Gartner 2025大中华区高管交流大会于近日盛大召开, Gartner 发布最新研究,阐释生成式人工智能(GenAI)如何改变行业实践,推动企业软件从“辅助工具”迈向“智能代理”的根本性转变。GenAI将彻底重塑企业应用的目的、功能以及人机交互方式。
当前,企业仍把应用视为“工具”,但在不久的将来,内嵌人工智能(AI)的应用将具备强大的智能代理,能够主动获取所需信息、反馈关键数据,并自动完成跨系统任务,甚至处理人类难以应对的海量数据。这一转变意味着企业将从传统应用时代迈向“智能应用”时代。
Gartner 研究总监金玮表示:“GenAI已将企业软件推到一个全新拐点,应用不再被动执行指令,而是主动为用户工作。”企业在构建智能应用时需要遵循以下五项基本原则,才能把 AI 战略真正转化为业务成果。
自适应体验
在智能时代,企业应用应像得力同事,而非被动工具——它必须清楚用户是谁、身在何处、正处理哪项任务,并能在手机、平板和桌面之间即时同步。对“行动派”员工,系统要支持动态图标和快速切换;对“思考派”员工,则需提供看板视图和深度洞察。提示词(Prompt)将成为主要交互方式,员工只需一句“预订明早北京飞上海的航班,并屏蔽全部会议”,系统便可自动比价购票、更新日历并同步通知相关同事。
金玮指出:“真正的个性化不止按岗位划分,而在于洞察每个人独特的工作节奏与偏好,让软件像贴身助理,总能快用户一步。”
嵌入式智能
AI 能力应深植于业务逻辑,而非外挂附加。系统需实时感知当前操作、预判下一步需求,并在后台调用语音引擎、机器学习模型与外部应用程序接口(API),主动提出最佳行动方案。举例而言,销售经理只需键入“列出未结清订单中预测销售额与库存差异最大的项”,智能代理便能跨客户关系管理(CRM)、企业资源计划(ERP)和数据仓库即时抓取数据,完成排序并生成可视化对照表,全程无需商业智能(BI)报表或结构化查询语言(SQL)查询。
“嵌入式智能让应用不再等待点击,而是主动寻找答案、提醒风险、提出方案。”金玮补充。
自主编排
企业的业务自动化正从“脚本驱动”迈向“自我编排”阶段:凭借流程挖掘与大语言模型(LLM),智能代理能够跨系统自动调用资源、触发流程,并在运行中持续优化性能与安全。其底层由机器人流程自动化(RPA)、API和微服务架构快速串联任务;最上层整合智能文档处理(IDP)、决策智能平台和机器学习平台为流程提供实时洞察;整个过程借助 AI 驱动的流程与决策建模工具,将“发现痛点”到“投产上线”的周期大幅压缩。
金玮强调:“未来的流程就像自动驾驶——既透明、可解释,又能一路自我学习、持续提速。”
互联数据
要让 AI 真正“看见”企业资源,就必须先为它铺设一张全域数据网。所谓互联数据,指的是以元数据目录和数据网格为核心,将散落在数据湖、云存储、应用数据库、文件系统乃至多媒体库中的结构化与非结构化片段统一映射,随取随用。
这就像给一间堆满杂物的暗室开灯、贴标签:当有人问“那本书在哪里”,系统能立刻定位并取回,而不必翻箱倒柜。在供应链场景中,这一能力价值尤为突出。互联数据平台实时追踪元件来源,发现若某关键部件过度依赖单一供应商便立即预警,并推荐备选渠道,从而避免生产停摆。
金玮指出:“没有打通的数据,AI 就像在黑暗中摸索;互联数据点亮整座仓库,让每条信息都触手可及。”
可组合架构
可组合架构把企业应用拆解成模块化组件,像乐高积木一样按需拼装。遵循“API 优先”,企业将应用按模块拆解成可插拔组件,这些组件通过请求–响应、消息驱动或事件触发等方式,由API即时调用。组织可以先采购标准化核心系统——例如ERP、CRM——确保合规与主流程稳固,再用第三方或自研模块叠加差异化能力;低代码和开源框架则进一步降低创新门槛,加速迭代。
金玮指出:“可组合架构不是推倒重来,而是‘能买先买、非核心不造’,把研发资源集中投入最能创造独特价值的部分。”
这五大设计原则并非孤立拼图,而是环环相扣、相互放大效应的整体框架:没有嵌入式智能和自主编排,自适应体验就难落地;缺少互联数据和可组合架构,智能代理也无法持续进化。因此,企业在制定 AI 投资路线图时,必须保持投入均衡,确保基础数据、流程、架构与体验同步升级,才能让智能应用真正从“试点示范”走向“规模价值”。
好文章,需要你的鼓励
阿里团队开发的FantasyPortrait系统突破了传统人像动画的局限,通过隐式表情表示和掩码交叉注意力机制,实现了高质量的单人和多人肖像动画生成,特别在跨身份表情迁移方面表现出色,为视频制作和虚拟交流等领域带来新的技术可能性。
复旦大学研究团队开发的AnyI2V系统实现了从任意条件图像到视频的生成突破。该系统无需训练即可处理多种输入模态(包括3D网格、点云等),支持用户自定义运动轨迹控制,并通过创新的特征注入和语义掩模技术实现了高质量视频生成,为视频创作领域带来了革命性的便利工具。
Akamai坚持“简而未减、网络先行、拥抱开源”的独特定位。凭借“鱼与熊掌兼得”的特色,过去几年,Akamai在电商、流媒体、广告科技、SaaS、金融科技等行业客户中获得了广泛认可。
斯坦福大学研究团队开发了KL-tracing方法,能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记,利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中,相比传统方法性能提升16.6%,展现了大型生成模型在计算机视觉任务中的潜力。