当企业AI从实验室走入生产线，ROI数字开始变得真实可感。SAP与牛津经济研究院联合发布的《2026年AI价值报告》基于对13个国家2600名商业领袖的调研，揭示了令人振奋的转折：AI如今支持着组织内近三分之一的任务，渗透率从去年的25%跃升至30%。更关键的是，对AI代理的投资回报预期从2025年的10%翻倍至17%——但报告同时指出，多数企业认为AI本可释放远高于此的价值。
这种“预期与实际”之间的鸿沟，并非源于技术能力的不足，而是战略、数据与治理的滞后。正如SAP首席AI策略官Sean Kask所言：“缺乏上下文（流程、数据或治理）的AI，最好的情况是产生活动却没有结果，最坏的情况则是制造风险。”这意味着，效率提升的真正引擎不在于模型本身，而在于企业如何将AI嵌入到有意义的业务场景中。
碎片化投资：效率提升的最大拦路虎
尽管AI投资加速，超过一半的企业仍采用临时或零散的方式部署AI，只有17%的企业拥有战略性和整体性的优先级排序——虽然这一数字已从去年的9%几乎翻倍，但碎片化依然是主流。这种局面的根源可能在于董事会层面的压力：要求员工开始使用AI，却没有提供清晰的战略和足够的AI素养培训。结果，企业内部涌现出大量自发、互不关联的“臭鼬工厂”式项目，而另一些公司则因缺乏董事层关注，导致员工私自携带工具（如AI画图或AI工具箱）进行实验性使用。
“你会看到大量有机的、相互脱节的AI举措涌现出来，它们常常因为数据质量问题而挣扎，”Kask说，“即使那些采用战略方法的举措，也仍然在孤岛中运作——它们可能在一个用例中拥有一致的数据，但远未达到改造整个业务流程的水平。”
这种碎片化直接解释了报告中最反直觉的发现：69%的企业对AI投资回报感到满意，因为他们已经证明AI能产生收益；但67%的企业仍不相信AI在发挥全部潜力——因为学习经验让他们既看到了AI投资可以带来的更多价值，也意识到了规模化需要克服的挑战。效率提升的路径在碎片化中变得模糊，企业需要从“做AI”转向“战略性地做AI”。
AI代理：改写企业运营经济账
如果说生成式AI是前菜，那么AI代理正是主菜。SAP目前已在其产品组合中交付了超过400个AI用例，许多正在开发中。代理代表了下一波扩展，因为它们可以规划并推理多个步骤和工具以达到目标，就像人类和流程的工作方式一样。
“你给AI系统一个任务或目标，它能够迭代地完成多个步骤，访问各种工具来实现结果，”Kask举例说，“比如我们发布了应付账款计提的代理测试版——一家中型公司的会计每月需要花大约12小时处理这项工作，现在只需2到3小时。想想看，如果把这个比例扩展到所有流程，潜力巨大。”
事实上，通用AI的投资回报率已从16%上升到21%，预计两年后将增长到1590万美元——尽管只有3%的企业表示完全准备好迎接这一变革。在AI赛道中，代理正在改变经济模型：它们不仅能降低人力成本，更能通过自动化复杂流程实现质的效率提升。但前提是，企业必须同时解决数据连接和治理两大基础问题。
数据质量：AI价值的第一道闸门
准备迎接AI代理，离不开两个基本前提：将代理连接到上下文丰富的数据，以及规模化地治理它们。数据质量和可用性如今已成为企业无法从AI获得更多价值的首要原因——73%的受访者指出这一点，79%的受访者表示至少偶尔会因低质量输出而出现返工、延迟或积压。
与经典深度学习相比，问题的性质发生了根本变化。基础模型消除了大量数据查找、提取、清洗和训练定制模型的需求，但它们使得保留业务上下文变得空前重要。“一旦从ERP系统中提取数据，你就破坏了所有上下文信息和语义，而对生成式AI来说，这正是最有用的部分。”Kask说。
