AI 时代 CIO 应如何制定 2025 年投资策略

当我们回顾 2024 年时，可能会发现这是大语言模型成为主流的一年，每个企业级 SaaS 都添加了 Copilot 或虚拟助手功能，许多组织也首次体验了智能代理 AI。CIO 获得了可观的预算来通过生成式 AI 提高生产力、节省成本并获得竞争优势。沃顿商学院的 AI 研究报告显示，企业在 2024 年的生成式 AI 投资比 2023 年增长了 2.3 倍，但预计未来 2-5 年的增长幅度会降低。

经验丰富的 CIO 都知道，转型和创新投资从来都不是无限预算的，他们预计 2025 年将面临更大的压力，需要从生成式 AI 投资中创造业务价值。德勤的《企业生成式 AI 现状》报告显示，近 70% 的企业只将不到 30% 的生成式 AI 实验转化为生产环境，41% 的组织在定义和衡量生成式 AI 效果方面存在困难。随着生成式 AI 进入 Gartner 所说的"幻灭期"，CIO 们应该考虑如何调整 2025 年的战略和路线图。

面临压力的 CIO 可能会寻求更实用的 AI 应用、平台简化和风险管理实践，这些举措既能带来短期效益，又能成为长期财务回报的力量倍增器。CIO 应该考虑在 2025 年在以下五个 AI 领域进行投资布局。

通过智能代理 AI 扩展可信工作流

Appian、Atlassian、Cisco Collaboration、Forethought、IBM、Ivanti、Pega、Salesforce、SAP、ServiceNow、Tray.ai、Workday、Zoho 等公司在 2024 年推出了面向服务的 AI 代理。虽然机器人流程自动化 (RPA) 旨在自动化任务和改进流程编排，但由公司专有数据支持的 AI 代理可以重构工作流、扩展运营并改进特定场景下的决策。

尽管智能代理 AI 承诺提供效率和可扩展性，但许多人质疑自主代理是否已经准备好用于企业。世界经济论坛指出了 AI 代理的一些风险，包括提高透明度、制定道德准则、优先考虑数据治理、改进安全性和加强教育。

组织可以采用务实的方法，寻求与决策者和主题专家协作的人机协同 AI 代理。以人为本的方法有助于管理使用智能代理 AI 过程中的变革，同时评估其收益和风险。

Intuit 首席数据官 Ashok Srivastava 表示："到 2025 年，处于智能代理 AI 革命前沿的公司将面临一个关键挑战：在提供无缝的'一切都帮你做好'体验的同时，需要让客户根据自己的意愿对最终决策拥有最终的控制权。要实现这一目标，创新必须专注于能够无缝融合高级自主性和以用户为中心的控制的 AI 系统，incorporate 自适应透明度、道德保障和情境感知学习，从而赋能客户决策。"

投资建议：预计 2025 年一方面会出现大量智能代理 AI 炒作，另一方面员工可能会担心自主代理取代他们的工作。CIO 应该投资于变革管理项目，推广高质量的代理，让员工与之协作以创造超越生产力的价值。

构建智能文档管理

大多数企业都有文档管理系统，用于从 PDF、文字处理文件和扫描纸质文档中提取信息，这些文档的结构和所需信息并不复杂。例如扫描发票、提取基本合同信息或从 PDF 表单中获取信息。即使是简单的用例也会有例外情况，需要业务流程外包 (BPO) 或内部数据处理团队来管理。

Appian 的 CTO 兼创始人 Michael Beckley 表示，文档处理是一个看似平淡但具有重要商业潜力的生成式 AI 用例。"使用传统的 OCR 和 AI 模型，你可能获得 60% 的直通处理率，幸运的话可能达到 70%，但现在生成式 AI 解决了所有边缘情况，处理率可以提高到 99%。"

许多法务部门可以从智能文档管理中受益，因为审查合同的时间会影响运营。根据彭博法律研究，即使是简单的保密协议也可能需要 30 天的周转时间。

ContractPodAI 总裁兼 CTO Anurag Malik 表示："法律 AI 增强了合规性，加快了传统上耗时的流程，如合同谈判和合同续签监控，使法律团队能够更高效地工作并最终增加收入。AI 驱动的工具简化了工作流程并揭示有价值的见解，让组织能够更高效地管理合同审查、风险分析和合规性。"

其他文档处理用例包括生命科学领域的临床试验、零售银行的贷款承保和保险理赔处理。这些文档的工作流程需要深厚的专业知识，可以通过生成式 AI 文档处理功能来辅助或加速。

Zetaris 的 CEO 兼创始人 Vinay Samuel 与我分享了一个将智能代理 AI 与文档处理集成的有趣案例，这可能对公司治理产生深远影响。"借助智能代理 AI，董事会可以拥有一个虚拟董事会成员，能够实时访问、分析和解释数千份文档，这可能会开启合规和公司治理的黄金时代。"

投资建议：寻找具有复杂业务规则的文档处理部门机会，这些部门目前使用无代码、低代码、RPA 和 BPO 解决方案的组合。使用基础生成式 AI 功能重新设计这些工作流程可以带来成本效益，同时帮助 IT 部门整合平台。

优先考虑营销部门的客户数据需求

寻求从生成式 AI 投资中获得增长机会的 CIO 应该首先审视营销部门的目标和集成挑战。根据《2024 年营销科技现状报告》，超过 10,000 名员工的公司平均使用 650 个 SaaS 应用程序，而较小的企业平均使用近 300 个。报告显示过去一年的投资组合整合和集成投资中，只有 32% 声称其营销技术栈的集成度超过 80%。

