2025年AI现状：企业规划广泛应用AI，但仅25%公司将其作为业务核心驱动力

AI采用仍然不均衡。尽管许多组织都在尝试AI技术——包括数据科学与机器学习、生成式AI和智能体AI——但企业范围内的部署仍未达到50%，根据德雷斯纳咨询服务公司最近的研究显示。

反映这种不均衡的成熟度，在2025年底参与"特别报告：智能体和生成式AI"调研的500位受访者中，只有约四分之一表示AI是其业务战略的主要驱动力。不过，这个数字相比2025年上半年增长了一倍多，提醒我们期望变化的速度有多快。

更大比例（55%）的受访者报告称，AI影响战略规划但尚未成为核心。

只有16%的组织表示他们仍主要专注于了解AI能做什么，这表明大多数企业已经超越了实验阶段——即使他们还未在企业范围内扩展AI应用。

至于投资AI的原因，组织机构将解决长期存在的业务挑战（49%）、行业颠覆的风险（26%）和保持竞争平衡（8%）作为主要动机。

"尽管存在炒作，大多数组织在AI旅程中仍处于早期阶段，有选择性地进行实验，而不是在核心业务流程中大规模部署AI，"德雷斯纳咨询服务公司副总裁布赖恩·莱特说。

"然而，对于那些准备就绪的企业来说，AI已成为值得投资的战略不可分割的一部分，"莱特补充道。"对这些组织而言，AI不再是试验性倡议或投机性技术。他们的AI采用发生在运营和流程中，直接关联到具体的业务成果。"

战略分歧

综合来看，数据显示市场正在转型。新兴的分歧不再是在实验AI的组织和不实验的组织之间，而是在那些战略性地将AI嵌入管理的生产级流程的组织和那些战术性地使用AI来增强工作的组织之间。

在过去一年中我与供应商的对话中，数据成熟度始终被提及为扩展AI的主要瓶颈。大约一半的供应商表示，他们正在构建旨在加速数据准备和治理这一缓慢、多年流程的工具。

德雷斯纳的发现强化了这一约束：没有生产级数据和治理，AI倡议在试点阶段停滞，而不是进入全面生产。

组织投入生产的内容显示了他们的AI努力在实验之外取得的进展，也突出了不同形式的AI现在发挥的独特作用。

AI应用领域

数据科学和机器学习仍然是企业AI最成熟的形式，专注于优化决策和生成运营洞察。常见应用包括客户流失建模、预测、A/B测试、个性化、异常检测和资源分配。

生成式AI主要通过专注于员工生产力的用例获得牵引力。其价值主要在于赋能员工增强日常工作。虽然有价值，但这些收益本身并不一定转化为业务转型。提高个人产出与重新设计工作完成方式不同。

智能体AI结合分析模型、生成能力和工作流自动化来执行跨系统的多步骤任务。这些系统不是停留在洞察或内容生成，而是采取行动。它们触发工作流、更新记录并在定义政策指导下解决问题。与优化决策或生成预测的数据科学机器学习模型不同，智能体系统推进这些决策。在数据科学机器学习提供信息、生成式AI提供协助的地方，智能体系统进行操作。

生成式和智能体AI采用

在2025年底，略超过一半的组织报告积极实验生成式和智能体AI。然而，生产部署仍然更有限：生成式AI为34%，智能体AI为15%——尽管两个比率都自2024年以来增长了一倍多。预算分配也在加速，72%分配资金给生成式AI倡议，66%分配给智能体AI。

预算分配和生产部署之间的差距表明，这些支出中的一部分尚未直接转化为规模化应用。虽然生成式AI吸引了大量投资，企业领导者表示，部分资金被导向支持高级用例所需的基础数据工作。换句话说，AI预算悄悄地支撑着数据现代化。

正如一位大学技术领导者对我指出的，团队可能从更简单的用例开始，但开发提供学生单一视图或识别风险学生的AI应用依赖于统一、良好治理的数据环境。

数据成熟度作为约束

德雷斯纳关于智能体AI的研究显示一个一致的模式：将智能体系统投入生产的组织通常在商业智能、数据建模和机器学习方面报告之前的成功。他们也更可能有明确定义的数据领导者。

换句话说，AI采用与既定的数据纪律相关。已经投资于分析数据基础设施现代化、改善数据质量、加强治理和减少数据孤岛的组织更好地定位于大规模操作化AI。智能体能力倾向于跟随数据成熟度——而不是相反。

超越实验的组织倾向于遵循结构化路径。

AI成熟度步骤：从实验到执行

对于首席信息官和数据领导者来说，优先级很明确：将AI从实验转移到嵌入式执行。这种转变需要在用例选择、治理和对数据的承诺方面保持纪律。

Q&A

Q1：什么是智能体AI？它与传统AI有什么不同？

A：智能体AI结合分析模型、生成能力和工作流自动化来执行跨系统的多步骤任务。与传统的数据科学机器学习模型只是优化决策或生成预测不同，智能体系统会采取实际行动，触发工作流、更新记录并在定义政策指导下解决问题。

Q2：为什么企业AI部署率不高？主要瓶颈是什么？

A：主要瓶颈是数据成熟度。没有生产级数据和治理，AI倡议往往在试点阶段停滞。已经投资于数据基础设施现代化、改善数据质量、加强治理的组织更容易大规模部署AI。数据准备和治理是一个缓慢的多年过程。

Q3：生成式AI目前主要应用在哪些方面？

A：生成式AI主要通过专注于员工生产力的用例获得应用，其价值在于赋能员工增强日常工作。虽然这些收益有价值，但主要是提高个人产出，与重新设计工作完成方式的业务转型还有区别。