2025年五大趋势：人智共创未来 点燃创新纪元

点燃由人力驱动的人工智能创新之火。 导言 人工智能使数据民主化——并重新定义了决策。 2024年是一个放手的一年。随着冲突和变革使旧有的假设受到质疑，领导者不得不重新评估他们对风险的胃口。他们必须权衡速度的需求与既定流程的安全性——然后改变那些阻碍他们的习惯。 生成式AI是这次转变的中心，引入了一个充满新机会的世界，同时也带来了未知的危险。代理式AI，指的是能自主执行各种功能的各种系统和程序，可以在员工进行其他工作时代表他们行动。通过赋予AI代理特定的权限和权利，它们可以自动化决策、问题解决以及其他超出了系统机器学习模型训练数据的任务，这是大多数AI助手所做不到的。 如何领导者在不过度风险业务的前提下，激励人们进行创新？ 随着数字劳动的发展，它将转型的力量牢牢掌握在员工手中。1它使得个人能够提高生产力和重新定义工作流程——并挑战了关于领导意味着什么的先入之见。 事实上，领导者没有时间去审查每一项创新。随着代理型人工智能增强组织中的角色，他们需要将更多决策权下放，以真正加快步伐。领导者仍然需要确定目的地——以及道路规则——但他们必须授权团队重新思考工作流程，并以新的方式部署人工智能代理，以改善大规模的性能。 在这个环境中，领导者需要在敏捷性和安全性之间走钢丝，在韧性和风险之间寻求平衡。这并非易事。为了了解他们如何取得进展，IBM商业价值研究院（IBM IBV）与牛津经济研究所合作，在2024年10月和11月对来自17个行业和六个地理区域的400名全球领导者进行了调查。我们询问了他们在人工智能驱动的竞争环境中取得成功必须克服的挑战、他们如何为推动变革而培养人员，以及他们预期哪些机会将最能加速进步。 我们结合了从2024年进行的数十次调查、深度访谈和客户互动中获得的见解，以描绘出将重塑2025年人工智能路线图的趋势（见“研究方法”，第5页）。 我们发现，领导者仍然在努力通过他们的AI投资来转型业务——但他们相信他们正处于一个重大突破的边缘。事实上，63%的执行官认为，他们的AI投资组合将在未来一到两年内对他们的组织产生重大的财务影响。 为了满足这些期望，组织计划以快速的步伐推动团队前进。今天，30%的高管表示，他们的组织主要在实验AI，测试其在低风险、非核心功能中的应用以积累经验、建立信心并识别潜在痛点。只有24%的人表示他们正在用AI进行创新，以推进新机会并创造新的商业模式。 在未来的一年里，一些组织可能会开始脱颖而出。您的组织会是其中之一吗？探索这五个2025年的趋势，了解领导者需要了解的知识以克服面前的障碍，以及他们可以采取哪些措施来获得竞争优势。 2025年，领导者们预计将看到一个重大的转变。46%的执行官认为，他们的组织将扩大人工智能的应用范围，用它来优化现有的流程和系统，而44%的人预计将使用人工智能来进行创新。只有6%的人表示，他们的组织仍将继续进行实验。 1代理式人工智能将改变您的业务——但首先您必须重新培训您的员工。 人工智能的快速转型打乱了IT预算，但自筹资金即将到来。 为了将这种势头转化为真正的商业价值，领导者需要赋权人们充分利用他们手中的技术。这意味着实现决策的民主化，并为人们提供他们成功所需的工具和培训。人是赢得人工智能之战的秘密成分——但他们不能在没有战略再培训、安全护栏和决策支持的情况下取得成功。 2尽管努力减缓其增长，技术债务仍在持续增加。 人工智能产品和服务的创新是首席执行官的首要目标，然而商业模式却未能跟上。 3在人工智能时代，位置是一切。 研究方法 每一期“五大趋势”报告都强调了预期将在未来一年中推动重大商业影响的重点挑战和机遇。今年的报告确定了将在2025年塑造行业和组织的趋势，提供了基于深入研究及全面客户参与的、可操作且基于研究的洞察力——以帮助领导者在日益复杂且动态的环境 这项研究是IBM IBV的“五大趋势”系列的一部分，现在已进入第六年，该系列提供战略见解，以帮助组织领导者为未来规划。 