家平均营收170亿美元的企业，其AI相关投入在2025年创造了1.15亿美元的亿美元的净价值，并将投资回报率提升至105%。然而，接受调研的1000位技术领域最高管理层、AI转型负责人和业务线项目发起人预计，在达成上述目标的同时，仅有29%的AI项目能够实现规模化投产（见图1）。这笔账在这属分散、系统与数据割裂、决策权限含糊不清，这些问题正不断限制AI落地范围。能够从智能体AI中获得最大回报的，是那些通过重塑端摩擦不仅来源于技术层面，更存在于人员层面。即便AI系统触许仍无法理解AI价值何在、与日常流程如何咬合，乃至工具因何入选。落地采AI代理同时也在改写传统管理幅度的边界。领导者需要构建混合团队架构，明确人类员工与数字劳动力的协作方式，以推动AI在企业范围内得到广泛而有效“将IT支出视为投资而非成本，可能会引发棘手的讨论。但唯有如此，才能真正要求并实现切实回报。”4引言突破瓶颈洞见价值拥抱AI行动指南摩擦与投入失焦制约AI成果2025年成果、所面临的障碍及2028年预期均反映高管对其AI投资组合价值的评估。基于IBMIBV分析扣除实施成本后的AI新增净价值AI投资2025年成果1.14亿美元2.26亿美元实现实现2028年预期成果所面临的障碍仅有17%的AI项目已进入全面规模化生产。21%的AI投资回报因IT与业务体系仅37%的AI项目达成预期业务成果。2028年潜在成果2028年预期成果2028年潜在成果10亿美元4.04亿美元10亿美元4.55亿美元3.864.55亿美元“在AI驱动的自动化中，投入与回报之间并非精准对应，而是需要通过分析加以推断。这使商业案例更难阐释，也需要通过更多试验和证据来证明投资的合理性。”DaltonGouws引言突破瓶颈洞见价值拥抱AI行动指南本田（日本）数字部门负责人兼副总裁YasuoKawai表门内部用AI来改善单点工作效率，将很难看到企业层面的整体收益。要在企业若要实现2028年AI绩效目标，就不能只把去年的试点项目推进落地，更要减少因摩擦造成的AI投资回报率损耗，将投资精准聚焦可落地的业务成果，并持好消息是，成功的关键不在于追逐最新AI突破，而在于打造能够承载AI持续演进的运营环境。构建一个让AI高效运行的体系我们认为，如果组织能够扩大AI规模化落地比例、减少IT与业务体系内耗，并更稳定地交付预期成果，到2028年，其潜在净价值可能高达10亿美元，是要实现这一目标，组织必须解决多年来一直回避的深层问题。过去，推动流程自动化和规模化改造的商业案例一直缺乏足够说服力。智能体AI正在改写这一本报告旨在为高管们建议，投资和精力应当锚定在哪些方向，才能取得最具实第一部分，我们将探讨摩擦如何拖累第一部分，我们将探讨摩擦如何拖累AI落地成效。第二部分，解析组织在哪些领域有机会借助AI创造最大净价值空间。第三部分，聚焦技术和运营层面亟需优先推进的重构方案。报告最后提供一份行动指南，概述企业技术领导者可在56引言突破瓶颈洞见价值拥抱AI行动指南制约AI价值释放的最大障碍，不是模型原因在于，AI代理并非悬停在IT基础设施之上，去各自独立优化的职能之间推动工作与决策流转。当其运行环境支离破碎、标流程、数据和决策权（见图2）。组织需要对整体IT环境开展大规模改造，将AI韧性融入其中。除了技术升级，组织还必须建立新的风险管理、治理和安全超过四分之三的高管认同：如果不重构整体流程，仅在工作流的孤立环节应用AI，所能创造的价值十分有限。大多数企业的起点，是一个由成千上万条合理却互不协调的决策所堆叠而成的IT版图，每一条决策在当时都有其道理，却从未从全局加以统筹。