为什么要关注营销部门？虽然许多生成式 AI 努力关注生产力和员工体验，但营销部门应该有生成式 AI 投资带来客户体验改善和收入增长的案例。

一个机会是 CIO 帮助营销部门提高品牌忠诚度。AND Digital 的总裁兼总经理 Mike Lee 表示："在旅游和忠诚度行业，生成式 AI 正在彻底改变客户与奖励计划的互动方式。"Lee 描述了一个 AI 旅行代理如何通过直观的 AI 驱动产品推动预订增长，83% 的用户更喜欢这种方式而不是传统搜索选项，推动日利润超过 100 万美元。

Verint 的首席产品官 Jaime Meritt 分享了第二个例子，即在客户联络中心使用 AI 通过 CX 自动化节省数百万美元，提高效率、一致性、准确性和合规性。"延迟在其联络中心采用和部署能够产生业务成果的 AI 的品牌将开始经历较低的 CX 评分和流失率，这可能造成竞争落后和巨大的财务影响。"

投资 AI 营销通常是一个力量倍增器，因为它可以推动数据治理和安全投资。Mitratech 的 GRC 战略董事总经理 Henry Umney 表示："AI 创新不能也不应该在没有并行投资治理的情况下存在，以确保其负责任和有效的整合。"

投资建议：由于 SaaS 工具过多和易于运行实验，营销的数据和工作流集成是技术债务的深渊。CIO 应该优先考虑与可衡量的客户体验改善和加速销售成果相关的目标，然后寻找成功的 AI 功能可以推动利益相关者就平台整合达成共识的机会。

从数据驱动转向 AI 驱动

企业通常有集中的数据科学团队用于开发 AI 模型、与各种企业平台对应的报告团队、接受数据可视化培训的公民数据科学家、监督数据管道的数据运营部门，以及制定政策和确保合规性的主动数据治理职能。即使这样的细分也忽略了数据管理、工程和安全职能。

这涉及许多组织部分，CIO 可能希望利用生成式 AI 作为推动力，制定一个连贯的战略、组织模型和平台能力，特别是在寻求行业特定的 AI 和分析差异化能力时。Acceldata 的联合创始人兼 CTO Ashwin Rajeeva 表示："通过将 AI 嵌入数据分析框架，组织可以在医疗诊断、制造质量控制和营销优化方面释放前所未有的能力，将原始数据转化为战略竞争优势。"

为什么 CIO 应该投资于统一他们的数据和 AI 实践？

2024 年，各部门和团队都在尝试与其工作流程和运营指标相关的生成式 AI 工具。为了实验、快速学习和广泛采用，这创造了分散的实践 —— 在许多领域都带来了生产力回报。然而，数据驱动的组织可以将 2025 年作为重新调整数据、分析和 AI 工作的一年，以寻求更多战略性收益。

KNIME 的 CEO Michael Berthold 表示："你可以想象，到 2025 年及以后，数据工作可以完全委托给 AI，但由人类同事检查或纠正，或者数据专家可以依靠 AI 根据整个企业数据团队的集体智慧提供智能反馈。然而，这只有在你投资于能够为 AI 执行或 AI 辅助的数据工作带来透明度和可靠性的技术时才有可能。"

投资建议：CIO 应该寻找其 AI 和数据战略中的运营和风险管理差距，考虑投资数据架构、数据可观察性、分析平台、AI 治理和数据安全姿态管理。

重新审视支持 AI 目标的 IT 技术栈

不只是营销部门，拥有太多 SaaS 工具和使用电子表格进行集成可能会成为采用 AI 解决方案的障碍。Quickbase 的 CIO Dalan Winbush 表示："CIO 可能会发现大量数字工具造成信息孤岛并影响战略决策。断开连接的数据会造成不必要的灰色工作，因为员工需要在应用程序之间来回切换以寻找完成工作所需的信息。"

IT 和开发运维团队也面临类似的工具扩散问题，这在开发运维的辉煌时期可能是可以接受的，当时许多开发团队几乎没有限制地选择他们的工具。许多组织正在转向平台工程以改善开发人员体验和生产力。

第三个转变的辩论领域涉及数据中心、公共云、混合云、多云和边缘计算之间的基础设施。在过去十年中，CIO 和 CISO 根据易用性、可扩展性、安全性和成本调整了他们的战略，结果发现他们选择最佳架构的黄金法则产生了许多例外情况，并且随着基础设施创新每年都在发展。

那么，CIO 应该在哪里投资基础设施、应用程序合理化和数据集中化，以更好地支持这个智能代理 AI 的新时代？CIO 应该将 AI 带到数据所在地，还是将数据带到 AI 所在地？

投资建议：基础设施选择和优化架构取决于用例，但 CIO 在 2025 年应该投资几个重点领域来塑造其技术战略和计划：

工具过多、手动流程而不是集成以及大量技术债务会阻碍 AI 的有效应用范围和程度。面临这些挑战的 CIO 应该考虑整合和平台战略。

在生成式 AI 之前，上市时间推动了许多应用程序架构决策。在 AI 时代，可能是获取可访问、安全和高质量数据的速度推动数据管理战略。

鉴于基础设施、平台和运营选择的数量，CIO 将需要强大的 finops 实践来模拟成本，特别是随着 AI 功能扩展数据和处理需求。

考虑到 AI 能力的快速发展，我预计 2025 年将有更多 CIO 在选择和管理技术时采用"少即是多"的方法，投资于提供更大互操作性和可移植性的平台。