IBM -2026为企业级AI进化重新设计-聚焦关键价值流以推动增长

IBM商业价值研究院|研究洞察2前言 什么在阻碍人工智能? 3突破瓶颈 6实际效益规模 为企业重塑人工智能 从人工智能投资中获取更多价值 首席技术高管和高级全球工程生产力上——如何让单个任务更快完成?但过去一年里，讨论已经完全转变了人工智能的真正价值在于彻底重新思考端到端的工作流程，从我们如何处理交接，到如何管理依赖关系和做出决策。我们当前的工作流程是围绕历史约束和遗留的组模型在改进，工具在演变，一年前还像是科幻小说的方法，如今已经带来可重复、可衡量的结果。如果你袖手旁观，就会错失建立使用这些技术所需习来自于迭代。今天成功的公司，是那些随着技术发展而实时学习如何评部署和迭代AI的公司。但只有当你的团队在实际开展工作时这项研究恰逢工程和业务领导者正在应对这一转变之际说的“无限积压”的想法、功能和客户请求，由于处理过。人工智能给了我们最终深入处理这些积接下来的页面将实际展示这一旅程。它们说明了为什么与代码同步演变。技术下个月、明年都会不断工2关键要点大多数AI举措仍然未能成功到2025年底，仅有37%的AI举措实现了高层领导预期的业务成果2025年，因IT和业务环境中的摩擦，21%的AT投资回报率流失改善AI成效需要投资于IT升级然而，58%的组织面临削减非人工智能企业技只有17%的高管表示，批准和资助人工智能项目的流程在全公司范围内保持一致，仅25%的人称商业3人工智能投资正在加速，但成果在哪里?尽管投入增加，但大多数人工智能项目仍然失败。只有37%在2025年底前实现了高级领导层预期的商业价根据IBM商业价值研究院与牛津经济研究院(IBV)联合牛津经济研究院进行。根据我们的研究，一家平均规模为170亿美元为51%(参见第24页的“研究方法”)。展望2028年，高管们的目标要高得多。平均而言，他们的目标是实现4.62亿美元的净价值，并将投资回报率提升至105%。然而，我们调查的1000位技术高管、人工智能转型负责人和业务部门赞助商预计,在实现这些目标的同时，仅将29%的人工智能项目投入大规模生产(见图1)。这就是问题所在。事实是，除非大规模部署举措，否则自主型AI无法带有权、割裂的系统与数据，以及模糊的决策并非所有摩擦都源于技术问题，有些来自人为因可能不理解它们如何创造价值、如何融入现有工作流程AI智能体还打破了传统的管理幅度模式。领导者需要构建混合团队结构，明4图1人工智能成果受限于摩擦和缺乏焦点2025年成果、障碍及2028年预测2028年潜在成果基于IBMIBV分析2025年成果实现2028年成的AI净新增价值AI投资1.14亿美元2.26亿美元只有17%的AI项目实21%的AI投资回报因4.04亿美元3.86亿美元4.55亿美元仅37%的AI项目能来证明投资的合理性。”VWG英国有限公司集团IT总监兼董事会成员。“如果仅在各个部门内部应用AI来提升个人工作效层面就会消失，”日本本田数字部门副总裁河合保夫(YasuoKawai)表示。“要实现AI在企业范围内的运作，企业范围内的改革是必要的。”为了实现他们为2028年设定的AI绩效目标，高管们必须做的不仅仅是资助将去年试点项目推向生产的工作。他们还必须减少因摩擦而损失的AI投资回报率，将投资精准聚焦于现的业务成果，并致力于为AI在企业规模上取得成功所需的持续再投资循好消息是，成功更多取决于创造AI能够发展的运营环境，而非追逐最新的AI突破。建立一个AI能有效运作的系统，可以帮助组织更快地通过AI交付更多价值，并加速超越其绩效目标。我们看到了那些扩大AI项目规模、减少IT和业务环境中的摩擦，并更一致地交付预期成果的组织的潜在收益：到2028年可能高达10亿美元，是高管们期望的两倍多(参见第25页“研究方法论”)。组织还需要比原计划投入更多资金，但这笔投资可能使投资回报率从105%提升至220%(见图1)。要实现这一目标，需要解决许多组织多年来一直回避通过正确的重新设计，它可以释放新的收入来源和更深价值可以长期挖掘。本文概述了高管们应将投资和努力集中在哪些方面，以在第一部分中，我们探讨了摩擦如何拖累AI性能。第二部分解释了组织在哪些方面有机会通过AI获取最大的净价值。