IBMIBV近期的研究更是指出，影子IT，即业务部门绕过“在规模化应用中，可解释性、问责机制和可审计性无法事后加装。它们必须在设计之初就被刻入基因。”DenaAlmansoori7引言突破瓶颈洞见价值拥抱AI行动指南由此形成的IT环境，横跨多个云、平台和司法管辖区，交织着成千上万个集成节点，没有任何个人能够完全掌握其全貌。仅有10%的高管表示，其AI开发AI大规模应用与高投资回报面临的首要障碍22数据就绪度和质量不足3AI项目中的角色、决策权和问责机制不清晰4试点项目未针对规模化或生产环境设计5传统系统与技术债务带来的复杂性及成本1嵌入AI时未能重构业务流程8引言突破瓶颈洞见价值拥抱AI行动指南解决问题的第一步，是正视问题的存在。IBMIBV近期研究发现，在AI商业案例中如实计入技术债务处理成本的组织，包括对脆弱系统实施现代化改造、打通孤岛数据、修补长期被忽略的安全漏洞，其预期投资回报率比那些忽略这些成本的组织高出29%。2下一步，是精准度量价值在何处生成，又在何处折损。我们对调研数据的分析发现，能够衡量流程价值的组织往往报告更高的AI投资回报。当组织建立起更精细的流程绩效量化体系时，它们便更容易定位流程中的断裂点，尤其是工作放慢脚步或陷入停滞的地方。这些瓶颈一旦被识别并解决，就会转化为AI加速但并非每一个摩擦点都值得修复。组织核心目标是消除阻碍智能体AI充分释放潜能的关键内耗。那些标准化、依托结构化数据、固定逻辑的重复性流程，传统自动化已完成改造。现存难点集中在难以标准化的流程和价值流，是那些无正是在这些领域，人类仍需作出最终判断，因为决策治理等问题本就复杂，传统自动化难以应对。维也纳市首席技术官BenediktSchraik坦言，“AI决策具有概率性，但现有治理框架仍然要求确定性。在政府事务中，我们接受人类作出概率性判断，并通过申诉与纠正机制为其提供保障。AI治理体系也需要同等包容度。”这些决策能够塑造客户成果、构筑竞争优势，并开辟新的收入来源。企业应将“技术几乎每周都在更新，要想兼顾速度与采用成效，最高管理层需要就哪些投入能够真正产生重大影响达成一致。”MichaelVoegele9引言突破瓶颈洞见价值拥抱AI行动指南AI支出正在增加，但并非孤立增长。受访高管预计，2025年至2028年间，平均IT支出将从14亿美元大幅增至约22亿美元。与此同时，58%的组织正面临削减非AI类企业技矛盾随之产生：那些拖慢AI进展的传调研数据显示，大多数组织仍难以在企业范围内确定AI项目的优先级。仅有17%的高管表示，组织拥有统一的AI立项、资金审批标准；仅有25%表示，为所有AI投资设定明确的达标阈值，并终止无法达标的项目，才能确保AI转型在财务上可持续。事实上，IBMIBV近期研究发现，70%的高管表示，计划将AI创造的增量收益反哺企业投资与增长。3早期收获固然重要，也必须被精如今，组织正在围绕AI探索广泛而多元的价值路径，包括业务流程再造、产品每种路径都能创造价值，但组织应将再投资重点放在最有可能交付显著回报的项目上。唯有如此，才能让转型飞轮持续运转。“我们做了一个明智的决策，引言突破瓶颈洞见价值拥抱AI行动指南那么，组织如何才能通过AI投资获得可以这样理解：对于一家营收规模为170亿美元的典型企业，销售、一般及行政费用(SG&A)成本每降低1%，大约能释放2400万美元的价值。而在资源投入更为集中的核心交付流程中，同样的1%改进则可节省1.02亿美元。但单靠削减成本，所能取得的成果终究有限。要实现营收增长，AI还必须应用于那些直接面向客户、推动盈利的价值流。营收提增长。4然而，投资往往流向更易实施、治理更清晰、成果也能更快得到验证的领域。这一偏好虽在情理之中，却也无形中划定了上限。