核心观点
- AI 战略重要性提升： 各行业领导者普遍将 AI 视为长期战略核心，而非短期实验或可选项。尽管短期存在不确定性，但他们对 AI 的转型影响力充满信心。超过一半的组织承诺进行持续多年的 AI 投资，以构建长期运营能力。
- AI 预算增长： 全球组织预计 2026 年将把年业务预算的 5% 投资于 AI 举措，高于 2025 年的 3%。
- AI 应用领域： 组织优先将 AI 投资于流程明确、结果可衡量的领域，如销售和营销、IT 运营等。
- AI 技术趋势： 生成式 AI（Gen AI）已从试点阶段转向规模化应用，38% 的组织已在其业务中运营 Gen AI。代理式 AI（Agentic AI）系统也日益受到关注，60% 的组织正在探索其应用。边缘 AI（Edge AI）也吸引了更多兴趣，近半数组织在其职能和地点中有限或全面部署。
- AI 获取策略： 组织倾向于采用混合 AI 策略，即内部构建差异化能力，购买商业 AI 工具和平台以加速进展，并在通用模型之上构建专有价值。
- AI 推广挑战： 企业正探索多种 AI 全局推广模式，包括增强（将 AI 嵌入现有系统和流程）和重构（使用代理式系统重新设计工作流程）。强有力的领导支持、外部合作、监管清晰度和道德框架、员工技能提升、稳健治理和可扩展的数据基础设施是加速 AI 采用的关键因素。
- AI 价值评估： 组织正将 AI 成功评估标准从投资回报率（ROI）扩展到收入增长、市场份额影响和竞争定位等更广泛的指标。
- 人机协作： 人机协作已提升生产力和决策质量，但信任是解锁其全部潜力的关键。组织需要培养员工监督、挑战和指导 AI 系统的能力，并建立明确的角色和责任划分。
- 技能转型： 组织正在重新定义所需技能，以适应 AI 的发展，并培养能够与 AI 协同工作的人工智能混合技能。
- AI 主权： 数据主权和 AI 主权正成为关键考虑因素，组织致力于确保对敏感或监管数据以及影响关键业务决策的模型的控制权。
- AI 发展框架： Capgemini 提出的 Resonance AI 框架，将 AI 驱动的转型分为四个阶段：加强 AI 基础设施、提升 AI 准备性、构建人机协作能力、平衡“立即转型”和“构建未来”。
关键数据
- 53% 的组织将 AI 视为长期能力工具，并计划进行 5 年以上的投资。
- 80% 的组织表示，即使面临 AI 寒冬，也将继续投资于核心能力和 AI 驱动的转型。
- 64% 的组织表示，他们将 AI 支出重点转向经过验证、可扩展的应用案例，而非实验性项目。
- 72% 的组织预计未来 12 个月内 AI 投资增长最快的领域是数据基础和管道、计算/基础设施以及模型开发或许可。
- 73% 的组织表示，领导力、治理和运营模式同步发展将加速 AI 采用。
- 66% 的组织确认，人机协作带来了生产力和决策质量的可衡量改进。
- 59% 的组织表示，员工感到有权力在他们的日常工作中使用 AI。
- 48% 的组织表示，他们的组织已明确定义人类和 AI 系统协同工作的角色和责任。
- 54% 的组织将数据主权列为优先事项。
- 78% 的组织表示，他们通过保留所有权和监督权来维护模型主权。
研究结论
- AI 正成为企业转型和竞争优势的关键驱动力。
- 组织需要采取系统的方法和纪律性的执行来加速 AI 的采用。
- 人机协作是 AI 成功的关键，需要建立信任和明确的角色划分。
- 组织需要投资于技术和技能发展，以实现 AI 的长期价值。
- 数据主权和 AI 主权正成为新的战略重点。
- Capgemini Resonance AI 框架为企业提供了实现 AI 转型的结构化方法。
