ADM在AI代理时代重新构想其角色

以体验为导向的结果的能动执行 传统及第一代人工智能的隐式天花板 为何ADM必须现在重新定义 传统应用开发与维护（ADM）所提供的价值与当今企业业务需求之间的脱节日益加剧。应用越来越成为业务成功的关键，但同时也日益复杂，应用的无序扩张导致了低效、冗余、安全风险和更高的成本，尤其是在遗留系统密集的环境中。如今，持续变化已成为常态，这得益于人工智能（AI）加速了全业务范围内的期望。然而，ADM仍然主要以其成本、工单和服务水平协议（SLA）来进行衡量。 传统的ADM模式更注重效率而非适应性。操作人员在问题出现时才做出反应，并且严重依赖具备相应专业知识的人员来解决问题。分散化的自动化和工具未能带来有意义的生产力或韧性提升。 早期的引入人工智能和自动化尝试未能成功。新的工具被叠加在现有流程之上，带来了渐进式的生产力提升，但并未带来系统性变革。工单得以更快解决，但对业务成果的影响依然有限。 因此，ADM处于现代商业困境的核心：如何在继续资助创新的同时维持运营？ ADM已不再是后台效率提升的游戏。人工智能使得一种根本全新的运营模式成为可能，这是一种质变而非边际改进。它为组织构建了满足当今需求所需稳固的基础，同时也带来了变革所需的发展动力，以适应变化。 对技术服务水平协议（SLA）的这种关注，往往未能与业务关键绩效指标（KPI）保持一致，而后者才是高管最终看重的。由于传统的 ADM 模型并非为支持广泛的转型议程而设计，因此组织在跟上不断变化的市场状况和日益激烈的市场竞争方面遇到了困难。创新仍然受到高昂的运营成本和僵化的交付模式的限制。 缺乏新的智能与问责模式，ADM 仍仅是战术性职能，而非价值创造的驱动力。 从任务执行转向 智能编排 自主式 ADM 引入了一种自主的、由人工智能编排的模型，该模型嵌入在整个应用程序生命周期中。智能设计从一开始就融入其中，而不是事后才附加。这使得团队能够超越任务执行，转向对结果进行管理。 新的运营模式建立在三个支柱之上： • 一个工业化的人工智能基金会 一个自主、协调且持续学习的代理式ADM平台 • 经验水平协议（XLAs），将责任锚定于经验和价值 这种灵活的方法还允许组织灵活地重用和整合现有的AI能力。其结果是规模化的转型更加可预测，创新速度更快，运行成本更低。 新的ADM范式 埃森哲全新ADM AI SHIFT平台* - 三层 从日常ADM的自动化到自主化 在ADM（AI驱动的决策管理）的语境下，“agentic”指的是能够在流程中观察、决策和行动的AI代理，它们在平台内运行时，会持续学习和适应。 为了更高价值的活动。更高的稳定性和敏捷性使企业能够更快速地应对中断，从而在更少的运营冲击下具备现代化和创新的能力。 自动化在重复性、标准化的工作中能发挥最大效用，例如在知识创造与复用方面，或在解决需要简单修复的低级事件方面（否则需要人工干预）。AI代理可以预测和解决事件、协调变更和发布周期，并维护知识库。 我们已从人主导执行转变为人在监督下的自主运行。 转变是从人主导执行到人监督下的自主性。设计上，人类始终保持控制权。具有能动性的AI并非要取代人类，而是一种乘数效应的力量，在明确界定的护栏和问责结构内增强决策能力。 其影响超出了IT运营范畴。通过减少摩擦，组织能够释放出时间、人才和资本。 为什么经验而非活动，才是衡量绩效的新标准 XLA 并非取代 SLA，也非被视为事后补救。相反，它们与 SLA 及业务 KPI 共存于一个多层级绩效框架中，该框架为结果导向的承诺提供支撑。代理式可观测性层结合了应用遥测数据与业务背景，从而实现实时问题检测和自动化修复。这使 ADM 从被动、基于 SLA 的事件管理转变为主动的体验保障。 因此，对话焦点从系统指标转向业务影响。