事实上，85%许多AI项目未能创造投资回报，根源在于它们并非为改善关键流程的产出而这正是再投资的关键价值所在。后台职能的效率提升不应止步于成本削减，它们应当释放资源，以应对更复杂的挑战，也就是重塑那些真正驱动收入、利润与竞争优势的核心业务。将资源聚焦于创造营收的价值流，组织有望创造的价早期收益越大，组织在开拓全新收入源泉上的投入空间就越宽广。当组织从各自为战的AI试验，迈向与可量化业务目标紧密绑定的精简项目组合时，将投资1011引言突破瓶颈洞见价值拥抱AI行动指南诚然，要让这些投资取得成功，就必须在技术、治理和人才方面投入更多，也就意味着将更高比例的IT支出投向AI；还应将部分IT升级成本视为AI项目的Campari集团技术与服务负责人JoséOvidioSilva表示AI投入长期增长路径。我并不是主张立即削减IT支出，而是要建立一种AI资金模式，不能仅靠挤占现有IT预算来完成转型。”释放AI的潜在价值24002400万美元7.1倍12引言突破瓶颈洞见价值拥抱AI行动指南AI在何处发挥作用围绕AI的讨论通常涉及四类活动：任务、工作流、流程和价值流。许多人流程跨越多个职流程跨越多个职能，并产出内部端到端工作流，它跨越组织边界，以满足客户需求。价值流的一端始于客户概念区分至关重要，因为AI的部署层级决定了价值创造的层级。自动化可以让单项任务完成得更快。工作流自动化可以让一段工作流运行得更快。两者都无法产生业务成果，除非承载这些任务和工作流的价值流经过专门设计，能够将其与客户需求和绩效目标连接起来。只有在价值流层面，组织才有望推动营收同样的逻辑也适用于团队设计。任务级自动化可能只需要个人使用AI助手。但引言突破瓶颈洞见价值拥抱AI行动指南13借助AI驱动增长所需的大部分工作，并不在机会十分可观：营收型价值流蕴含最大的潜在回报，但这些价值流也伴随着最要成功重塑价值流以适配智能体AI，需要在四项紧密关联的实践中做出改变：架构、数据、决策权，以及业务与IT运营模式。组织如何重塑各领域，以及如何重新设计相关团队、角色和控制机制，不仅决定AI能够创造多少价值，也决性能和监管等合理原因，工作负载分布在多个云环境和本地系统中。但如果这实现跨环境一致运行，意味着要为工作负载如何运行、集成如何管理，以及变组织还需要在执行层中嵌入一致的管控机制，确保模型、数据流和集成在规模化之前治理到位、可观测，并且达到生产就绪状态。当工程师、开发人员和运营人员遵循一致流程时，摩擦自然减少，组织还可以持续复制AI规模化模式，架构成本效益同样至关重要。模型训练、推理运行、敏感数据处理以及运营系统集成，每一项任务都有着不同的成本画像和性能诉求。能够有针对性地部署工作负载，在资本投资、运营成本和业务成果之间取得平衡的组织，将比默认14引言突破瓶颈洞见价值拥抱AI行动指南大多数高价值流程数据分散存储，其中74%散落在公有云环境之外，且数据格式仅适配存储需求，不便于实时业务调用。仅有41%的高管表示智能体系统对数据提出全新要求：持续获取流程状态及其上下文。若缺少这种能力，AI代理就会基于错误假设开展工作。轻则输出微小偏差，重则做出完全打造“温数据”，即持续更新、治理完善且可在整个价值流中访问的数据，这本质上是一场运营范式的跃迁。这要求在系统之间流转实时事件数据流，在AI代理进入生产环境之前明确关键数据源的所有权，并建立相应的工程规范，以一致、结构化的形式呈现企业数据。这些数据不仅要做到随时可用，还必须经智能体AI要求组织重新梳理决策机制。当AI系统自主行动时，谁应对AI代理的决策结果负责？如何划定自主操作的边界阈值？如何衡量并修正AI执行能够始终明确回答这些问题的高管团队寥寥无几。