Forrester的财务分析发现,企业软件供应商正在加大力度推销人工智能用户体验的概念。该分析公司警告称,微软、甲骨文和SAP等公司提供的嵌入式AI产品需要谨慎的财务管理,IT领导者需要寻求开放性并避免数据孤岛。
在企业软件供应商财务报告分析中,Forrester指出,微软Copilot的快速普及正在迫使IT决策者做出选择。该公司建议采用FinOPs(财务和DevOps)来确保成本得到控制。对于甲骨文,建议IT领导者优先协商商业保护并制定退出策略。
Forrester警告Adobe客户要为数据管理和工作流集成的高成本做好准备。Salesforce客户应该"严格测试"开放性以避免数据孤岛,而SAP客户应在合同谈判期间关注透明定价。
Forrester将ServiceNow描述为企业的中枢神经系统,暗示IT领导者需要建立强大的中央治理机制,将其视为关键平台。随着WorkDay向平台化发展,Forrester表示IT领导者应投资培养开发人员技能和人才,以基于该平台交付定制应用程序。
Forrester的分析指出,企业IT软件公司正将嵌入式AI副驾驶、助手和自主智能体定位为新的主要界面,分析师将其描述为应用程序的操作系统。
他们敦促IT决策者不要被"华丽的演示"所迷惑,因为AI和智能体AI的价值完全取决于组织对流程重新设计的投资意愿。据Forrester称,当前企业软件中创建的障碍不在于AI的智能程度,而在于重新培训员工适应新工作流程所需的巨大组织努力。Forrester认为,这大大增加了被锁定在供应商企业软件组合中的风险,这限制了选择,特别是在选择最佳解决方案还是单一供应商提供的完全集成软件栈方面。
"虽然整合到主要平台可以提高效率,但这也集中了风险并削弱了你的谈判筹码。你的下一个重大软件决策是对单一供应商在未来十年的安全态势、定价模式和创新能力的押注,"Forrester的分析师警告说。
他们建议IT领导者通过构建可组合企业架构来应对"一体化"叙述。相反,IT领导者应制定策略,定义主要的"主机"平台,同时维护Forrester所称的"强大的集成架构",例如使用集成平台即服务(iPaaS)和应用程序编程接口(API)来连接最佳的"租户"解决方案。该分析公司还建议IT领导者评估平台开放性和数据导出能力,称这现在比以往任何时候都更加关键。
据Forrester称,企业软件供应商现在将其专有数据平台(如Salesforce Data Cloud或SAP Business Data Cloud)定位为其AI服务的商业门户。它对IT领导者的建议是抵制创建新的专有数据孤岛的推动。相反,IT团队需要构建不依赖特定供应商技术栈的数据架构或网格架构。
"为数据治理的基础工作提供资金,但要以给你架构控制权的方式进行,并允许你联合来自多个来源的数据,而不被单一平台的数据策略绑架,"Forrester说。
据Forrester称,数据平台的产品化与企业软件供应商结束折扣并强制产品"重新捆绑"相关,该公司警告这会为企业IT集中风险。它建议IT领导者建立基于严格财务治理、架构灵活性和对业务成果清晰认识的战略响应。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。