您现在的位置是：首页 > 文章详情

尽管投资创纪录，但仅有 12% 的 AI 项目实现全面部署

日期：2025-09-28点击：17收藏

Riverbed 最新发布的一项调查结果指出，各组织正高度致力于AI的采用，并正在战略性地转型IT运营以支持AI。然而尽管各组织的整体AI投资几乎翻了一番，且87%的组织表示其AIOps计划的投资回报率已达到或超过预期，但只有12%的AI项目实现了企业范围的全面部署。

这项全球调查访问了来自七个国家/地区和多个行业的 1,200 名商业决策者、IT 领导者和技术专家，全面概述了企业如何在 IT 运营中实施 AI，包括如何应对挑战、部署工具、采用标准以及制定成功策略。探讨了：AI 采用和成功策略方面的差距；可观察性工具部署的变化；统一通信工具的现状；OpenTelemetry 框架的采用情况；以及 AI 的数据基础设施。

各组织报告称，他们在实施 AI 方面面临诸多重大障碍。大多数组织尚未做好全面准备来推出 AI 项目，面临的挑战包括持续存在的数据质量问题，以及领导层的乐观态度与实施的技术现实之间的差距。为了寻求切实可行的 AI 解决方案，各组织正在积极整合IT运营中的工具和供应商，采用统一平台，转向开放标准，通过统一通信解决问题，并应对 AI 数据在IT基础设施中移动的挑战。

研究发现，随着企业迈向 AI 就绪，不同国家和行业的 IT 运营模式正在发生一致转变。93% 的企业正在考虑更换供应商以整合工具，领导者和从业者平均每周有 42% 的工作时间使用这些工具。数据挑战意味着领导层越来越重视开源可观测性框架 OpenTelemetry。此外，在为企业范围的 AI 部署做准备时，IT 部门发现越来越多的 AI 数据驻留在公共云和边缘环境中。

企业在 AI 方面的投资几乎翻了一番，达到 2700 万美元（2024 年为 1470 万美元），87% 的企业表示，他们从 AIOps 计划中获得的投资回报符合预期，甚至超出预期。然而，企业必须解决三个方面的差距：准备就绪、数据质量和现实预期（“现实差距”）。

企业尚未做好迎接 AI 的准备：只有 12% 的 AI 项目已全面部署，只有 36% 的组织认为自己已准备好实施 AI，这一比例低于去年的 37%。
企业在数据质量方面面临重大挑战，而数据质量是 AI 成功的关键。尽管88%的受访者认为数据质量至关重要，但在准备实施 AI 时，只有46%的受访者对其数据的准确性和完整性充满信心。事实上，大多数企业承认其数据尚未准备好，只有34%的受访者将其数据在相关性和适用性方面评为优秀，35%的受访者将其数据在一致性和标准化方面评为优秀，37%的受访者将其数据在安全性和保护性方面评为优秀。
领导者比技术专家更乐观：42% 的领导者表示他们的组织已做好充分准备来实施 AI 项目，但只有 25% 的专家这么认为。

目前，企业平均部署了9家供应商提供的13种可观察性工具，相当于每家供应商针对每种类型的可观察性部署一到两种工具。绝大多数（96%）的企业正在整合其在ITOps中使用的工具和供应商数量，93%的企业表示，统一的平台将使识别和解决运营问题变得更加容易。提高生产力的需求是关键驱动因素，这被认为比降低成本的愿望更为重要。

88% 的企业已开始实施 OpenTelemetry (OTel)，41% 的企业已完全实施 OTel，47% 的企业正在采用 OTel 方面取得进展。95% 的企业表示，跨应用程序、基础设施和用户体验标准化数据的能力对其可观察性战略至关重要。

九成公司（94%）表示，OTel 是迈向人工智能驱动自动化等项目的基石。超过半数（57%）的公司预计，该框架将在未来两年内得到广泛采用。36% 的公司认为 OTel 已在其企业内成为强制性要求。但业务领导者和技术专家之间存在认知差距：41% 的领导者认为 OTel 在其组织内是强制性要求，而只有 27% 的技术专家持有相同观点。

十分之九的企业（91%）认为人工智能数据的移动和共享对其人工智能战略至关重要，三分之一（33%）的企业认为其对于设计和执行人工智能至关重要，是基础。