只有三分之一的组织会在将AI代理投入生产之前，正式核实数据源的所有权和运维责任。决策权不仅是一种治理机制，更是引导行为的风向标。员工必须了解，何时应采纳、质疑或升一旦缺乏明确预期，随之而来的不确定性就会阻碍AI采用并拖慢决策。组织需要像规范财务控制一样严格地将决策权制度化，定义清晰的问责脉络，划定自决策权设计还必须将系统性风险纳入考量。在智能体环境中，单一决策会沿价值流层层传导、放大影响。组织应渐进式放大AI自主权限再受限执行，唯有当决策质量、异常发生率、可审计性和业务影响等指标充分15引言突破瓶颈洞见价值拥抱AI行动指南与任何复杂转型一样，改造整体IT环境会产生高昂的前期投入。每一项改进都伴随着准备成本，协调利益相关方、梳理依赖关系和建立基线，缺一不可。在因此，运营模式与技术方案同等重要。许多组织的本能做法，是通过启动更多AI项目来扩大规模。但当项目迟迟无法收尾时，这种做法并不可行。加拿大Staples首席信息官ConorMlacak表示，“数十年前设计法适应AI原生时代，我们必须从底层重构工作逻辑。”在智能体AI的语境下，持续投入至关重要：今日工作承接昨日沉淀经验，团队 连续性之所以重要，还有另一个原因。人们通过亲身实践学习如何使用AI。组织却常常将AI采用视为培训问题，认为员工可以通过课程、研讨会或定期转型计划学会新的工作方式。但实战能力是在日常互动中逐步形成的。员工只有通过在真实业务流程中与AI协作，才能够学会何时信任AI建议、何时提出质疑，因此，运营模式设计至关重要。为短期项目组建的团队或许能够完成实施，却很难培养出重塑工作方式所需的组织实战能力。在传统方法中，战略团队为运营提供专业建议，却不对项目能否创造长期价值承担责任，业务成果最终仍成“技术本身并不等于韧性。在生产环境中，韧性意味着预判和预防，而不仅仅是恢复。”DenaAlmansoori16引言突破瓶颈洞见价值拥抱AI行动指南成果导向型交付推动更优AI成果17引言突破瓶颈洞见价值拥抱AI行动指南AI原生运营的前景固然令人振奋，但鲜有行业比航空业更迫切需要自我革新。然而，许多航空公司仍依赖早该重塑的架构维持运营。传统系统仍是现代化改而充满期待的旅程，往往会在这些运营摩擦中受阻。系统陈旧迟滞、队列不断积压、信息日益割裂。旅客在每个环节都能感受到痛点，而他们的旅行体验在利雅得航空决心改写这一叙事。他们从零开始搭建自己的AI原生运营模式，完全剥离老旧系统束缚，适配数字化时代需求，每一项架构设计都颠覆百年航空全行业级重构，既需要统筹全局的视野，也需要洞察模式的敏锐，更需要将宏愿化为协同行动的执行力。其运营基础是一个统一平台，支撑智能能力在整个企业中的运行。模型、工作流与治理在平台上汇聚，使业务能够在持续演进中引言突破瓶颈洞见价值拥抱AI行动指南依托该平台，多个AI代理能够协同管理任务流转、完成复杂工作，并按业务运营节奏将洞察转化为成果。如今，上下文数据持续流经75个以上系统和1800多个集成点，将各个业务领域纳入统一的信息流。由此形成的集成网络，使利雅得航空能够如同一个统一系统般感知、决策和响应，同时提升旅客体验与运AI如今能够实时为决策提供依据，将数据洞察转化为场景化动作。随着旅程不断展开，实时引擎能够动态创建、定价并推送服务方案。旅客不再被束缚于某一刻的购买行为。AI助手在内置监督机制下处理常规工作，使工程、运营和服在智能引导决策、自动化放大成效的双轮驱动下，利雅得航空采用模块化极简“我们面临的选择很明确：是成为最后一家基于传统技术打造的航司，还是成为第一家站上定义未来十年的航空产业新平台的航司。”AdamBoukadida1819引言突破瓶颈洞见价值拥抱AI行动指南着手优化之前，须先厘清系统全貌。