根拍和HFS研究报告发现，企业价值被人工智能准备度差距困住了18万亿美元

人工智能已经成为企业战略的中心，世界各地的组织都在人工智能计划、代理系统和数字化转型计划上投资了数十亿美元。然而，根据根拍和HFS研究报告《18万亿美元的机会：四种企业债务将决定你的AI未来》，大多数企业都难以将人工智能投资转化为可衡量的商业价值。报告指出，原因不是人工智能技术的缺乏，而是组织被四种相互关联的企业债务所阻碍：流程债务、数据债务、技术债务和人才债务。这些隐藏的负债正在困住估计17.9万亿美元的企业价值。

人工智能雄心壮志，但企业准备度仍然较低

该报告基于对16个行业和14个商业功能的2002名企业高管的调查。调查结果显示，人工智能雄心和组织准备度之间存在显著的脱节。虽然92%的全球2000强企业高管认为代理人工智能将从根本上改变工作的执行方式，但只有13%的企业报告称已经将代理人工智能集成到他们的运营中。

随着企业从实验转向部署，这个差距变得越来越重要。根拍CEO巴尔克里什南“BK”卡尔拉表示，企业正在从一个由人类处理和验证工作的世界转向一个由机器处理和人类监督的工作流程世界。然而，简单地在现有系统上添加人工智能是不够的。组织必须首先解决决定人工智能是否成功的基础问题。

报告将这个挑战描述为“人工智能速度差距”，即员工可以通过人工智能实现的目标和整个企业可以通过结构化部署实现的目标之间的差距。

四种企业债务阻碍转型

研究确定了四类债务，它们共同阻止组织实现人工智能价值。

技术债务仍然是最熟悉的挑战。超过一半的高管将他们的技术债务归类为严重，主要是由于核心系统老化、集成复杂性、供应商集中和基础设施负担。平均而言，企业核心系统大约有十年历史，而开发团队花费超过40%的时间维护现有技术，而不是构建新功能。

数据债务已成为人工智能的最大障碍。超过一半的企业数据被认为是低质量的，只有33%被认为是人工智能准备就绪的，员工花费多达40%的时间来协调、更正或准备数据。报告估计，数据质量故障导致42%的分析和人工智能计划被延迟、表现不佳或完全失败。

流程债务反映了许多组织继续依赖手动、分散和管理不善的工作流程的现实。几乎一半的企业流程仍需要手动干预，少于一半被正式记录和管理。低效的流程占用了员工工作时间的40%，并为自动化和人工智能部署创造了重大的障碍。

人才债务可能是最不显眼的，但可能是最有影响力的。只有32%的员工被认为是人工智能准备就绪的，多达一半的知识工作者报告称由于运营效率低下而感到沮丧和脱节。人才短缺、技能差距和低人工智能准备度加剧了其他债务类别，减缓了采用速度并限制了组织的敏捷性。

企业债务正在让公司付出比他们意识到的更多的代价

几乎90%的企业领导者承认企业债务已经影响了业务绩效。后果远远超出了IT部门。

报告发现，企业债务使运营成本平均增加了34%，推迟了产品发布约八个月，导致约34%的转型计划未能实现预期结果，并限制了85%的组织实现人工智能价值的能力。

重要的是，这些债务并不是独立运作的。技术债务会降低数据质量。弱的治理会同时制造流程低效和人才挑战。手动工作流程通常同时产生流程债务和数据债务。报告认为，组织经常失败，因为他们试图单独解决一个类别的问题，而不是将企业债务视为一个系统性问题。

量化18万亿美元的机会

报告中最引人注目的发现之一是，解决企业债务可以解锁全球2000强企业中几乎17.9万亿美元的价值。流程债务和数据债务带来的最大机会，每个代表着约7.7万亿美元的可回收价值。技术债务占1.5万亿美元，而人才债务代表着约1万亿美元。

