
SAP高管:企业AI应从零散实验转向统一平台
来源标题:Building AI that can work across the enterprise
SAP Business AI平台生态全球负责人Thorsten Leiduck认为,企业应用AI的方式需从零散试验转向统一的企业平台。他指出AI高度依赖数据基础,企业需先建立能反映业务的互联语义层,才能跨流程可靠部署AI。他还强调,在供应链、财务结账等关键流程中,80%的准确率远远不够。
以下正文由 AI 翻译自 MIT Technology Review(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
多年来,企业一直将AI视为一系列独立的实验。如今,随着AI agent开始进入支撑业务运行的工作流,这种模式正显得力不从心。那些从孤立的试点走向AI agent和自主工作流的组织,正面临一个更深层的挑战:重新思考数据、业务流程、治理和人员如何协同配合,让AI从一堆工具变成企业运营模式的一部分。
在SAP Business AI Platform Ecosystem高级副总裁兼全球负责人Thorsten Leiduck看来,这一转变的起点是把AI当作企业平台,而不是一堆彼此割裂的项目。“AI绝对依赖于数据基础,”他说,企业需要有一个互联的、语义丰富的数据层来反映自身业务,之后才能放心地跨流程部署AI。随着AI进入关键任务工作流,风险的性质也变了。对于一些日常应用来说,“80%可能就够用了”,他说,但在供应链或财务结账等领域,这种准确率“是非常糟糕的结果”。
这个基础也决定了哪些AI应用值得投入。Infosys北美区SAP BAIP及SAP AI战略副总裁Satinder Pal Singh把AI agent称为“数字同事”,并建议从三个维度评估潜在用例:影响力、可行性和可扩展性。企业应当先确定agent能在哪些地方推动有意义的业务指标,再判断自身的数据和人才能否支撑该用例,然后确认成功的应用是否可以复制。“一个无法规模化的试点,只是一个实验,”他说。
规模化也让治理问题更加突出。明确的策略、访问控制、监控和监督是必要的,以确保agent保持可信,并与业务需求保持一致。“治理的缺失并不会加速AI的采用,”Singh说,“它会制造风险积压”,最终可能迫使企业进行更具破坏性的停机和审计。
随着AI agent作为数字同事承担更多职责,这些考量将变得更加重要。两位高管都预见到这样一个未来:agentic系统跨应用协调工作,而客户专属的知识图谱和受治理的数据将成为关键的企业资产。对Singh来说,更长远的机会是从AI作为生产力工具,转向“AI作为决策伙伴”,帮助领导者理解正在发生什么、预判接下来会发生什么,并决定如何应对。
本期Business Lab节目与Infosys合作制作。
完整文字记录
Megan Tatum:来自MIT Technology Review,我是Megan Tatum,欢迎收听Business Lab,这档节目帮助商业领袖理解从实验室走向市场的新技术。
本期节目与Infosys合作制作。
如今,AI工具的开发和普及有可能重塑企业的运营方式。但在这个应用正从最初的实验阶段走向规模化的时刻,我们仍然看到高管们在AI的价值、风险以及它带来的复杂性等问题上苦苦挣扎。越来越清楚的是,与过去的自动化方式不同,AI需要真正的思维转变。简单来说,这项技术不能简单地塞进企业现有的工具箱里。它需要对企业内部有什么、以及如何使用,进行彻底的重新配置。
给你们两个词:有意识的配置。
今天我的嘉宾是Thorsten Leiduck,SAP Business AI Platform Ecosystem高级副总裁兼全球负责人,以及Satinder Pal Singh,北美区SAP Business AI Platform及SAP AI战略副总裁。
欢迎,Thorsten和Satinder。
Thorsten Leiduck:谢谢邀请我们。很高兴能和我们重要的合作伙伴Infosys一起在这里。期待这次交流。
Satinder Pal Singh:嗨,Megan。谢谢你邀请我们今天的对话。期待讨论。
Megan:我也是。非常感谢两位的到来。Thorsten,我想先从你开始。我们知道,许多高管都理解AI的变革潜力,但他们在实施的某些方面仍然困难重重。比如,许多项目仍停留在试点阶段。当你与客户交流时,他们在把AI整合进技术栈时面临的最大障碍是什么?
Thorsten:是的。Megan,正如你所说,AI出现在今天每一次客户对话的议程上,但许多客户确实在纠结如何把这种兴趣转化为可运营的模式,并在整个企业释放AI的价值。原因在于,太多项目一开始就是针对不同AI技术的孤立POC,建立在不一致、碎片化的数据基础上。
这造成大量重复、性能不一致,而且没有清晰的规模化路径。与此同时,领导者非常关注安全性、可观测性、agent的可靠性,以及部署时的一些伦理影响。一些研究也显示了这一点。例如,BCG发布的一份报告显示,74%的组织卡在试点模式,没有规模化计划。而在Anthropic的一项调查中,数据显示42%的组织确实在获取数据以及保证质量方面苦苦挣扎,而这正是在整个组织规模化AI能力的基础。
前进的道路确实是把AI不只当作一个项目,而是更整体地当作企业平台,一个能把统一数据层与应用中的流程上下文持续连接起来、并在整个生命周期中嵌入受治理的AI能力的平台。为了让这一点落地,我们在SAP推出了SAP自主企业框架,让组织能够从试点走向规模化成果。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。