识别价值卡点、决策堆积节点，以及–识别具有高投资回报率潜力、适合围绕AI进行重塑的核心价值流。然后，完整梳理一条优先级最高的端到端价值流，标注关键系统、集成–盘点当前工作负载的运行位置（本地环境、私有云、公有云和边缘环境并记录跨环境执–定位所选价值流的高价值业务数据，包括位于–评估当前的数据访问方式（批量处理或实时访–为关键数据源指定临时责任主体，无需等待完–识别AI代理在所选价值流中需要作出的所有–明确当前由谁对这些决策负责，并识别责任归异常发生率、可解释性、升级频率、用户信任–组建一支跨职能核心团队，成员应来自IT、数据工程、业务运营以及风险与合规等领域，确–确定并授权一名高管发起人，由其对所选价值20引言突破瓶颈洞见价值拥抱AI行动指南–为所选价值流在不同环境之间建立统一的执–通过消除关键工作流中的冗余或定制化集成，–建立持续集成与持续部署路径，以支持AI赋能–打通上下游系统实时数据流，消除割裂批量数–数据工程师与流程负责人协同办公，使业务层–构建企业级AI治理框架，明确定义升级上报路径、责任归属矩阵，以及与业务成果绑定的周–新增或更新的AI代理在进入生产环境之前，须达到预设的决策绩效与风险评估标准，对标财–建立渐进式自主模型，明确AI从推荐输出、人–将交付团队正式设为常设组织，为其提供持续资金、清晰分工，并要求其同时对技术交付和–搭建全新监督机制，明确各AI代理分别归属哪些价值流、绩效监控责任主体，以及管理者在–与终端用户和流程负责人建立持续反馈循环：依托反馈优化AI代理行为、调整防护机制，并21引言突破瓶颈洞见价值拥抱AI行动指南将一次成功的转型经验固化为可重复的组织能力，关键在于对运营模式–将统一执行架构扩展到三至五条高价值流，使–系统性清理架构技术债务。淘汰无法支持智能体运营的传统系统，或将其迁移到采用API优–构建自愈基础设施能力，自动检测并修复跨环–在所有优先价值流中实现企业级“温数据”，即AI代理无需重建即可访问的实时、受治理且–实施联邦式数据网格或同等模式，在分散所有权的同时，保持企业范围内的数据可检索、可–持续监控数据的时效性、完整性和使用情况，–在规模化应用中衡量并优化AI代理的决策质–根据决策质量、风险表现、可审计性、用户采用情况和经验证的业务影响，将表现优异的AI代理从受监督运行逐步升级为半自主或完全自–在每个投入生产的AI代理中嵌入审计轨迹、可–从试点团队转型为常设跨职能交付单元，由其–建立持续改进引擎，将复盘、流程挖掘和价值流映射纳入季度运营节奏，以识别下一步需要–提升内部团队在AI代理设计、数据工程和混合架构方面的技能。开展针对具体角色的培训，22VarunBijlani/in/varunbijlani/VarunBijlani正在重塑咨询服务的交付方式，打破服务交付与工时成本挂钩的传统模式。他正与客户合作，围绕常设驻场交付团队重构交付模式，此类团队采用可复用的、面向特定领域的AI代理，而非在每一次客户合作中从头构建资产。JavierOlaizolaCasín/in/javier-olaizola-casin/始终围绕一个核心主题：AI代理需要实时上下文，才能在整个业务范围内可靠行动。他目前正与多行业客户合作，力求弥合这一能力缺口，构建持续更新、治理完备且能够承载上下文语义的数据体系。其工作重心聚焦于数据所有权、血缘追溯能力以及混合架构，这些要素共同构成了AI规模化扩23/in/caroline-roche/CarolineRoche负责领导客户的AI转型议程，不仅关注技术部署，还着力思考如何重构流程、建立激励机制并重新设计组织，以支持AI价值释放。