通过自动化转变企业智能 AI

超级描述: MIT Technology Review Insights追踪企业 AI 从工具到代理操作,数据准备,主权和 2026 3万亿的支出.

标签:企业 AI MIT Technology Review,代理转移,数据主权 AI,治理

![抽象企业 AI时间线与连接的节点,数据层和治理控制,没有真实的人,没有标志,没有文本]

根据Insights制作的材料,MIT Technology Review定制内容部门,而不是编辑人员,Enterprise AI已经从试点阶段的雄心壮志转变为日常运营.模型能力正在比许多组织能够吸收它们更快地发展,同时实现绩效的价格不断下降.在全球范围内,AI投资将达到 $2.5万亿美元 2026,较上一年增加 44% .这些支出正在重塑公司如何连接销售,支持,市场营销,财务和治理,但许多企业仍然无法把 AI预算变成收入或重新设计的操作模式.

背景: AI 从工具层到操作压力

早期的程序被视为与现有工作流程挂的一种工具.报告描述了不同的期望:智能必须在实时中跨功能运行.压力是组织性的,技术上的也是如此.销售代理人可能仍然错过开放的支持门票.营销系统可以将内容个性化而不是看到财务部门已经了解客户的信息.每个部门都可以自己看起来富有成效,但企业学习得很少,并且由于上下文不会在系统之间移动,因此需要更少的信息来采取行动.

这种碎片化解释了为什么更多的支出不会自动创造更多价值.问题是结构性的:能力比组织能够整合它们更快,性能变得越来越便宜,而运营模式仍然 while硬.

发展:从模型获取到操作模式变化

核心转变是代理的转移:AI作为一个操作模式而不是工具.报告说,这种改变需要不仅仅是更好的模型或更快的基础设施.它要求实时连接人员,流程和数据,并通过治理和控制允许组织可靠地对情报采取行动.

接下来发生了三个架构变化.首先,必须重建数据基础设施以实现可访问性而不是数量.问题不在于企业是否拥有数据,而是数据能否被它已经居住的地方的代理所达到,理解和使用.AI 其次,固定的技术堆正在让位于可组合的架构上. 可组合意味着随着模型和工具的改变,可以更换或重新排列组件,而不是将一家公司锁定在一个堆中多年.

第三, AI主权成为一个运营问题.公司需要决定情报在哪里运行,谁控制它,以及如何跨越组织和管辖区的边界进行操作.数据居住法规,多云环境和结构复杂性使集中化变得越来越不切实际. 一个主权,可组合的基础可以查询并准备其所在位置的数据,而无需迁移或集中,将原始数据遗产转换为智能代理AI可以对此采取行动. 对模型运行的地方和数据寿命的主权控制保持了这种适应能力.

最新进展:以工艺为首要的企业走向前进

该报告发现, Enterprise AI 的扩展问题是结构性的. AI 支出急剧增加,模型能力的发展速度快于大多数组织能够整合它们. 然而,大多数企业仍然没有通过AI或从根本上重新思考其运营方式来提高收入.

创建持续回报的公司有着共同的学科.他们把过程重新设计看作是模型选择前的工作.而不是部署一个模型,然后在部署后改造角色和工作流程,而是为技术如何发展做准备.对他们来说,代理转变始于操作模式.

数据准备是第二条分界线.拥有数据和有AI-ready的数据是不同的.可以在其源附近查询,管理和准备的数据允许AI复合:每个新系统都可以使用相同的操作上下文而不会创建另一个孤岛.

当前阶段:代理业务转移到企业架构

目前的阶段不仅是更强大的模型.这是对架构,流程和控制进行调整的一种尝试.企业正在被迫连接功能,为代理人准备数据,并设定模式运行的地方及其监督方式的界限. $2.5万亿 2026投资数字显示了这种转变的规模,而 44%比上一年增加表明资本如何快速进入其中.

接下来要关注的是支出是否转化为收入. 下一个测试将是过程优先设计,可组合的基础设施和主权数据控制能否使AI在销售,支持,营销和财务上运行而不会创建新的孤岛.