川海智库

报告概述

本报告聚焦企业IT复杂性带来的成本与效率问题，探讨如何通过智能IT自动化（结合AI和机器学习）实现降本增效。研究基于对680位IT领导者（包括CIO、CTO等）的全球调研，覆盖21个国家、18个行业，并采用IBM Hybrid by Design框架评估企业的IT自动化成熟度。报告分析了高度自动化与低度自动化企业在IT成本、营收增长、网络安全和运营效率方面的差异，揭示了从RPA到AI工作流再到代理式AI的演进路径，并提供了落地行动指南。读者可借此理解智能IT自动化的业务价值，以及如何通过优化混合云、数据治理和流程集成来构建更高效、更有韧性的IT体系。

报告的核心结论

智能IT自动化显著降低IT成本并提升效率

报告显示，采用智能自动化的企业将其IT成本下降31%归功于此。高度自动化企业IT支出占营收比例仅为6.8%，低于低自动化企业的8%，且每10亿美元营收所需IT人员仅90人，而低自动化企业需140人。这表明嵌入AI的IT运维能以更少资源实现更优业务成果。

IT预算重心正从维持系统转向业务转型

2025年企业平均IT预算中67%用于改善和转型IT及业务，而2023年这一比例仅为33%。IT总支出占营收比例从6%升至9%，以10亿美元营收企业为例，IT支出从600万美元增至900万美元。这反映AI投资和业务创新已成为IT核心使命，但仍有33%预算消耗在遗留系统维护上。

高度自动化企业更易实现生成式AI的规模化价值

89%的高度自动化组织已在IT流程中实施或规模化优化生成式AI，而低自动化组织仅15%。这些企业将90%的ROI归因于企业级数字转型，而低自动化企业只能实现项目级ROI。成熟的技术基础和集成能力是释放AI规模价值的关键。

AIOps平台可显著提升网络安全防护能力

三分之二使用AIOps平台的高度自动化企业表示，通过驱动一致性和标准化，降低了攻击面和威胁风险，并强化了主动缓解能力；而低自动化企业中这一比例仅40%。智能自动化成为应对复杂安全挑战的重要杠杆。

报告回答的关键问题

IT复杂性如何影响企业成本与增长？

报告指出，IT复杂性导致影子IT、技术债务和云浪费。影子IT占IT总预算24%，以100亿美元营收、IT支出占营收8%的企业为例，每年浪费约1.92亿美元。75%的技术决策者预计到2026年技术债务将达中高严重度。高度自动化企业通过混合云和AIOps降低复杂性，实现更低IT成本和更高营收增长。

端到端智能工作流需要哪些关键能力？

报告强调端到端工作流依赖AIOps平台、标准化流程和高质量数据。高度自动化企业通过连接关键工作流，使事务流程自动化程度两年内提升26%，运营成本降低22%。数据准确性或偏差是采用代理式AI的主要障碍，现代化数据基础设施是成功的前提。

如何通过优化IT运营提升AI投资回报？

报告建议采用DevSecOps、SRE和敏捷框架优化应用开发和运维，并加强财务与IT协作。高度自动化企业中，财务团队支持企业级生成式AI应用的概率是低自动化企业的近3倍，且更常将学习成果应用于投资决策。优化运营杠杆能放大AI在IT中的业务影响。

企业如何从RPA演进到代理式AI工作流？

智能IT自动化分阶段演进：从RPA自动化重复任务，到AI/ML增强预测和决策，再到生成式AI/代理式AI实现全自主工作流。但路径非线性，取决于行业、组织准备度、技术基础设施和优质数据可用性。企业可逐步试点并反馈加速。

报告中的代表性数据

31%

IT成本降幅归因于智能自动化

调研前两年，参与调研的企业表示，智能自动化使其IT成本平均降低31%。

67%

IT预算用于业务转型比例

2025年，企业平均IT预算中67%用于改善或转型IT及业务，较2023年的33%大幅提升。

89%

高度自动化企业生成式AI采用率

2025年，89%的高度自动化组织已在IT流程中实施或规模化优化生成式AI，而低自动化组织仅为15%。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整版包含IT复杂性带来的隐性成本分析，如影子IT、技术债务和云浪费的具体数据及影响机制。
  • 详细解析从RPA到AI工作流再到代理式AI的演进路径，并附有工作流智能化程度的阶段性框架图。
  • 基于680家企业调研的IT自动化成熟度指数构建方法，以及Quartile分层分析结果。
  • 高度自动化与低度自动化企业在收入增长、成本降低、时间缩短、安全事件减少等指标上的对比数据。
  • 多个企业案例，如Al Rajhi Capital通过混合云和平台现代化实现业务增长，以及IBM内部使用TBM模型优化IT支出的实践。
  • 行动指南：从现代化遗留应用、连接基础设施、集成数据中间件、注入智能到技术生命周期四个维度给出具体实施建议。
  • 研究方法论附录，包括调研样本、Hybrid by Design框架、神经网络预测模型及IT自动化指数说明。
  • 按行业和百分位数展示的业务改进范围表，以及构建价值案例所需的关键假设和来源。
  • 对金融、零售、制造、电力等行业场景的针对性说明，以及如何将数据用于自身价值评估。
  • IBM咨询服务和自动化平台能力介绍，以及相关报告和资源链接。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告