她重点关注多类AI以及混合云/多云技术的部署，同时推动组织实现跨越式转变，将技RichardWarrick/in/richardwarrick/究，探讨大型企业如何利用IT提升绩效。其近期研究聚焦于AI投资转化为可向资本市场清晰呈现的业务价值所面临的核心挑战，包括精准锁定深层价值池、统筹管理互补性项目组合，以及有效消解因IT复杂性与技术债务而生的变革24IBMIBV开展了一项全球调研，考察组织如何构建、衡量并推动AI项目落地运营，以及这些实践家和地区、18个行业的1000位高管的回答，这受访者来自各类组织，涵盖不同运营环境和AI成为识别AI相关投资回报率(ROI)的驱动–估算组织能力转化为财务成果的作用机制我们没有假设存在单一线性成熟度模型，而是分我们将AI投资回报率作为因变量，估算了一系列多元回归模型。我们整合了与流程相关的能力、我们使用标准的拟合优度和验证检验评估模型稳健性，包括评估解释力（如解释方差）、整体模型拟合的统计显著性、单项系数的稳定性与显著这些检验有助于确保结果反映稳定且可解释的关我们同时检验了直接效应和间接效应，因为有些能力虽然与较高投资回报率相关，但其自身并不总能直接推动回报提升。相反，这些能力似乎是在本研究中，所谓运营执行改善，是指能够清晰了解工作的实际开展方式，例如识别瓶颈并理解系统间的连接关系，从而将AI应用于恰当领域并取得更优成果。为评估各项能力是否通过改善运营执行间接影响投资回报率，我们采用标准的系该分析检验各项能力是否与更高的流程可视性相关，例如能否识别瓶颈并理解系统依赖，以及这间接效应通过结合两个步骤进行估算：各项能力如何提高流程可视性，以及更高的流程可视性如我们采用自助法重复抽样验证统计稳健性，以确结果表明，流程相关能力对投资回报率的相当一部分影响，是通过提高对流程约束和系统依赖的25机会估算价值池构建了一项示意性估算，以衡量潜在企业级影响。该计算以调研中报告的投资回报率预期为参考点，并将其与外部标杆值所反映的典型企业成本我们采用企业成本结构的外部标杆值，将百分比改善转化为绝对价值，并以一家营收为170亿美元的代表性企业作为基准，以确保不同情景之间具有可在此框架基础上，我们评估了多个价值池同步实现小幅改善时，如何形成可观的综合价值。我们没有依赖单一成本类别中的大幅效率提升，而是构建了一个混合情景，展示销售、一般及行政费用(SG&A)、销售成本(COGS)和收入领域的增量改善如何共同促进企业价值创造。销售成本和收入）中实现的改善，可带来远高于障碍已得到克服：75%的AI项目已在企业范围内规模化运行，75%的项目正在交付预期的业务成果，且仅有10%的投资回报率因IT摩擦而损旨在说明当投资组合层面的AI投资与高影响力价值池相匹配时，若能推动合理的增量绩效提升，8%6%8%6%5%5%5%3%3%3%7%7%4%7%4%4%5%5%澳大利亚26借助AI重塑核心业务流程并转化业务成果，需要汇聚多元资产与专业能力生态。凭借深厚的行业专业能力、多元化的咨询服务组合和企业级技术解决方案，IBM、RedHat及IBM战略合作伙伴网络助力客户充分释放AI潜能。IBMResearch以前沿技术创新持续赋能客户，其中包括业界领/consulting/artificial-intelligence/en/watsonx/artificial-intelligence研究洞察致力于为业务主管就公共和私营领域的关键问题提供基于事实的战略洞察。洞察根据对自身主要研究调查的分析结果得出。要了解更多信息，请联系IBM商业价值研究院：ibv@。领导力智囊团。我们提供有研究支持和技术支持凭借我们在商业、技术和社会交叉领域的独特地