当生成式AI席卷全球、算力与模型之争持续升温,一个更现实的问题正在浮出水面——企业究竟准备好迎接AI了吗?
思科已经连续三年发布《人工智能就绪指数》,今年报告显示,全球范围内仅有13%的企业被认为“完全做好了迎接AI的准备”。这意味着,大多数企业虽然意识到AI的重要性,也制定了相应的战略计划,但距离真正落地仍有明显差距。
企业的AI雄心并不缺乏,但关键在于如何让愿景转化为执行力和投资决策。思科将AI就绪度拆解为六大支柱:战略、基础设施、数据、治理、人才与文化,企业需要从六大支柱共同发力。
与往年相比,今年报告进一步揭示了“AI就绪度”与“企业价值创造”之间的关联。企业不仅讨论“是否投资AI”,而开始聚焦“AI投资的回报”。
从“投资AI”到“衡量AI”,价值回报成为新命题
“过去6个月,可以感受到很多企业明显存在AI投资回报的压力。”思科亚太、日本及大中华区总裁兼销售高级副总裁Ben Dawson说道。
不少公司已经将AI列入IT预算的首要优先事项。调查显示,66%的受访企业因AI实现了收入增长,65%的企业利润有所提升。AI带来的价值正从财务维度,延伸到组织生产力、客户体验以及创新能力的全面提升。
Ben Dawson认为,AI之所以能够发挥作用,是要真正和价值来进行挂钩,只有这样AI才能真正产生影响,我们需要去学习、测试来适应AI。
从中国大陆看来,在过去6个月中,83%的企业感受到需要尽快实现AI投资回报的紧迫性,但若基础薄弱,很可能威胁到AI真正的价值实现。
只有约10%中国大陆企业已全面具备释放AI价值的能力,他们将AI从试点阶段推向正式应用的可能性是其他中国大陆企业的4倍,并且他们实现可量化AI价值的可能性高出50%。
尽管AI的商业潜力得到普遍认可,但真正懂得如何用AI创造价值的企业仍是少数。调查发现,大多数企业虽然明确AI的应用方向,却缺乏清晰的落地场景与衡量标准。
AI领域的领跑者不仅能够在短期看到ROI,还在不断探索AI如何驱动长期业务成功。报告称,95%的AI领跑者已经建立起衡量AI价值的体系,能够量化其对企业效率与竞争力的贡献。
中国大陆有22%的企业将AI列为预算优先事项,但如果缺乏清晰的衡量标准和可扩展的基础设施,AI带来的价值将十分脆弱。领导者之所以领先,是因为他们优先构建AI就绪基础设施,将投资转 化为可量化的业绩。
“AI就绪度的差距,本质上是认知与执行之间的鸿沟。这种差距不仅体现在技术部署上,也体现在组织文化、治理体系与跨部门协作的成熟度上。”Ben Dawson说。
AI代理崛起,“AI基础设施债务”成为看不见的风险
AI代理正成为所有企业的一项战略性的紧迫任务。研究显示,84%的企业计划在未来部署AI代理,37%的受访者希望AI Agent能在一年内与团队并肩工作。
中国大陆的数据也和全球趋同,73%的中国大陆企业计划在未来一年内部署AI代理。 而“领导者”行动更快,96%的企业计划部署,超过一半预计将在一年内让AI代理与团队并肩工作。
思科亚太、日本及大中华区云和人工智能基础设施业务总经理Simon Miceli指出,这在未来一年中会是一个非常显著、迅速的变化,加速客户对于紧迫性的认识,使得企业不仅要考虑如何部署,还要考虑AI代理和员工合作的层面做好战略性的准备。
而且AI代理的能力正在快速演化,它们不再只是接收指令的被动助手,而是具备自主分析、持续优化。在未来几年,AI代理将进一步渗透到复杂的创意、工业控制等场景,推动物理世界的智能。
“这不是渐进式的过程,而是根本性的改变。”Simon Miceli说道,这种转变对于企业基础设施提出了前所未有的要求。
如果底层架构没有准备好,AI代理的潜力也会受到影响。报告显示,目前仅有三分之一企业具备让AI Agent “自主、安全运行”的治理与安全能力,另有超过一半受访者坦言,他们的系统难以扩展以应对AI带来的计算密度和数据复杂性。
雄心壮志以及就绪度之间存在着巨大的差异。思科提出了“AI基础设施债务”,指企业在AI部署过程中由于架构、治理或安全未能及时升级,而形成的长期风险累积。
“就像财务债务一样,它在初期是无形的,不会立刻表现为故障,但随着时间推移,它会拖慢创新,增加运营风险,侵蚀AI投资价值。”Simon Miceli指出,这种债务包括算力不足、数据碎片化、安全机制薄弱等隐性短板,最终可能导致企业错失AI红利。
数据显示,仅有31%的公司为AI部署持续配备加密与监控等基础安全措施,不到三分之一企业能有效防御提示注入攻击、数据泄露等AI特有风险。更令人担忧的是,不到40%的企业甚至不理解AI带来的新型网络威胁。Simon Miceli直言:“安全措施失效时信任也会随之崩塌,企业的品牌与盈利都会被直接击穿。”
追随既有雄心,也有衡量方法与执行路径的“领导者”
在这场AI“军备竞赛”中,约13%的企业被思科定义为“领导者”,他们不仅制定AI战略,更在执行上形成了闭环。
领导者展现出三大关键特征:
严谨的投资与衡量体系:不盲目追热点,而是确保AI项目从一开始就与业务目标紧密挂钩,追求“每一步都可量化”。
安全嵌入式思维:安全不是事后补救,而是从数据采集、模型训练到部署全周期的一部分。
系统化执行力:他们具备稳健的基础设施、清晰的治理结构、持续的迭代机制,能在早期识别并缓解AI基础设施债务。
“当企业雄心与充分的就绪程度、执行力相匹配时,人工智能才能真正实现其创造重大可持续价值的承诺。”Simon Miceli说道。领导者之所以领先,并非因为他们做对了一次,而是因为他们把“AI就绪”当作一个持续过程。
领导者会在战略、基础设施、数据、治理、人才与文化六大支柱上全面布局,投资可扩展的算力架构,将数据作为战略资产管理,从设计阶段即嵌入安全与合规,培养跨部门AI人才,构建开放、学习导向的企业文化。
只有全面的准备才能实现卓越的执行力以及价值,所以大家要记住一点,追随“领导者”。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。