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。
好文章,需要你的鼓励
CoreWeave 推出全球首个基于 NVIDIA GB200 NVL72 的云实例,助力开启 AI 推理的新纪元。
英国税务海关总署(HMRC)正全力推进数字化转型,但面临成本上升和挑战。2023-24财年,HMRC在运营数字税收系统上支出7.85亿英镑,较5年前增长18%。同时还投入4.82亿英镑开发新系统和升级老旧系统。虽然数字化服务有所进展,但仍面临成本超支、进度延迟等问题,预计2030年才能完成全面数字化转型。
DeepSeek-R1 的问世引发了科技界的震动。这款 AI 模型以其高效、透明和道德为核心的设计理念,正在改写 AI 行业规则。它不仅展示了开源模型的潜力,还通过优先考虑可解释性、嵌入伦理和专注于好奇心驱动的研究,为 AI 的下一个时代设定了新的标准。
中国人工智能公司DeepSeek的突然崛起震动了全球科技市场,引发了对其性能声明和开源承诺的质疑。尽管其低成本模型引起了业界关注,但在开放性、性能真实性和安全性方面仍存在争议。这一事件也引发了对中国AI技术发展的深入思考。