构建生产级AI需要比AI本身更多的工程

2026年6月11日

在企业组织中，AI产品现代化始终出现在路线图上，却不断被推到下一个规划周期。原因众所周知：迁移风险、预算压力以及仍能执行核心功能的现有系统。然而，当前延迟所带来的成本却鲜少被关注。维护费用持续攀升，AI项目启动耗时更长，而竞争对手积累的经验无法仅靠资金投入获得。这些成本无论是否出现在规划文档中，都在不断累积。

维护正在吞噬本应用于增长的资源

询问技术领导者IT预算的大部分去向，答案往往相同：维护现有系统。其规模远超许多组织的预期。

Gartner估计，技术债务——过时代码、推迟升级和短期技术决策的累积成本——消耗了IT预算的40%。McKinsey将技术债务的价值定为企业技术资产价值的20%至40%。IT软件质量联盟（CISQ）估计，美国的技术债务本金已达到1.52万亿美元。

这些成本年复一年地持续。遗留硬件在保修期结束后维护费可能增加10%至15%。超出支持生命周期运行的系统通常需要支付比标准协议高出50%至200%的高级支持合同。McKinsey研究的一家跨国保险公司发现，技术债务占其IT支出的15%至60%。

指向维护的预算无法用于新产品、改善客户体验或AI项目。面临这些成本的组织是在为稳定性而非进步提供资金。

遗留基础设施构成AI采用障碍

许多企业AI项目始于一个有前景的商业案例。技术演示表现出色，领导层批准资金，实施开始。然而，第一个障碍通常在AI模型投入生产之前很久就已出现。

企业数据往往分散在多个系统、部门和格式中。构建使信息可用的连接所需的时间远超预期。计划为期数月的项目可能跨越多个季度，团队在集成挑战中挣扎。

McKinsey发现，在碎片化遗留基础设施上运行的组织出现显著AI实施延迟的可能性高出30%，因为其数据环境无法支持现代AI要求。成功的AI系统依赖于跨组织可访问、结构化和一致的数据。

架构带来另一大挑战。许多企业平台是作为单体构建的，即组件紧密耦合、一个更改可能影响整个系统的大型应用。这些环境使AI系统难以访问实时信息，这对于准确和相关的输出至关重要。在此架构上添加AI工具并不能消除底层限制——在许多情况下，它以更大规模暴露问题。

McKinsey估计，与传统方法相比，AI辅助的现代化可将现代化时间线缩短40%至50%。但利益显著，组织仍需先完成现代化才能实现这些收益。

竞争差距随时间扩大

维护成本出现在预算报告中，而竞争损失则在更长时期内显现，但一旦领先组织建立优势，追赶就变得更加困难。

在2023年和2024年开始AI现代化项目的公司已花费过去两年时间，通过生产部署积累运营知识。他们的团队建立了数据管道，完善了治理流程，解决了实施问题，并确定了实际用例。这些经验现在塑造了这些组织的运营方式。

McKinsey 2025年的研究发现，拥有成熟AI项目的企业同期EBITDA增长率比同行高出20%至30%。EBITDA是衡量息税折旧摊销前利润的指标。更高的盈利能力创造了更多未来投资空间，而延迟现代化的组织则必须同时为追赶工作和日常运营提供资金。

更广泛的采用趋势显示了市场变化的速度。2023年，55%的组织报告在至少一个业务功能中使用AI。到2024年，这一数字达到78%。同期生成式AI的采用率从33%增至71%。

已经使用AI的组织正在优化实时系统、收集运营数据并建立流程，客户和员工可能很快视之为标准期望。每延迟一年，都在拉大在生产环境中学习与仍处于规划阶段的组织之间的差距。

等待正在让企业付出什么代价

将现代化视为未来项目会对其财务影响产生误导。成本在现代化计划开始之前很久就已显现。它们通过不断上升的维护费用、延迟的AI部署、更慢的产品开发周期以及失去建立运营经验的机会表现出来。

对于评估现代化计划的企业领导者而言，最有用的问题不是现代化成本几何。更重要的问题是，组织通过等待已经花费了多少，以及再延迟一年将在基础上增加多少。

GeekyAnts与企业团队合作，评估现有技术环境，确定现代化优先级，并构建贯穿全程降低风险的实施路线图。如果您的组织正在评估下一步行动，我们的团队可以帮助确定现代化将在何处带来最大影响。