Alteryx最新研究显示,53%的组织难以将业务上下文有效转化为AI系统和流程。这项基于1400名技术领导者调查的结果揭示,尽管AI投资势头强劲,但运营准备度仍存显著短板。

数据显示,80%的组织预计未来两年内将增加AI支出,69%的组织报告其AI投资已获得适度或显著回报。然而,77%的技术领导者强调,业务上下文对于生成准确且相关的AI输出至关重要。这种投资热情与落地能力之间的张力,凸显了企业在超越试点阶段时面临的核心挑战:对内部规则、流程及政策的理解不足,以及数据访问权限的限制。

隐性知识阻碍AI落地

大量决定AI效用的商业知识仍存在于正式系统之外。调查指出,这些知识通常分散在电子表格、内部文档、邮件往来、宏代码及员工个人经验中,导致AI工具难以复刻组织内部的真实决策逻辑。例如,受特定假设影响的财务预测、依赖既定规则的税务流程,以及关联库存水平的供应链决策,若缺乏这些背景信息,AI输出往往无法满足实际业务需求。

数据访问与协作瓶颈

数据访问限制是另一大障碍。仅18%的组织实现了云数据的完全自助服务访问,38%采用混合模式,另有15%的业务用户仍高度依赖技术团队。一线员工虽最清楚AI的应用潜力,却常因无法直接获取开发或优化所需数据而受阻,这不仅减缓了采用速度,也降低了AI输出的相关性。

IT与业务团队的协作模式也在演变。虽然战略和交付职责仍主要集中在IT部门,但71%的技术领导者表示,当双方紧密合作时,AI举措最为成功。约三分之二的受访者认为,由业务职能管理AI和基于代理的系统效率最高,这表明企业正从将AI视为纯技术项目,转向赋予运营团队更多设计与监督权的模式。

印度市场的数据困境

在印度,AI活动日益频繁。邓白氏(Dun & Bradstreet)的另一项调查显示,所有受访印度企业均有正在进行的AI项目,69%计划增加投资。然而,基础数据准备严重不足:尽管73%的受访者称AI投资带来了可衡量回报,但仅4%的企业数据完全准备好支持大规模AI应用。这表明,印度企业与全球同行一样,在享受早期红利的同时,仍受制于数据质量、结构和可访问性等基础问题。

Alteryx国际新兴市场及亚太地区副总裁Sabya Sen指出,印度正快速迈向企业级AI采用,但后半程的关键在于如何将AI与驱动运营的知识及流程有效连接。他强调,AI系统不仅需要数据访问权限,更需要正确的业务上下文以生成可靠输出。随着企业从实验走向规模化,使业务逻辑具备可访问性、治理性和可重复性,是将AI投资转化为实际业务价值的核心。

这项涵盖北美、欧洲、中东和亚太地区的全球研究,受访对象包括来自银行、制造、零售、保险及公共教育等行业的1000名IT领导者和400名自动化专家。对于亟需证明AI支出回报的企业而言,如何将模型与工作流与企业内部的实际运行逻辑相连接,已成为一个亟待解决的实际挑战。