摘要：
- AI试点成功不代表规模化顺利，核心考验在于实时系统、团队协同及业务流程的适配能力。
- 实现AI就绪需构建技术基础，并明确所有权、治理结构及业务成果。
- 随着AI普及，竞争优势将从“率先采用”转向“可靠部署”与“业务价值验证”。
HCLTech东盟高级副总裁Sandeep Sarkar指出，AI项目从试点转入生产环境时，问题往往出在模型之外。试点通常在受控环境下运行良好，但生产环境需应对实时数据、遗留系统、安全合规及真实业务流程等多重挑战。
HCLTech东盟高级副总裁 Sandeep Sarkar / 图片来源：HCLTech
随着代理式AI（Agentic AI）日益普及，AI采用与就绪之间的差距愈发明显。HCLTech研究显示，70%的新加坡企业领导者预计竞争对手将在12个月内对关键任务使用自主AI系统，但49%的人认为缺乏监控和审计流程是主要障碍。真正的考验不在于对AI的兴趣，而在于其能否在企业内部安全运行且不增加额外人工负担。
规模化采用AI面临的挑战
AI规模化的瓶颈通常不在技术本身，而在组织环境。具备AI就绪能力的企业不仅拥有干净的数据和安全系统，更建立了明确的职责归属与治理机制，确保AI在全运营周期内被安全有效地使用，同时拥有能实际运用AI技能的员工队伍。
然而，许多企业仍受困于长期存在的组织挑战。Omdia研究数据显示，56%的新加坡受访者表示IT、数据、网络安全和业务团队间的协调困难阻碍了AI执行；49%的企业难以将AI目标与业务目标有效对齐。
人工智能就绪的最佳实践
Sarkar强调，确立明确的业务成果是AI计划的关键起点。企业需清晰界定AI投资与业务价值的关联，这不仅关乎投资回报率，更能通过技术与业务目标的对齐，提升员工采纳率和组织认同感。
此外，建立跨团队的所有权和责任协议至关重要。最佳实践是将责任合理划分：业务部门对结果负责，IT部门负责集成与扩展，数据团队保障数据质量与访问权限，网络与风险团队监督控制措施、隐私及可审计性，运营团队则管理日常工作流的变更。
HCLTech位于吉隆坡的全球交付中心管理跨境项目 / 图片来源：HCLTech
尤为重要的是，治理框架和护栏必须从一开始就嵌入系统，特别是在涉及关键任务工作时。若等到AI嵌入工作流后再补充隐私或风控措施，企业虽可能快速推进，却面临失去对AI使用方式控制权的风险。
寻找合适的AI合作伙伴
为弥补技能差距并加速执行，86%的公司已聘请外部顾问。Sarkar认为，合作伙伴在AI工程、集成、治理及安全等技术领域能提供最大价值，尤其在基础设施、开发平台及监控治理等方面需要深度合作。
优秀的AI合作伙伴不应替代企业决策，而应协助实施决策。其核心价值在于承担“难交付的工作”，包括帮助客户选择正确用例、设置控制措施、培训团队并将AI无缝连接至工作流中。企业需要的不是另一个工具，而是让AI在实际系统和真实业务流程中发挥作用的落地支持。
图片版权：Shutterstock
以一家澳新物流公司为例，该组织此前因使用未经批准的公共AI工具而面临数据安全与合规风险。HCLTech与其紧密合作，设计并实施了安全的企业级平台，在不损害敏感数据的前提下支持AI创新应用。
率先并非总是最佳
随着AI解决方案日趋成熟，单纯追求“率先采用”的重要性已不及“正确实施”。当AI系统承担更多自主工作时，若所有权、治理或流程不明确，组织依赖人工检查或变通方案的余地将被压缩，风险随之升高。
Sarkar总结道，仅靠速度无法创造价值。未来的领先企业将是那些现代化应用与数据架构、加强治理，并将AI深度融入日常业务运营的组织，而非仅仅开展一系列孤立试点项目的企业。
作为全球技术领导者，HCLTech在过去三十年中持续助力企业实现技术栈现代化，目前正支持企业在代理时代采用并扩展AI解决方案。