研究人员使用高管估计的潜在收入增长和成本降低来计算这些数字，基于债务解决。根据调查回应，解决企业债务可以在大型企业中产生约8%的更快年度收入增长和约16%的年度成本降低。

也许最值得注意的是，报告得出结论，仅仅考虑成本节约并不能说明全部故事。债务解决为更快的产品发布、更短的销售周期、更好的决策、更好的客户体验和更有效的人工智能部署创造了机会。换句话说，组织同时获得了效率和增长。

为什么人工智能计划停滞不前

尽管投资不断增加，许多人工智能计划难以超越试点计划。

根据调查，数据债务是组织未能实现人工智能价值的主要原因，占33%的受访者。技术债务排名第二，占28%，其次是流程债务，占23%，人才债务占16%。

后果取决于债务类型。数据债务将人工智能计划困在概念验证阶段。技术债务增加了部署成本并使扩展复杂化。流程债务在人工智能代理在不一致的工作流程中运行时会产生不可靠的结果。人才债务减缓了采用速度并限制了成功代理系统所需的人类监督。

报告反复强调，人工智能不能无限期地弥补基础设施的缺陷。试图自动化有缺陷的流程或在低质量数据上部署人工智能的组织冒着扩大低效率而不是解决它们的风险。

一些行业面临的机会比其他行业大

债务解决的机会在各个行业中并不均匀分布。

制造业以4.8万亿美元的机会领先，包括收入增长和成本节约。医疗保健和生命科学领域紧随其后，估计有3.3万亿美元的机会，而零售和消费品行业占据了另外2.7万亿美元的份额。能源、技术、银行、交通和保险等行业也代表了重要的机会。

债务的性质因行业而异。金融服务组织由于几十年的并购和监管要求，往往最难以应对数据债务。制造业、零售和医疗保健行业由于长期的多方工作流程，经历了最大的流程债务。生命科学和技术硬件公司通常面临最高的技术债务，主要是由于嵌入式软件系统和监管约束。

在功能级别上，工程、产品开发和IT团队提供了最大的价值创造机会。这些领域最接近决定企业人工智能是否能够扩大规模的技术栈、基础设施和工作流程。

6%的企业已经找到了解决方案

报告中最令人着迷的发现之一是，只有6%的企业被研究人员称为“成熟的债务解决者”。这些组织已经建立、执行并衡量了成功的债务解决计划。另外43%的企业正在积极地解决债务问题，而51%的企业要么没有计划，要么计划尚未获得批准，要么尚未开始。

根据研究，成功的组织共享几个特征。他们将债务解决视为CEO级别的任务，而不是IT计划。他们追求双速战略，在长期基础工作和近期运营改进之间取得平衡。他们大量投资于人才开发、治理、人工智能准备和数据平台等能力。他们还使用人工智能本身来加速债务减少，通过流程挖掘、工作流分析、数据质量改进和员工培训等方式。

也许最重要的是，这些组织采取行动，而不是无休止地规划。报告得出结论，成功和不成功的企业之间的差距并不是主要的技术差距，而是执行力的差异。

真正的人工智能挑战可能不是人工智能

报告中最强的主题之一是，企业债务最终是一个领导力挑战，而不是技术挑战。虽然组织继续增加人工智能支出，但许多组织未能解决决定人工智能投资是否带来价值的运营、文化和结构问题。

正如《18万亿美元的机会：四种企业债务将决定你的AI未来》报告所明确指出的，人工智能转型和债务解决不再是独立的计划。它们越来越多地被视为从不同角度看待同一个计划。同时解决流程、数据、技术和人才债务的组织可能会解锁显著的增长和效率收益。继续在不稳定的基础设施上建设人工智能的组织冒着花费更多而获得更少的风险。

对于企业领导者来说，报告的核心信息很简单：了解你的债务在哪里，了解它的成本，并在竞争对手扩大差距之前开始解决它。赢得人工智能时代的组织可能不是那些在人工智能上花费最多的组织，而是那些首先建立人工智能成功所需的运营基础的组织。