企业AI进入执行阶段：智能体驱动ROI提升，但数据与治理成规模化瓶颈

企业人工智能已从试验阶段迈入执行阶段，这一转变正开始显现切实回报。由SAP联合牛津经济研究院（Oxford Economics）发布的《2026年SAP人工智能价值报告》基于对13个国家共2600名企业高管的调研发现，人工智能目前支撑着平均每个组织近三分之一的所有任务，该比例从去年的25%上升至30%。

针对智能体人工智能（agentic AI）的投资回报率（ROI）预期已从去年的10%跃升至今年的17%，但许多组织认为人工智能本可交付远超当前的价值。SAP首席人工智能战略官肖恩·卡斯克（Sean Kask）表示，该报告指出，这一差距根源在于战略、数据与治理，而非获取最新模型的能力。

卡斯克表示：“人工智能已从试验阶段迈入执行阶段，而这正开始显现切实回报，但前方仍有很长的路要走。这是因为缺乏上下文的人工智能——无论其缺失的是流程、数据还是治理——最多只能产生无实际成果的活动，最坏情况下甚至会带来风险。”

企业仍在以零散方式采用人工智能。

尽管投资正在加速，但超过半数的组织仍以临时性或零散方式投资人工智能；仅有17%的组织报告采取了战略性、整体性的优先级设定方法，尽管该比例较一年前的9%几乎翻倍。

这种碎片化现象可能源于董事会层面要求员工开始采用人工智能，却未配套制定相应战略或提升足够的人工智能素养，从而催生出分散的“臭鼬工厂”（skunkworks）式项目。在其他公司中，董事会层面缺乏关注则可能导致员工自带工具到岗并仅进行实验性尝试。

卡斯克表示：“最终你会看到大量自发涌现、彼此割裂的人工智能项目，而它们有时仅因数据质量差就举步维艰。但即便那些采取战略性方法的项目，也仍在各自为政的孤岛中运作：它们或许拥有适用于单一用例的一致数据，却尚未达到能全面变革整个业务流程的水平。”

这或许有助于解释该报告一项看似反直觉的发现：69%的企业表示对其人工智能投资回报率感到满意，因为他们已证实人工智能能够产生回报；然而67%的企业仍不确信该技术正发挥其全部潜力，因为这段学习经历既让他们意识到人工智能尚可交付的巨大额外价值，也让他们认识到为实现规模化应用所需克服的挑战。

智能体正在改变企业人工智能的经济逻辑。

截至目前，SAP已在产品组合中交付了逾400个人工智能用例，更多用例仍在开发中。卡斯克表示，智能体代表下一阶段的扩展，因其能够规划并推理多个步骤与工具以达成目标，这与人类及业务流程的工作方式相仿。

卡斯克表示：“你向人工智能系统交付一项任务或目标，它便能迭代式地执行多个步骤，并调用各类工具以实现该结果。例如，我们已以测试版形式发布了一款用于应计会计（accruals accounting）的智能体——这项工作通常需一名会计师每月花费约12小时（针对中型企业），而使用该智能体后可缩减至两至三小时。若将此效果推广至所有此类流程，其潜力巨大。”

事实上，通用人工智能的投资回报率今年已从16%升至21%，预计两年内将增长至1590万美元，尽管仅有3%的企业表示自己已为此完全做好准备。

数据质量仍是阻碍人工智能价值释放的最大障碍。

为智能体做好准备取决于两项基本要求：将智能体连接至上下文丰富（contextually rich）的数据，以及对其进行规模化治理。根据73%的受访者反馈，数据质量与可用性已成为组织未能从人工智能获取更多价值的首要原因；另有79%的受访者报告称，至少偶尔会因低质量输出而遭遇返工、延误或积压问题。

相较于经典深度学习，该问题的性质已发生变化。基础模型（foundation models）大幅减少了寻找、提取、清洗数据及训练定制化模型的需求，但却使维护业务上下文变得更为重要。

卡斯克表示：“一旦你从ERP系统中提取数据，便会破坏所有上下文信息及语义，而对生成式人工智能而言，这部分恰恰是最有价值的部分。”

SAP通过其云ERP系统中的知识图谱（knowledge graph）实现了大规模上下文保全，该图谱映射了45.2万个ABAP表及730万个数据字段。在SAP商业数据云（SAP Business Data Cloud）中，数据产品（data products）可在SAP与非SAP系统间一致呈现发票、供应商等信息，同时不丢失其业务含义。

人工智能治理是企业尚未意识到的最大挑战。

随着人工智能日益深度嵌入业务流程，治理正成为下一个企业级挑战。仅有12%的企业表示已完全准备好治理人工智能，而69%的企业承认偶尔乃至频繁使用未经批准的影子人工智能（shadow AI）工具。

卡斯克表示：“当企业推出其人工智能项目时，往往发现存在‘影子智能体’——即能够访问本不应接触的数据或执行本不应执行操作的智能体。此时问题便转化为：我们该如何审计这些事物？”

SAP的人工智能智能体中心（AI Agent Hub）通过识别并建立智能体、大语言模型（LLM）及MCP服务器的清单来应对该挑战；客户已在自身IT环境中发现了数千个此前未知的SAP与非SAP智能体。随后，该中心叠加了生命周期管理、身份与访问控制以及性能监控功能。卡斯克将这一纪律类比于招聘，因为多数公司绝不会在不了解某位员工在其岗位所需访问权限与权限的前提下就为其入职。

然而，治理不仅限于技术层面。伴随数据工作的还有劳动力转型：近80%的受访者认同，最大化人工智能价值所需远不止技术能力提升；75%的受访者已计划对员工进行再培训。讨论焦点正从‘人工智能将取代哪些工作岗位’转向‘人类与人工智能如何最有效地协作’，因为智能体仍需人类监督、重新设计的工作流程以及更强的判断力。

所有这一切均指向SAP所称的‘自主企业’（Autonomous Enterprise）——即在各职能孤岛间，将智能体与上下文丰富的数据及企业级治理相连接，并以Joule作为人与系统之间基于自然语言的生成式交互界面。

卡斯克总结道：“从人工智能中实现真正价值绝非易事，因为它要求一种全新方法。归根结底，这更是一场人类变革而非技术变革，因为唯有当智能体、流程与人员协同如一，才能实现真正的价值。”

获取完整调研结果。 下载《2026年SAP人工智能价值报告》。。