MIT科技评论报告：企业AI面临结构性扩展难题

驱动中国10月4日消息，麻省理工学院科技评论（MIT Technology Review）旗下定制内容部门 Insights 近日发布了一份关于企业人工智能现状的报告。报告指出，企业级 AI 已不再是未来的愿景，而是进入了全面运营阶段。尽管全球 AI 投资预计在 2026 年达到 2.5 万亿美元，同比增长 44%，且模型能力迅速提升、性能成本持续下降，但许多企业却陷入了“碎片化”困境：智能积累在各自为政的孤岛中，导致整体协同效率低下。

报告揭示了一个核心矛盾：虽然各职能部门可能在孤立环境下表现良好，但整个企业却难以从中学习或获取足够的行动信息。例如，销售团队可能无法知晓客服系统中未解决的工单，或者营销系统在个性化内容时，未能利用财务部门已掌握的客户数据。这种信息的割裂使得企业难以形成统一的智能视图。

针对这一现状，报告提出了从“AI 作为工具”向“AI 作为运营模式”转变的概念，即“智能体转变”（agentic shift）。这一转变要求企业不仅拥有更强大的模型或更快的基础设施，更需要实时连接人员、流程和数据，并建立可靠的治理与控制机制。这意味着企业必须同时重构架构与运营模式，将流程重新设计置于模型选择之前，而非在部署后勉强适应。

报告强调了三个关键行动方向。首先，重建数据基础设施，重点在于“可访问性”而非单纯的“数据量”。其次，用可演进的“可组合架构”取代固定的技术栈，以适应模型和工具的快速迭代。最后，解决“AI 主权”问题，明确智能运行的地点、控制权的归属，以及数据如何跨越组织和司法管辖区边界进行运作。

在数据层面，报告指出“数据就绪”（data readiness）而非“数据丰富”才是让 AI 产生复利效应的关键。许多企业发现，拥有数据与拥有“AI 就绪”的数据是两回事。通过建立主权、可组合的基础设施，在不迁移或集中数据的前提下，直接在数据所在地进行查询和处理，可以将原始数据转化为 AI 智能体可操作的智能。

随着数据驻留法律、多云环境及结构性复杂性的增加，集中式数据管理日益变得不切实际。报告认为，对模型运行和数据存储位置的主权控制，是保持企业适应性的关键。那些能够持续产生回报的企业，通常具备一种共同的纪律：它们为技术的演进而建，而非在部署后修补现有的角色和工作流。

值得注意的是，该报告由 MIT Technology Review 的 Insights 部门制作，属于定制内容板块，并非其编辑部的独立新闻作品。报告内容经过人工研究与撰写，若有使用 AI 工具，也仅限于在人工监督下的生产流程。这一背景提示读者，报告观点代表了特定研究机构对企业 AI 转型趋势的专业洞察。