别再搞零散的AI试点了，CIO要想在AI淘金热中胜出，就得搭建基础设施，把原始实验转化为大规模的企业级能力。

在我与企业技术领导者的合作中，我见过太多公司通过试点、测试和跨职能实验快速宣称自己拥抱了AI，以至于企业AI时代越来越像一场淘金热。如果真是如此，那么领导者们应该从历史中、从真正的淘金热中吸取教训。在那个时代，最持久的财富并没有流向随便哪个淘金者，甚至也不是主要流向那些挖到金子的人。财富流向了那些修建铁路的人(以及设备、供应链和金融体系的建设者)，财富流向了基础设施的建设者。

2026年，企业AI要么规模化要么失败，CIO们正面临类似的转折点。问题不再是该在哪里挖矿，而是该建设什么样的基础设施。当我评估一项AI相关投资时，我总会回到三个问题：

• 它能否在12个月内展现可衡量的价值?

• 它能否构建可持续的企业级AI能力，而不是又一个试点项目?

• 它能否提升组织能力?

这些才是真正重要的价值杠杆，AI实验或许能制造头条新闻，但只有基础设施才能产生企业级影响，这就是为什么我认为CIO们应该聚焦于三项无后悔的举措：让知识成为活的企业资产，将IT服务管理从工作流优化转型为成果优化，以及加速软件开发生命周期。

1. 让知识成为活的企业资产

关键的机构知识无处不在：存在于工单历史、工程文档、邮件线程、聊天记录和SharePoint知识库中，然而在大多数企业中，这些知识是碎片化的，它们是静态的，与IT工作流脱节，这些状况会侵蚀生产力——工程师花费太多时间搜索，客服人员反复升级已解决的问题，团队不得不重复造轮子而非在已有方案上迭代。

AI改变了这一局面，它让企业能够以前所未有的方式激活文档，将静态档案转化为动态知识——源数据自动生成、持续更新并嵌入工作流中。通过这一转变，内容变得具有上下文和角色相关性，并在需要时精准送达，为每位工程师(或许是每位员工)每天节省30分钟原本浪费在无用搜索上的时间，这些收益的影响会快速扩展，通常每年可转化为数百万美元的价值。

我们曾见证一家工业自动化公司经历了这样的演变，他们的知识分散在太多平台上，客服人员花在搜索上的时间比解决问题还多，但当他们开始利用AI生成、结构化并将知识嵌入服务工作流后，公司每年的处理时间成本降低了300万美元，同样重要的是，通过激活所有这些知识，公司实际上为未来AI智能体所需的治理奠定了基础。

当知识变得结构化、可治理且可信赖时，它就成为后续一切的燃料，并改善了AI智能体可靠扩展所需的上下文。通过这种方式，它支撑智能体辅助、企业副驾驶和智能编排。简言之，知识不仅仅是一个附带项目，它本身就是基础设施。

2. 将ITSM从工作流优化转变为成果优化

各行各业的服务台都面临一个共同挑战：必须处理不断增长的工单量和不断提升的期望值，但往往还得保持人员编制不变，他们可以通过传统ITSM平台来缓解部分压力，这些平台有助于优化工作流，但缓解也就仅此而已了。

真正的解决方案在于用AI增强ITSM，从而解锁非线性的支持能力，从根本上改变工作的经济模型。通常，这种增强是分阶段实现的，每个阶段都引入一类新的ITSM相关AI用例：智能受理与分类、自动路由、嵌入式知识检索、引导式自助服务，最终实现可重复事件的智能体化解决。重要的是，无论是合在一起还是分开来看，所有这些阶段都反映了同一个趋势：不仅是工单分流，更是可重复工作的自动化解决。

我们在一家SaaS提供商那里看到了类似的模式，他们的服务台面临工单量上升和支持成本攀升的问题。通过实施AI驱动的受理、自动分诊和自助服务能力，该企业不仅在第一年就分流了43%的工单，还通过自动化分诊交互缩短了处理时间，最终，该企业在两年内节省了600万美元，同时提升了支持能力，而且这一切都没有增加人员编制。

只要需求是可预测的，AI就能加速成果交付，它可以缩短解决时间、提升SLA表现、减少手动或重复性任务，在改善服务的同时节省组织资源，同样重要的是，它能把ITSM变成企业AI的发射台。在这里开发的能力(智能编排、受治理的知识使用、智能体工作流)可以自然地扩展到HR、财务、采购和其他共享服务中，这一洞察意味着，AI相关的价值不仅可以在IT中得到验证，还可以实现规模化。

3. 通过AI赋能的SDLC提升企业能力

正如工单需求不会放缓一样，数字化需求也不会。积压工作在不断增加，而大多数企业无法靠招聘来解决这个问题，但他们可以利用AI来加速SDLC。在SDLC内部，AI可以生成和重构代码、自动创建测试用例、更早发现缺陷、优化发布流水线并提供实时工程洞察。结果就是加快吞吐量、提升质量、增强可预测性，而且基本不需要增加人员。

我见过的最清晰的例子之一来自一家能源公司，他们为一组工程师配备了AI赋能的开发工具，这些工程师主要用这些工具来生成和审查代码，并现代化他们的工作流，他们的产出翻了一倍，更重要的是，他们的回退率降低了79%，每年节省了4600小时。AI不仅仅是渐进式地提升了他们的生产力，它实现了吞吐量和质量的跨越式提升，同时扩展了企业的交付能力。

当以正确的方式采用时，AI赋能的SDLC不仅仅是加速代码编写，它帮助企业扩展其数字能力。在需求超过产能的环境中，这意味着IT组织可以消化增长、更快创新并在不增加人员的情况下扩展交付。

从AI好奇到AI能力

AI改变了CIO的使命，他们不能再仅仅进行实验，或凭借孤立用例的价值来宣称成功，他们必须在整个企业范围内创造价值，改善经济效益、扩展能力并建立可持续的竞争优势，拉动这些价值杠杆的理想方式就是三项无后悔的举措：

• 让知识成为我们构建智能体和更广泛的企业AI能力的基石。

• 确保IT服务管理利用AI交付可衡量的ROI，同时建立机构级的AI能力。

• 用AI加速SDLC，在不增加人员的情况下扩展企业能力并提升吞吐量。

这些举措共同将AI从实验事务转变为基础设施事务，从好奇对象转变为能力扩展器。在目睹了组织从AI试点走向AI项目后，我确信赢家将是那些构建能力而非仅仅激发好奇的人。勘探或许能制造头条，但基础设施创造持久价值。对CIO来说，机会显而易见：去“修建铁路”吧。

文章来自：51CTO