用自主式 AI 重新定义企业智能

2026-10-04 · MIT Technology Review

用自主式 AI 重新定义企业智能

企业 AI 已不再是未来的愿景,而是全面投入运营的现实。模型能力的进步速度超过了大多数组织的吸收速度,同时性能成本持续下降。预计到 2026 年,全球 AI 投资将达到 2.5 万亿美元,较上年增长 44%。

碎片化与信息孤岛的挑战

对许多企业而言,这种投资带来了碎片化。智能在孤岛中积累,例如销售代理不知道未解决的支持工单,或者营销系统在个性化内容时无法看到财务部门已知的客户信息。各部门可能在孤立状态下表现良好,但企业整体学到的东西很少,可用于行动的信息也更少。

智能体转变:从工具到运营模式

报告指出,从“AI 作为工具”向“AI 作为运营模式”的转变(即“智能体转变”)需要的不仅仅是更好的模型或更快的架构。它要求实时连接人员、流程和数据,并具备可靠地根据这些智能采取行动的治理和控制能力。这意味着需要同时重新思考架构和运营模式:

  • 重建数据基础设施:以可访问性而非数据量为导向进行重建。
  • 采用可组合架构:用可随模型和工具变化而演进的可组合架构取代固定的技术栈。
  • 解决 AI 主权问题:明确智能在哪里运行、由谁控制,以及如何跨组织和司法管辖区运作。

关键发现

报告的主要发现包括:

1. 企业 AI 的扩展问题是结构性的:流程优先的公司正在脱颖而出。尽管全球 AI 支出激增且模型能力飞速提升,但大多数企业仍未通过 AI 实现收入增长或从根本上重新思考其运营方式。能够产生持续回报的公司有一个共同点:它们将流程重新设计视为先于模型选择的工作,为技术的演进做好准备,而不是在部署后修补角色和工作流程。对它们而言,智能体转变始于运营模式。

2. 数据准备度而非数据丰裕度使 AI 具备复合价值:大多数企业发现得太晚,拥有数据和拥有“AI 就绪”的数据是两回事。一个主权、可组合的基础——在数据所在的地方查询和准备数据,无需迁移或集中化——可以将原始数据资产转化为 AI 智能体可采取行动的智能。随着数据驻留法、多云环境和结构复杂性使集中化越来越不切实际,对模型运行和数据存储位置的主权控制是保持这种适应性的关键。

相关阅读

本期《麻省理工科技评论》还探讨了其他 AI 话题,包括 AI 的递归自我改进可能不会很快到来、对 AI 炒作的警惕、追逐大语言模型下一个大事件的初创公司,以及比尔·盖茨关于 AI 危险阈值的警告。

原文链接