我们也进行了调查400全球领导者跨17 个行业（包括银行、政府和电信行业）以及六个地理区域（美国、英国、德国、印度、澳大利亚和新加坡）在2024年10月和11月进行。参与者被要求以各种格式（多项选择、数字和利克特量表）回答关于前瞻性商业和技术战略的一系列问题。任何未提及的数据点均来自这份2025年全球脉搏调查的五大趋势。样本量太小，无法支持在此组参与者内部进行群体比较。 鉴了以下数据来源：55项调查涵盖混合云和人工智能、一般商业、金融和技术，以及特定行业，包括来自超过50个国家的见解。43,000 高管以及全球4,000名消费者这个研究组合被用于向IBM IBV与牛津经济研究所合作进行的一次脉搏调查中，我们探讨了所探索的趋势。 代理式人工智能将改变您的业务——但首先您必须重新培训您的员工。 工作未来的书写正在被人工智能重新描绘。但是，许多员工尚未为接下来的变化做好准备——如果太多人被落下，进步将会停滞。 在全球劳动力中，大约有5%的人每年都需要进行再培训，而人工智能的快速发展使得这一比例急剧上升。到2024年，全球CEO们估计，平均而言，他们35%的劳动力需要进行再培训。这相当于全球超过10亿的工人。2 尽管大致上全球劳动力5% 每年都需要进行技能再培训，随着人工智能的快速发展，这一数字已经急剧上升。 究竟是什么造成了这一鸿沟？对真正变革不断增长的需求。组织机构并非全面自动化特定角色，而是将人与特定领域的AI代理配对，以提高其表现。事实上，87%的高管预计工作将由生成式AI增强而非取代。3这意味着，而不是学习一项新技能或工具，工人必须完全重新思考他们如何完成工作，以充分利用通用人工智能。 在2024年，全球首席执行官们估计，在平均，35% of their workforce所需需要重新培训。这等于更多的超过十亿工人全球。 这波“人工智能的第三波”有望全面改变工作流程。7事实上，现在有十分之九的高管表示，他们组织的业务流程将在2026年实现智能化自动化和人工智能助手的数字化——并且77%的高管相信，到2026年，通用人工智能将使连接的资产能够做出自主决策。8高管们还报告称，由于生成式AI，数字助手做出的决策量将在未来两年内增加21%。9这将对运营模式产生巨大影响，因为组织必须创建新的结构，使员工能够对自主决策进行监督，并管理由此产生的新风险。 在这个环境中，64%的首席执行官表示，成功运用人工智能将更多地取决于人们的接受程度，而不是技术本身。4然而，64%的人表示，他们的组织必须利用比人们适应速度更快的技术。5——并且47%的执行官认为，他们的人缺乏有效实施和在整个企业中扩展人工智能所需的知识和技能。 部分问题是培训不足。虽然高管们表示，到2026年，他们的员工最需要的技能是人工智能素养，6仅有22%的人强烈同意他们的组织已将人工智能知识、技能和能力整合到员工职业发展计划中。不到一半的人表示，他们的组织已实施正式的变革管理计划，以实现人工智能助手和代理在日常工作流程中的整合。 有很多工作需要处理，但67%的首席执行官表示，自动化带来的潜在生产率提升如此巨大，以至于他们必须接受重大风险以保持竞争力。10更重要的是，82%的执行官认为，他们期望从通用人工智能中获得的收益将超过潜在的风险。11但是，员工需要针对性的培训和技能发展，以实现这一承诺——并实现管理层所期望的竞争优势。 这是一个重要问题，因为具有代理功能的AI正迅速改变个人贡献者的角色。随着简单的AI助手被更具高级功能的AI代理补充，员工将需要管理完全自主完成任务的一组代理团队——并且学会如何与基于聊天的监督型AI代理合作，以帮助简化这一过程。 组织必须创建新的结构，赋予员工对自主决策的监督权，并管理由此产生的新风险。 该怎么做 释放您团队集体智慧的潜能。 将人工智能素养变为必备技能——并加倍提升人工智能代理技能。 建立新角色，例如流程协调员和数字图书管理员，以管理人工智能助手、模型和治理指南在组织中的使用和共享。