担忧AI泡沫？CIO们有对策应对

虽然目前围绕人工智能存在很多"狂热"情绪，但Trimble公司CIO Jim Palermo对潜在的AI泡沫并不过分担忧。

Trimble是一家价值37亿美元的平台公司，为工程、建筑和交通运输行业提供服务。Palermo表示，尽管外界噪音很大，但Trimble将继续投资这项技术来推动创新和提高生产力。

Palermo是那些认为AI泡沫并非不切实际，但正采取谨慎方法采用该技术的CIO之一。Palermo说，担忧的程度"取决于你对此有多狂热"。

其他IT领导者表示，AI泡沫并不意味着该技术没有前景，而更多的是关于过度膨胀的期望与运营现实的冲突。他们认为，真正的风险不在于投资人工智能，而在于押注未经验证的模型、供应商或单一用途平台。

鉴于对公司估值过度膨胀的担忧，IT领导者建议同事们做出更有纪律性和明智的决策，考虑签订更短的合同来对冲风险，以防技术或市场发生变化。他们还建议同行加强治理，在承诺全面倡议之前先获得小规模概念验证的经验。

降低AI承诺风险

对于人工智能行业的未来，Palermo相信"很多单点AI解决方案将在未来一两年内消失"。

"我认为大型平台生态系统真正开始拥有强大的AI基础，它们更能阐述如何利用人工智能，"Palermo补充道。

"任何CIO都在尝试利用这些类型的生态系统，因为我们在这些软件上花费了数百万美元，"Palermo说，他将治理视为确保AI部署在安全和隐私方面具有适当严格性的关键优先事项。"所以，我认为你会看到CIO们在这方面加倍投入。"

Alpharay Consulting创始人兼首席顾问Shawn Jahromi表示，CIO们正在使用的一种策略是将能力与炒作分离，以对冲潜在的AI泡沫而不停滞进步。

"CIO们正在资助与运营指标相关的范围狭窄的AI用例，如周期时间减少、错误率和成本控制，"Jahromi说，他也是数字化转型和AI治理的博士研究员。"如果估值或供应商可行性发生变化，这将限制风险敞口。"

他说，CIO们也在将人工智能视为运营模式变更而非技术采购。"这包括治理、问责制和人为覆盖结构。这样做的CIO对泡沫的脆弱性较低，因为价值创造嵌入在工作流程设计中，而不是工具中。"

Jahromi合作的CIO们"没有放缓AI采用。他们在结构上降低风险。"

保持韧性是核心策略

Jahromi看到CIO们实施的另一个策略是通过优先考虑数据所有权、模型可移植性和供应商退出选项来保持架构控制。"目标是韧性，"他说。"如果AI供应商失败或定价崩溃，机构不会失去决策权或运营连续性。"

Bread Financial CTO Allegra Driscoll对AI投资采取"谨慎、超实用的方法"，并表示领导层对"追逐最佳工具或成为市场先驱"不感兴趣。她说，重要的是在保持韧性的同时构建创造价值的能力。

"我们专注于高价值、经过验证的用例，"Driscoll说，她花很多时间"评估所有Bread Financial技术投资的全套风险"。"所以，我对那些我们已经推进并投入生产的高价值、经过验证的用例将继续为我们和客户提供价值感到非常有信心。"

Trimble的Palermo说，坚持AI发展始于CIO试图推动的结果，以及与业务部门合作解决痛点。"这保护你免受完全混乱，"他说。"培养创新精神，但当你从创新和想法转向实际生产时，应该有一些严格性。围绕这一点必须有一些治理。"

此外，VyStar Credit Union CTO Anurag Sharma说，CIO们不应该对冲人工智能，"而应该有意为之并设计韧性"。他说，这对金融服务公司尤其重要，"信任和稳定与创新同等重要"。

为此，VyStar的方法是在人工智能明确解决业务问题、改善成员结果并提高运营效率的地方使用它，"有意专注于加强将超越任何炒作周期的基础，"Sharma说。

他说，这需要清洁和良好治理的数据、模块化和可互操作的架构，以及既了解技术又了解业务的人员。

"如果AI泡沫降温，这些基础和投资仍将复合价值并提高安全性和效率；如果它加速，我们将能够负责任地扩展而不损害合规性或成员体验，"Sharma说。"目标不应该是不惜一切代价追逐闪亮的AI，而是保持适应性、财务纪律性，并能够自信地调整。"