性能不再仅仅由正常运行时间或响应时间来定义，而是由客户满意度、投入程度以及与转化、效率或收入保护等结果的关系来衡量。 转向代理式ADM迫使人们重新评估绩效衡量方式。传统ADM通过服务水平协议（SLAs）关注成本和活动，而非体验。而埃森哲的方法通过扩展服务水平协议（XLAs）重新定义绩效，将用户感知、运营绩效和业务成果整合到一个模型中。 从成本中心转变为增长引擎 对于首席信息官（CIO）和IT领导者而言，这种变革是结构性调整。从“救火式”响应转变为统筹协调，可以减少人工干预，并使相当一部分常规事件得以自主解决。这使得领导者能够专注于优先处理业务成果和管理价值流，而不是处理运营噪音。 可持续现代化是通过持续的、由人工智能引领的进化而非离散的努力爆发而出现的。统一数据、可观察性和能动型人工智能增强了工程能力，从而创造了反馈回路，在减少技术债务的同时支持持续的创新。执行得当，ADM将成为持久的竞争优势来源。 将运营绩效直接与业务成果挂钩，将叙事重点从成本控制转向价值创造。 对于高管而言，ADM成为了一个增长赋能者。自主运营、更快的构建周期以及AI引领的转型能够降低拥有总成本，同时支持创收能力。节省下来的资金可以再投资于创新，从而提高转型路线图的预测性。 规模化地工业化智能 思爱普（Capgemini）通过其可靠人工智能解决方案工程（RAISE）平台，赋能客户开启智能化企业之旅。RAISE是为企业应用交付管理（ADM）设计的可靠人工智能框架。其交付基于分层架构，并配备预制用例模板，从而实现人工智能能力的更快、更一致部署。针对常见ADM场景的可重用组件可加速价值实现，使团队能够专注于更高价值的工作，而非从零开始构建自动化。 埃森哲（Capgemini）的自主行动式（Agentic）ADM模式，其专注于植入以AI为先的服务模式，不仅限于自身交付，同时也赋能客户将其AI融入自身运营。 治理与风险控制机制是系统设计的核心。其输出结果安全可靠、合规且可扩展，确保在信任、风险与成本方面保持透明。与独立工具不同，RAISE是基于平台的解决方案，专为复杂且监管严格的业务环境而构建。其模块化组件协同工作，以规模化方式提供主动式价值，而非迫使组织将彼此孤立的技术强行整合。 要超越试点项目，智能企业需要工业级的AI。AI不再依赖孤立的聊天机器人或助手，而是成为了一个集成的、协调驱动的引擎，推动所有业务服务的日常运营。 RAISE指令在ADM中 一种实现自主能动ADM的务实路径 自信是通过逐步增强自主权来建立的。组织并非进行“大爆炸式”的转型，而是逐步引入能动性能力，从早期的XLA基线开始，并自动化一些小型、可重复的任务。随着成果变得可衡量和值得信赖，自主权会得到扩展，从而降低风险，同时展示早期的回报。 埃森哲认识到，这场转型不可能一蹴而就。其自主式ADM通过务实的、模块化的方法实施，首先聚焦于限制最严重的领域。价值通常在高复杂度和高体量的地方得以释放，例如在高体量运行操作和广阔的应用领域中。 扩展需要一套统一的治理层，该层结合了可观测性、控制平面和人工监督。这确保了随着自动化程度的加深，系统的可靠性。Capgemini的RAISE框架内嵌了这些安全机制，使组织能够有信心地进行扩展，而不仅仅是更快地实现自动化。 关于埃森哲 埃森哲是一家以人工智能赋能的全球商业与技术转型合作伙伴，为客户创造切实的业务价值。我们构想组织的未来，并借助人工智能、技术和人才将其变为现实。凭借近60年的深厚传承，我们是一家负责任且多元化的集团，拥有超过42万名团队成员，分布在全球50多个国家。我们凭借深厚的行业专长和强大的合作伙伴生态系统，提供端到端的服务与解决方案，整合我们在战略、技术、设计、工程和业务运营方面的能力。该集团报告了225亿欧元（2025年）的全球收入。 使其真实。www.capgemini.com