引入检查和平衡机制，以便对代理人工智能做出的自主决策进行监管。定期举办黑客马拉松，汇集不同的观点，以概念化人工智能助手和代理的创造性用途。建立基于绩效和就绪度的薪酬和激励措施，这些措施与商业目标和通用人工智能采用优先事项相一致。 摧毁孤立思维，建立协作沙盒，在其中可以严格测试和改进AI赋能的工作流程——鼓励人们大胆尝试，不畏失败。让业务部门、IT和人力资源部门的领导者共同负责AI成果，强调企业范围内采用的战略重要性。将治理融入协作创新努力，重新构想运营模式，以有效和负责任地整合代理AI。 启动全面的教育倡议，结合实践项目，旨在迅速提高人工智能素养，使团队对代理人工智能感到舒适。对所有岗位强制实施人工智能技能培训，营造一种人工智能熟练度不可或缺的文化，以实现更智能的协作和将人工智能代理和助手负责地整合到日常工作中。 尽管努力减缓其增长，技术债务仍在持续增加。 时间就是金钱。领导者总是在寻找节省两者的方法。但是，那些短期内加速变革的解决方案通常会带来技术债务，这限制了长期创新和增长。 技术债务指的是由于为了加快开发或交付而做出的快速、非最佳技术决策所引起的长期成本和低效。随着对数字化产品、服务和体验的需求不断增长，这种债务的增长速度快于组织能够处理的程度。因此，现在55%的管理人员表示，技术债务要么是一个主要障碍，要么是实现商业目标的真正障碍。12 思考汽车行业。尽管汽车的寿命可能长达15年或更久，但驾驶座上的数字体验通常在18个月内就会过时。如果制造商不设计并安装能够随着技术发展轻易更新的软件，客户满意度将会受到影响。13 对于企业IT也是如此。为了提供客户、员工和合作伙伴所期望的创新，组织必须在现代架构内构建解决方案。这是因为传统系统通常与下一代应用、软件和基础设施兼容性不佳。 这尤其适用于生成式AI和代理式AI。组织需要能够处理AI数据和计算需求的基础设施，以便从试点项目过渡到企业级解决方案。然而，尽管77%的高管表示他们需要快速采用通用AI以跟上竞争对手，14——仅有25%的人强烈同意他们组织的IT基础设施可以支持在整个企业中扩展人工智能。 最大的障碍之一是企业数据的品质、可访问性和安全性。使用内部和专有数据进行训练以构建通用人工智能模型对于帮助组织获得竞争优势至关重要。然而，仅有16%的技术领导者对其当前云和数据能力支持通用人工智能有信心。15并且仅有21%的高管强烈同意，他们的组织拥有在整个企业中扩展人工智能所需的数据。 灵活性必须是方程式的一部分。为了从基于云的技术中获得最大利益，组织需要能够在正确的公共或私有云环境中运行每个系统和应用程序——我们称之为“设计即混合”。平均而言，采用“设计即混合”方式进行数字化转型努力的公司IT高管报告称，其回报率比那些不采用此方法的公司高出3倍。16 为了扩大人工智能系统规模并整合智能体AI而不过度累积技术债务，组织必须激励团队对传统系统进行现代化改造并改变他们开发新解决方案的方式。通过将长期生产力提升和绩效指标与每一个新解决方案联系起来，CIO、CFO以及其他关键领导人可以衡量现代化的潜在利益，并为采取捷径标价。当这些领导人携手合作时，他们可以帮助团队决定为了速度积累技术债务是否合理——以及何时更好的从一开始就构建正确的架构，特别是随着提升和再培训努力增加生产力的同时。 这是一个相当有力的提前规划的论点。但如今，三分之二的CEO表示他们通过重新分配长期努力的资源来满足短期目标。17如果领导者不转变这种思维方式，技术债务可能会阻碍进步，即使快速胜利能推动增长或盈利。 通过将长期生产力提升和绩效指标与新解决方案联系起来，领导者可以衡量现代化的益处——并为捷径标上价格。 该怎么做 激励可扩展性。 弥合愿景与现实之间的差距。 建立一个专注于设计模块化和可扩展性解决方案的中枢神经中心，并负责在每个最合适的环境中部署每个AI用例。构建一个可组合的平台，将模型、工具、基础设施