SAP通过其云ERP中的知识图谱来规模化保留上下文——该图谱映射了45.2万张ABAP表和730万个数据字段。在SAP Business Data Cloud中，数据产品以一致的方式呈现发票和供应商等信息，横跨SAP和非SAP系统，而不丢失业务含义。这种能力让企业可以在文生图等场景中保持数据连贯性，而无需担心上下文断裂。
值得注意的是，数据质量不仅影响AI模型本身，还会反噬效率提升的成果。当企业用抠图工具生成营销素材时，如果底层数据缺乏语义，最终输出的内容可能偏离业务目标。因此，数据治理必须与AI部署同步进行。
AI治理：企业尚未意识到的最大冰山
随着AI深入嵌入业务流程，治理正在成为下一个重大挑战。只有12%的企业表示已完全准备好治理AI，而69%的企业承认偶尔甚至频繁使用未经批准的影子AI工具。
“当企业推出AI举措时，他们常常会发现影代理——那些可以访问本不该访问的数据或采取不该采取行动的代理。”Kask说，“问题变成了：我们如何审计这些东西？”
SAP的AI代理中心正是为此而生——它可以发现并创建代理、大语言模型和MCP服务器的清单，客户已经在自己的环境中发现了数千个此前未知的SAP和非SAP代理。接着，它叠加了生命周期管理、身份与访问控制以及性能监控。Kask将这一纪律比作招聘：没有一家公司会在不知道员工需要哪些访问权限的情况下就让他们入职。
治理的范畴远不止技术。劳动力转型与数据工作并行推进——近80%的受访者认为，最大化AI价值需要的不仅仅是技术技能提升，75%的企业已经在计划重新培训员工。对话正在从“AI将取代哪些工作”转向“人与AI如何最有效地协作”，因为AI代理仍然需要人类监督和决策。在AI投资的决策中，治理能力将成为区分赢家和输家的分水岭。
从实验到执行：效率提升的下一阶段
报告显示，尽管只有3%的企业认为自己完全准备好迎接AI代理时代，但趋势已经不可逆转。企业正在从“试试看”转向“规模化执行”，这一转变的核心是效率提升的系统化。
Kask指出，那些已经在战略层面整合AI的企业，其ROI明显高于碎片化部署者。关键在于，企业需要将AI视为业务流程的有机组成部分，而非孤立的技术项目。例如，通过AI工具导航，企业可以快速发现适合自身业务场景的AI解决方案，避免重复造轮子。同时，针对特定场景的艺术签名、AI网名等轻量级工具，虽然看似与核心业务无关，但也能在营销、客户互动等环节带来边际效率提升。
另一个值得关注的趋势是，AI代理的引入正在改变企业的成本结构。传统上，企业需要为每个业务流程单独训练模型，而现在，通用代理配合知识图谱，可以在多个业务线中复用。这意味着，先行的企业将获得显著的先发优势，而落后的企业则可能面临“治理债务”的累积。
在AI赛道中，2026年将成为关键转折点：那些能够同时解决数据、治理和战略问题的企业，将真正释放AI的潜力，实现从“效率提升”到“价值创造”的飞跃。而那些继续碎片化投资、忽视治理的企业，将发现AI带来的收益始终被隐藏的成本所抵消。
结语：效率提升的终极拼图是人与流程
最终，AI的价值不在于技术本身，而在于它如何改变人与流程的互动方式。SAP报告揭示了一个核心洞见：当AI被赋予正确的上下文（数据、流程、治理），它就能成为效率提升的倍增器；反之，则可能成为风险的放大器。
未来两年，企业需要完成三件大事：第一，建立数据管道，确保AI能够访问结构化的、语义丰富的业务数据；第二，部署治理框架，从影子AI转向可审计的AI生态系统；第三，重新设计工作流程，让人与AI代理形成互补的协作模式。
这不仅是技术挑战，更是管理变革。正如Kask所总结的：“AI已经证明了自己能产生价值，但真正的价值在于让这种价值可复制、可扩展、可治理。”对于每一个想在这场AI投资浪潮中站稳脚跟的企业来说，现在就是行动的最佳时机。