第三的技术和运营改造。最后，我们以一份行动指南作为结尾，概述了企业技术领导者可以在未来30天、120天和360天内采取哪些步骤来帮助提升AI性能。6统设计之初未考虑互操作性而产生的系统间摩擦。据我们调查的高管反馈，2025年人工智能投资回报率中有21%因IT和这是因为智能体并非独立于IT基础设施之上运行，而是嵌入其中运作。它们在历来被孤立优化的不同职能部门间传递工作与决破碎、相互矛盾或被数十年技术债务拖累时，即便最智能的人工智能也会高管们指出，实现大规模高回报人工智能的首要障碍，在于流程、数据及决策权尚未针对人工智能进行优化(见图2)。要构建IT资产中的人工智能韧性，必须开展大规模改造。除技术升级外，企业还需建立新的风险、治理和安全协议，并从头到尾超过四分之三的高管认同：若不重新设计整体流程，仅将人工智能应用于工作流的孤立环节会带来有限价值。多数企业起步时都面临由数千个合理却孤立的决策构子IT(业务部门未经IT部门监督直接采购的软件、云服务及工具)平均占IT预算的24%¹。这些必须从一开始就设计进去。”结果是IT环境跨越多个云平台、多种管辖区域，拥有数千个无人能完全理解的集成点。只有10%的高管表示，其AI开发和运维基础设施在统一平台实现高规模、高回报AI的主要障碍新设计业务流程2数据准备不下3AI项目中角色、决策权与责任归属不试点项目并非为规模化或生产环境设计5遗留系统和技术债务的复杂性及成本8IntroductionBottlenecksSizeoftheprizeRenovateforAI行动指南智能商业案例中充分考虑解决技术债务成本(包括现代化脆弱系统、整合孤立数据以及修复长期被忽视的漏洞)的组织，其预期投资回报率比未考虑这些成本的组织高出29%。我们对调查数据的分析发现，衡量其流程价值的组织回报。当组织开发出更强大的方法来量化流程绩效时，它们更有可能识价值创造的关键节点(参见第24页“研究方法论”)。但并非每个摩擦点都值得修复。目标是消除那些阻碍智能代挥潜力的摩擦。那些每次运行方式相同、依赖结构化数据和过传统自动化(例如决策治理)来解决。维也纳市首席技术官BenediktSchraik表示：“人工智能决策具有概率性，但我们的治理框架仍然要求确定性。我们接受政府中基于概率的人类决制。人工智能治理也需要同样的认可。”这些复杂、多变且依赖于情境的价值流正是智能代理人领域。它们是塑造客户体验、驱动竞争优势并释放新收入来改变达成一致。”调查的高管预期，2025年至2028年间，IT支出平均将从14亿美元激增至约22亿美元。与此同时，58%的高管面临削这造成了直接冲突：拖慢人工智能进程的旧有遗取代它们的创新举措争夺资金。缺乏明确优但调查数据显示，大多数企业在全企业范围内优先排序人工智能举措方面举步维艰。仅有17%的高管表示，人工智能项目的审批与资金拨付流程在整个企业中保持一致，而仅有25%的人称商业价值和投资回报率得到了统一评估工智能转型财务可持续性的必要条件。事实上，,70%的高管表示正寻求利用人工智能产生的价值来资助整个组织的投每种方法都有其价值，但企业应将再投资聚焦于最有望带来可观回报的举措。我们有意识地选择不将人工智能应用于所有领域，只选择它能真正创造价值的领域。”组织如何通过AI投资获得最大回报?通过改进创收的面向客户的价值流，而不是优化较小的行政活动可以这样理解：销售、一般及行政费用(SG&A)改善1%,对一家典型170亿美元企业而言，约可节省2400万美元。而在资源投入更多的核心交付流程中,1%的改进则可带来1.02亿美元收益。但仅靠削减成本是有限的。要实现收入增长，AI也必须应用于驱动盈利能力的面向客户的价值流。收入提升1%将然而，投资往往倾向于那些更容易实施、治理更清晰、结果更快见效的领域。这种偏见可以理解，但具有局限性。事实上，85%的高管表示，许多AI计划未能实现投资回报率，因为它们并非旨在改善关键流程的结果这正是再投资变得至关重要的地方。间接职能中的生和竞争绩效的工作。