MIT Technology Review 报告：企业 AI 的瓶颈在流程与数据就绪度，而非模型能力
报告认为企业 AI 的真正门槛不是模型强弱，而是流程重构和数据就绪度，并给出三条架构层面的应对方向。
企业 AI 已进入实际运营阶段，但投入增加带来的是碎片化：销售 agent 看不到未结工单，营销系统不知道财务掌握的客户信息。MIT Technology Review 这份报告把这种转变称为 agentic shift（从把 AI 当工具，转向把 AI 当运营模式），指出关键是实时打通人、流程与数据，并配套治理能力。
正文摘录
企业级 AI 已不再是未来愿景，它已全面进入实际运行阶段。模型能力的演进速度超出了大多数组织的消化能力，而性能成本仍在持续下降。全球范围内，AI 投资将在 2026 年达到 2.5 万亿美元，同比增长 44%。 对许多企业来说，这笔投资带来的却是碎片化。智能会在各自的孤岛中积累：比如销售 agent 不知道还存在未关闭的支持工单——"agent" 这里指自主执行任务的 AI 智能体；再比如营销系统在做内容个性化时，看不到财务部门已经掌握的客户信息。每个职能单独看可能表现都不错，但企业整体学到的东西很少，可用于行动的信息也更少。 [](https://technologyreview.tradepub.com/free/wdefa11857/prgm.cgi) [下载报告](https://technologyreview.tradepub.com/free/wdefa11857/prgm.cgi) 从「AI 作为工具」到「AI 作为运营模式」的转变——本报告中我们称之为 agentic shift（代理化转变）——所需要的，比更好的模型或更快的基础设施更根本。它要求实时连接人、流程与数据，并配套相应的治理与控制能力，从而可靠地基于这些智能采取行动。 这意味着必须同时重新思考架构与运营模式。第一，重建数据基础设施，目标放在可访问性而非数据体量上。第二，用可组合架构（composable architecture，指能按需拼装、替换组件的架构）取代固定技术栈，使其能随模型和工具的变化而演进。