大企业曾对人工智能试点项目寄予厚望,却最终悄然失败的情况并不少见。Boomi认为,“数据活化”不足是导致这些失败的主要原因。也就是说,如果无法将必要的数据实时连接到需要的系统,无论多么先进的人工智能代理都难以在实际业务中落地。
人工智能投资进入实用阶段
Boomi首席执行官史蒂夫·卢卡斯在“Boomi World 2026”活动中表示,企业引入人工智能现已超越概念验证阶段,进入实际应用阶段。他解释说:“人工智能代理已不再是未来的技术,而是已经来到现场”,在业务流程、集成和自动化领域已开始显现实际的投资回报率。
然而,实现人工智能效益的前提条件依然严苛。卢卡斯指出,依赖大型机的架构、割裂的数据管道、以及数十年历史的企业资源规划系统是降低企业人工智能就绪度的核心障碍。他提到:“必须首先厘清数据位于何处、质量是否合格、能否实时传输”,并强调,对于那些连人工所需信息都无法稳定实时提供的企业而言,要有效运行速度快得多的人工智能系统是非常困难的。
关键在于领域专用人工智能
卢卡斯强调,企业需要的并非通用人工智能,而是符合行业监管与工作流程的“领域专用人工智能”。他解释道,例如医疗机构需要符合美国HIPAA法案的医疗专用人工智能,并且需配套能够与现有业务流程自然衔接的架构。
他预测,未来企业人工智能的投资效益也将迅速从普遍的生产力提升,转向按行业和功能衡量的“领域专用投资回报率”。这意味着,相较于单纯选择优秀模型的竞争,如何针对特定业务精心设计数据和治理体系变得更为重要。
实际应用案例涌现
会上也展示了实际案例。据Boomi介绍,Chronicle Bidco旗下的Lexitas已将受严格监管的支付处理业务中约50%的工作通过人工智能代理实现自动化。此外,Multicoup通过让人工智能代理处理约80%的技术支持咨询,减少了对数千份产品说明书进行手动检索的需求。这些案例表明,人工智能代理并非仅仅是实验,而已在特定任务中提升着生产力。
构建可控的人工智能基础设施
Boomi本周宣布与红帽达成战略合作,着手构建面向代理型人工智能的集成技术栈。其构想是结合Boomi的“Agent Studio”与红帽人工智能,帮助企业避免依赖特定模型,并能在自有环境中私有化运行开放权重模型。
当被问及哪种人工智能模型最好时,卢卡斯回答:“答案是一切。”关键在于并非模型本身,而是如何将其容器化、与企业特有的数据结构连接、并且能够在无需将敏感数据交给外部大型人工智能提供商的情况下加以掌控。换言之,他认为企业人工智能竞争的核心在于“运营控制力”,而非“性能最佳的模型”。
此番言论再次表明,相较于华丽的人工智能战略,“数据活化、治理、现有系统集成”这类“无形的基础设施”更能决定实际成败。随着企业引入人工智能的速度加快,市场的关注点也很可能从模型竞争转向实际应用与数据控制。

资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种