通过将重点放在创收的价值流上减行政成本创造多达7倍的价值(见图3)早期收益越大，组织就能在创收新机遇上投入更多AI实验转向与可衡量的业务成果相关的较小举措组合，将投资集中在少数关SizeoftheprizeRenovateforAI行动指南是的，要实现这些投资成功，需要在技术、治理和人才方面加大投入——这可能意味着将更多IT支出用于人工智能。但部分IT升级成本也应当被视为人工智能计划的核心组成部分。否则，投资回报率数据将高估人工智能的真实收益。“我们需要清晰了解人工智能投资如何随时间增长，”金巴利集团技术,而是要建立一种不能仅靠挤压现有IT投资来支撑的人工智能融资模式能够触及更大价值池的人工智能投资组合可释放更高回报以下数字展示了某170亿美元规模企业在三个不同价值池中实现1%改善时的影响理费用降低1%核心交付流程改善1%面向客户的价值流收入提升1%2400万美元的成1.02亿美元的成本SizeoftheprizeRenovateforAI行动指南关于人工智能的讨论通常围绕四种活动类型：任务是个人工作价值流是将客户需求转化为满意客户结果的完整行动价值流是将客户需求转化为满意客户结果的完整行动工作流，跨越组织边界以交付客户需求，一端始这种区分之所以重要，是因为人工智能部署的层级决定了价值创造的层级。任务自动化产生更快的任务。一个业务成果，除非它们所嵌入的价值流被设计为将它们与客户需求和绩效目标联系起-智能体设计师，负责定义智能体要执行的工作，-智能体监督者，负责监控决策、异常和升级；-智能体训练师，利用来-业务负责人，他们对价值、风险和IntroductionBottlenecksSizeoftheprizeRenovateforAI借助AI推动增长所需的大部分工作并不在于构建新系统，而在于重新思考技术管理方式以及团队如何与AI协作。这首先机遇巨大：创收型价值流能带来最大的潜在回报，但同时也如今大多数组织实际运行的是混合环境，但并非有个云和本地系统中，这出于成本、性能、合规等合理原因跨环境一致运营意味着要建立统一的模型来管理工作负载理方式以及变更在整个体系中的传播方式。为了负责任地扩展AI,组织还需要在执行层嵌入一致的控制机制。这有助于确保模型、数据流前就受到治理、可观测且具备生产就绪性。当工程循一致的流程时，组织就能减少摩擦，并能够反复扩展AI,而不必为每个新项架构的经济性也很重要。训练模型、运行推理、处理敏统，可能各自有不同的成本结构和性能要求。能够战略性地部署工作负载—-大多数高价值流程数据是分散的，其中74%存在于公共云环境之外。这些数据还以优化存储而非行动为目的的格式维护。只有41%的高管表示，数智能体系统需要不同的条件：持续、情境化地访问流程状态。若无此条件,智能体将在错误假设下工作。这可能导致最佳情况下的小错误，以及最一是一项运营变革。它要求跨系统流式传输事件数确关键数据源的所有权，并建立以一致、结构化形式呈现。这些数据不仅需要可用，还必须具备端到端的可靠性、可追溯性和可o当AI系统自主行动时，谁为智能体的决策结果负责?何种阈值定义可接受的自主程度?如何衡量和纠正绩效?少数高管团队能持续回答这些问题。仅三分之一的组织在将AI智能前，会正式验证数据源的所有权和维护责任。决策若缺乏明确预期，组织将面临不确定性风险，从而阻碍独立。代理行为可能在价值链中产生累积效应。组织应当这意味着从受监督的建议阶段过渡到有限执行阶段，只、可审计性与业务影响等维度证明代理已达成熟标准时，才可赋予更大自主权o与任何复杂的转型一样，改造IT资产需要承担巨大的开销。每一项改进都伴随着前期成本：协调利益相关者、梳理依赖关系、建立基准这就是为什么运营模式与技术计划同等重要。许多组织aples公司首席信息官ConorMlacak表在人工智能原生的世界中将难以为继，工作本身必须从根本上重新思考。”在智能体人工智能领域，持续的努力至关重要。你希望今天连续性之所以重要，还有另一个原因。人们通过亲身实工作坊或定期的变革计划来学习新的工作方式。然短期项目组建的团队或许能完成实施，但很少能培养出改变工作方式所需的组织肌肉记忆。在传统方法中，战略规划者将专业知识融入运营，却无需对项目是否产生长期价值承担任何责任。在生产环境中，韧性意味着预见和预防，而不仅仅是恢复。"ADNOC集团首席技术与创新官更好的模式是围绕持续问责和整合交付构建的。这备专业深度又拥有广度，深入工作一线，对结果负性运作的方式组织(见图4)。