人工智能准备现状： 从愿景迈向架构

人人都想要人工智能。大部分组织都说自己在推进这项工作。 但想要它和准备好是两回事。 我们的最新研究帮你拨开迷雾，直面组织的真实状况。 剧透：大多数组织的准备并不如他们所想。

我们通过标准化从部署阶段到模型多样性的六个指标，构建了一个综合的AI准备度指数，并将受访者分为不同等级。 仅有2%达到了“高度准备”水平。 有21%的受访者刚刚起步。 而绝大多数呢？ 处于中间状态。 

这对我而言并不意外，对你来说也不应感到惊讶。 指数有一半内容围绕特定的AI能力——生成式AI、AI代理与代理型AI的采用情况。仅有2%的人同时使用这三种技术并不出乎意料，因为代理型AI还在不断演进中。

哎哟！ 还有其他新变化。

的确进展如此迅速。

发现大多数人已具备适度准备是一项重要成果，因为这表明他们正以合适的节奏前进。 他们正以有条不紊且富有成效的方式，逐步完善实践、基础设施以及人工智能在业务场景中的应用。 

77%的组织属于这一层级。 他们已走出炒作，正在深入试验，努力让项目扎根。 他们已经铺好轨道，但引擎尚未全速运转。

大多数企业都有运行中的GenAI项目。 部分已经部署了代理系统。 少数还在探讨“执行”代理AI的真正含义。尽管他们尝试了多种应用类型，但整体AI应用还比较浅显。 你可以想象：大约五个用例，触及三分之一的应用，通常使用两种模型，一种付费，一种开源。 这表现不错。 但远远不够。

为何其至关重要？因为模型类型的多样性有限意味着灵活性较低。 单一模型无法满足所有工作负载的需求。 您需要选择。 对于应用来说也是如此： 仅限于聊天机器人或内部助手的人工智能不会改变您的组织。 您需要深度和分布。

安全方面？ 还在努力赶上。 人工智能团队和安全团队的协作尚不稳定。 防火墙正在推进，但大多还停留在规划阶段。 数据保护呢？ 偶有内联执行，偶尔使用标记化，但缺乏系统性的基础设施管理。

如果你以为靠胶带和一厢情愿就能蒙混过关，别着急，后果很快就会显现。 安全薄弱的代价远不止负面舆论，更包括监管冲击、信任丧失，甚至日益加剧的存亡风险。

接着是数据本身。 只有21%的组织建立了正式且可重复执行的数据标记流程。 这就像造了一台一级方程式赛车，却往油箱加池水。 你虽然能开，但骑虎难下，寸步难行。

虽然传统上专注于网络和应用的人可能不太在意数据，但归根结底，人工智能的质量取决于数据，而数据量正日益庞大。 毕竟，“输入不佳，输出难优”这条不变法则依旧适用，无论是用人工智能增强应用、基础设施还是安全性能。你的人工智能效果取决于它所训练的数据质量。 忽视这一环节，就是在建立错误的认知，强化错误猜测，从而让不可靠的决策自动化。

我们称这一层为“有势头却未掌控”。 你有动力、有方向，但仍面临许多阻力。 这不是缺乏意愿，而是规模、协调和架构负担带来的现实挑战。

现在我们来谈谈那21%。 他们还在摸索如何入手，或者更糟，仍在假装自己不需要行动。 也许他们有聊天机器人的初步模型。 也可能吧。 这些团队的问题不在于缺乏远见，而是陷入了惯性。

许多机构身处监管严格或受限于传统环境，风险承受能力低，架构脆弱。 即便如此，也在逐步推进。 极少数机构部署了专门针对人工智能的安全措施，如防火墙或内联策略执行。 大多数依赖的仍是无法满足AI需求的通用IT边界控制。 有三分之二的机构正在试点或计划开展AI项目。 这已经是进步。 但别把野心当成了行动力。

关键风险不是错过趋势。 没人会错过这股潮流。 真正的风险是被潮流冲垮。 没有打好数据、基础设施与人才的基础，任何优秀模型也无法兑现价值。

想要提升实力吗？ 那就像顶尖2%的人那样去打造：

• 在您的环境中整合多个模型，涵盖付费和开源方案。 灵活性至关重要。 不同任务需选择最适合的模型。
• 别光是“配备”代理，真正用它们来完成实际的运维工作。 这才是实现规模化的关键。
• 打破孤立应用的局限，将 GenAI 深度融入您的工作流程。 集成是必需的，它决定了技术是昙花一现还是持久实用。
• 我们在架构层面对数据安全进行严格管控，而不仅仅依赖策略。 合规不能阻止泄露，只有设计才能。
• 最重要的是，从一开始就考虑好扩展性。 因为后期补强弹性总是麻烦。

事实是：准备并非能直接购买的产品。 它也不是你能订阅的服务。 准备是一种态度，一种架构，更是一种思维模式。 如果你看到这里，心想“我们做好了一定准备”，这其实是件好事。 这代表你迈出了重要一步。 但接下来的进展不会自动实现。 你需要有计划、有方向，并愿意接受些许挑战。

人工智能不青睐好奇心。 它只青睐有备而来的人。

想要更深入了解数据和模型，您可以查看我们的《2025年人工智能应用战略报告》： 人工智能就绪指数，点击这里即可获取。