数字原生企业（Digital Native Companies）通常被认为是人工智能（AI）领域的天然领导者。它们诞生于数字时代，依赖数据驱动业务，并大量招聘工程师。然而，《经济学人》企业网络发布的一项新调查却揭示了一个令人惊讶的差距：数字原生企业虽然以最高的优先级推进AI规模化部署，但在将AI全面嵌入核心业务流程方面，竟然落后于电信等传统行业。
该调查涵盖了八个行业的1220多位高管，其中包含150位数字原生企业领导者。结果显示，18%的数字原生企业高管将“大规模嵌入AI”列为未来两年内的首要投资重点，这一比例是跨行业平均水平（9.8%）的近两倍，是金融服务行业（约7%）的2.5倍。然而，当衡量AI在各业务职能部门中达到“完全嵌入”（即由100名以上用户使用、有服务等级协议支持、并且监控性能和影响）的程度时，数字原生企业仅在研发/产品开发部门领先。在人力资源、法律合规、财务、营销、运营和供应链等七个部门中，其排名均未进入前三。
以财务部门为例，数字原生企业在财务领域的AI部署范围最广，但在完全嵌入方面却仅排第七，落后于媒体和娱乐（领先近13个百分点）和电信（领先11个百分点）。运营和供应链领域也呈现类似模式——数字原生企业的AI部署率最高，但完全嵌入率仅排第六，电信领先超过8个百分点。
令人深思的是，电信行业是这种“雄心与执行脱节”的典型反例。只有7.9%的电信高管将AI规模化嵌入列为首要任务，不到数字原生企业的一半。然而，电信在IT、法律合规、财务、销售与客服、运营和供应链等五个部门中，其AI完全嵌入率均领先于数字原生企业。媒体、娱乐和制造业也展现出相同趋势。
这种差距并非偶然。完全嵌入AI需要强大的架构基础：治理后的数据访问、可靠的管道、可观测性、评估、SLA、成本控制、安全性、血缘追踪和反馈循环。数字原生企业虽然拥有强烈的AI愿景和广泛的部署足迹，但往往缺乏将这些要素统一起来的运营基础。工程团队因此需要花费大量时间来维护管道、协调碎片化的治理、跨团队重复工作，而不是致力于改进产品和客户体验。
对于希望弥补这一差距的数字原生企业而言，关键在于从架构入手。数据管道、治理、AI工作负载、模型、代理和应用必须协同运作。安全、血缘、监控和性能度量应成为共享能力，而非在每个部门内部重新发明。能够缩小差距的企业，将不是那些进行最多AI实验的企业，而是那些将AI转化为可重复基础设施的企业。
《经济学人》的完整报告还涵盖了更多基准数据、高管访谈和跨行业分析，为数字原生企业提供了清晰的行动路线图。