该团队不仅提供建议，更致力于长期交付。成果驱动交付推动更优Al成果设计执行传统方法规划设计执行然而，许多航空公司仍在早已亟需革新的架构上运行。0过时的系统停滞不前，排队队伍膨胀，信息支离破碎利雅得航空决心改变这一现状。该航空公司从零开始设模式，摆脱了遗留系统的束缚，专为数字时代的需求而构建其运营基础是一个锚定企业智能化运作方式的平台。模有了这一基础，多个代理能够共同管理路由并完成复杂营速度下的成果。现在，上下文数据通过超过1800个集成，在75多个系统间持续流动，将每个领域整合到统一的信息流中。其结得航空能够作为一个系统感知、决策和响应，提人工智能现在在决策发生时提供信息，将洞察转化为程的展开，实时引擎动态创建、定价并交付优惠。旅客不时刻。AI助手在内置监督下处理常规工作，解放工程师、运营和服务团队，让优惠实时调整。服务针对每位旅客个性化调整。运营根。在智能指导决策和自动化放大影响的推动下，利雅得航空借助模块化架构利雅得航空首席财务官从您的AI投资中获得更大价值-识别具有高投资回报率的优先价值流-盘点当前工作负载的运行位置，-识别经历最多问题的流程，首先解决摩擦并重新设计这些环节。-识别AI智能体需要的所有决策-明确当前谁对这些决策负责，-为所选价值流定义信任指标，数据-为选定的价值流定位高价值流程数据，-评估当前数据访问方式(批量-为主要数据源分配临时所有权-组建跨职能核心团队，成员来自确保他们投入专职时间，而不仅仅是担任顾问角色。-确定并授权一位单一的高管-定义与业务成果相关的成功指标。明确该价值流在可量化维度(成本、速度、质量、收入)上的“成功”标准。IntroductionBottlenecksSizeoftheprize为AI行动指南进行改造-在所选价值流中实施一致的执行层-通过消除冗余或定制集成来减少碎片化-建立企业级AI治理框架-要求新的或更新的智能体在投入生产前满足-连接上游和下游系统-创建共享访问层或API,-将数据工程师嵌入流程-建立一个渐进式自主模型，定义智能体-将交付团队正式化为固定单位,以及对技术交付和业务绩效的双重问责-创建新的监督模式，明确,以及管理者如何在避免成为瓶颈的同时保持-与最终用户和流程所有者建立持续的反馈循环：通过扩展运营模式而非仅依赖人工智能，将成功的转型转化为可重复的能力。-将执行模式扩展至三到五个共同代表至少60%目标业务成果的高价值流。-系统性地消除架构债务。-构建自我修复的基础设施能力：数据-在所有优先价值流中实现企业级“温数据”:即代理无需重建即可访问的实时、受管控且具-实施联邦数据网格或-衡量并优化智能体的决策质量-根据决策质量、风险表现、可审计性、用户采用率-在每个生产级智能体中嵌入审计追踪、可解释性标准运营模式-从试点团队过渡到永久性-建立持续改进引擎：并在质量下降时自动发出警报。-提升内部团队在智能体设计方面的技能，IBM咨询/in/javier-ol数据计划：AI智能体需要实时上下文才能在整个企业中可靠于数据所有权、数据谱系，以及能够随着AI规模化应用而保,同时思考如何重新设计流程、建立激励机制和重组组织，以管理互补性举措组合，以及减少因IT复杂性和技术债务带来IBMIBV开展了一项全球调研，旨在探究000名负责人工智能、技术和业务转型项目的高投资回报率(ROI)方面，我们结合了多元回-识别独立预测因子-评估组织能力转化为我们以AI投资回报率作为因变量，估算了一系列多元回归模型。性，包括解释力(如方差解释量)评估、整体模,以及预测因子间相关结构的分析。结果表明，流程相关能力对投资回报率的影机会评估为了解释AI驱动的绩效改进的财务影响，我这反映了企业价值池的非对称性，在较大领域(如销售成本和收入)的改进相对于较小的成本类改进转化为绝对价值，并使用代表性的170亿由此产生的10亿美元机会假设关键障碍已被克服:75%的AI计划正在企业规模运行，75%实现了预期的业务成果，且只有10%的ROI因IT摩擦而损失。因此，该机会应被解释为一种基于场景的,转化为实质性的企业财务成果。高级管理人员5%英国德%沙特阿拉伯新加坡韩国IBM如何提供帮助态系统。IBM、红帽以及IBM的战略合作伙伴网如需了