控制工具蔓延

许多企业都在工具蔓延方面苦苦挣扎，在不确定的经济环境中，CIO们正在加倍努力控制工具过载和支出。Palermo说，Trimble开始合理化并围绕他们拥有的软件创建元数据，以及是否有10个工具做同样的事情。这对AI工具尤其如此，因此Palermo正在努力收紧他们的源到付流程，"以便我们在确保注册所有进入的东西方面获得更多严格性。"这样，如果有人在寻找AI工具，IT将审查它并可以提出建议。

"我们希望使用满足AI空间特定需求的工具组来推动创新，"他说。

"购买大量工具可能会创建一个非常复杂的架构，如果你不确定这会产生很多价值，那么在关键过程中让链条中的一个环节失败的风险可能不值得，"Driscoll同意。

锚定低风险高价值

Bread Financial将"继续投资高价值用例到2026年"，比如IT为公司客户服务代理构建的知识管理能力，Driscoll说。同时，"我们以类似的方式处理所有新技术——我们试图放慢速度以快速前进。"

像Sharma一样，她说消费者信任是至关重要的，"所以我们倾向于花费大量时间构建一个强大的、受控的环境，并确保我们了解风险的全部范围。然后我们会选择低风险、高价值的用例或用例，开始在整个团队中建立经验。"

这种方法将继续，特别是当他们构建知识管理用例并开始使用智能体AI时。

Sharma也预计2026年将继续在AI方面投资。"我们IT预算中专门用于AI投资的百分比将取决于各种因素，包括不断发展的环境和特定的业务需求，"他说。"然而，我们仍然致力于在对我们的运营和成员体验产生有意义影响的地方利用人工智能。"

供应商整合可能增加风险敞口

Spotlite联合创始人兼CSO Benjamin Hori认为，AI调整的迹象已经出现，初创企业正受到影响，这创造了风险敞口。Spotlite是一个连接模特与时尚品牌和机构的在线预订平台。

"当主导玩家开始捆绑能力，消除对整个初创企业类别的需求时，我们看到了即时的连锁反应——快速整合、突然转向，以及小供应商一夜之间消失，"Hori说。"这种不稳定性直接影响依赖这些工具的安全团队。"

他说，区分真实与炒作最明确的指标之一是公司是否在训练自己的模型"或仅仅是包装别人的API"。"从CSO的角度来看，这种区别很重要，因为它影响数据控制、攻击面、长期可行性，最终影响风险。没有专有模型或权限清晰数据集的供应商没有可防御的基础，这成为我们的风险敞口。"

为了对冲AI波动性，Hori说Spotlite优先考虑具有独特数据优势、强大治理实践和对市场变化具有韧性的架构的合作伙伴。"我们还在堆栈中构建灵活性，这样我们就不会依赖任何一个模型提供商，"他说，"特别是在初创企业可能快速消失的环境中。"

Q&A

Q1：CIO们如何应对AI泡沫风险？

A：CIO们采用多种策略应对AI泡沫风险：首先是将能力与炒作分离，专注于与运营指标相关的狭窄AI用例；其次是加强治理，在全面投入前先进行小规模概念验证；再者是保持架构控制，优先考虑数据所有权和供应商退出选项；最后是签订更短的合同来对冲技术或市场变化风险。

Q2：企业在AI投资中应该关注哪些核心要素？

A：企业在AI投资中应重点关注几个核心要素：选择高价值、经过验证的用例而非追逐最新工具；建立清洁且治理良好的数据基础；构建模块化和可互操作的架构；培养既懂技术又懂业务的人才；以及将AI视为运营模式变更而非单纯的技术采购。

Q3：如何判断AI供应商是否具有长期价值？

A：判断AI供应商长期价值的关键指标包括：是否拥有自主训练的模型而非仅仅包装他人API；是否具有专有模型或权限清晰的数据集；是否有独特的数据优势和强大的治理实践；以及是否具备应对市场变化的架构韧性。没有这些基础的供应商缺乏可防御性，存在较高风险。