全企业范围的人工智能（AI）可释放更多潜力，据显示，可将AI事件成本降低多达8%，但只有2%的领导者将其融入运营。
要实现全企业范围的规模化应用，需要具备AI就绪数据、适用特定目的的AI模型、经过技能提升的人才以及负责任的AI治理；同步推进这些要素，可在不影响标准的前提下保障生产力。
世界经济论坛为企业提供了一个中立的平台，帮助其理解新技术，并推动负责任地采用和应用新技术，包括通过AI治理联盟。
人工智能（AI）正在帮助人类更好地工作，使生产力提高了高达40%。但在少数特定领域引入人工智能，例如软件工程和营销领域，与将其在整个企业范围内推广之间存在显著差异。
要实现真正的创新，AI必须影响整个工作流程，而不仅仅是单项任务，同时实现一致的实时决策。
要在全企业范围内规模化应用AI，需要满足若干前提条件：AI就绪数据；适用特定目的的AI模型；经过技能提升的人才；以及负责任的AI治理。
这些要素相结合，可确保AI系统在生产中产生业务影响，且不偏离方向。例如，应用AI进行预测性维护以减少停机时间，必须在保护工人安全的同时进行。
负责任的创新是增长驱动力
把握好这些方面对组织至关重要。然而，负责任地创新应用AI绝非易事。根据Infosys的研究，仅2%的组织已做好准备，可在2025年初跨战略、数据、技术、治理和人才五大支柱上支持企业级AI应用。
此外，近期研究发现，仅2%的领导者在大规模运营AI时采用了必要的负责任AI实践（15%为跟随者），其中最薄弱的能力是风险缓解和对AI解决方案的信任。
对于那些成功实现负责任AI的企业，收益十分显著。研究样本中的负责任AI领导者降低了AI事件成本及其严重程度。
一个明显的趋势正在显现：客户在创新讨论中越来越青睐开源。
与此同时，负责任AI的最佳实践（如可解释性和可靠性技术，以及模型验证和工程流程或知识产权侵权保护）将整体AI支出降低了多达8%。
此外，更加聚焦的负责任AI方法提升了AI项目的产出效率。难怪研究中78%的高管表示，负责任AI是其业务的关键增长驱动力。
平台、AI铸造厂与AI工厂的重要性
AI正在快速演进，因此根据目标用例采用最合适的模型和云基础设施至关重要。这种“多元AI”“多云”平台方式，即战略性地同时使用多个AI模型和多个云平台，连同必要的治理框架，有助于大规模推进负责任的AI创新。
这也避免了组织被锁定在多年期的AI投资中。
这种平台方式还支持智能体AI（agentic AI），该技术目前已应用于各行各业，其中以目标为导向的软件机器人在很少甚至无需人工干预的情况下完成任务。
该平台使用称为模型上下文协议和智能体间协议的特定通信规则，使AI智能体能够安全地与SAP和Salesforce等敏感企业系统交互。
这些协议旨在提供强有力的安全保障，确保任何智能体都不会执行意外或有害的任务。
平台方式可在加速AI解决方案开发的同时，实现符合隐私合规要求的流程。近期研究和客户经验表明一种两阶段方法：第一步，创建AI铸造厂，以试验新模型和解决方案，然后使用AI工厂将这些经验付诸运营。该方法在推进规模化应用的同时管理AI相关风险。
开源的转折点
同样关键的是，在负责任地规模化应用AI时选择底层AI模型。到2026年，许多组织将转向开源解决方案，并以63%的组织当前已在使用开源AI工具这一现状为基础。
对于Infosys等系统集成商而言，开源通过减少对少数主导提供商的依赖，并支持开发可扩展、高性价比的解决方案，使AI更加普惠。
选择开源而非专有模型的主要原因在于其较低的实施和维护成本，以及Hugging Face等生态系统所提供的灵活性和模型选择的广度。Hugging Face是面向开发者的集中式AI社区。
一个明显的趋势正在显现：客户在创新讨论中越来越青睐开源。企业被这些模型所提供的更高透明度和灵活性所吸引，也看重其可针对行业特定领域进行微调的能力，而在这些领域，模型准确性和语境理解至关重要。
然而，另一面也值得关注：这些模型究竟有多“开放”，仍存在疑问。许多模型仍不公开训练数据集、预训练流程和评估代码。这可能削弱模型的问责性，并使AI价值链中的责任划分更加复杂。
集中治理的必要性
除构建生产级AI平台和开源模型外，推动负责任创新落地的最有效方式是集中治理。AI模型和智能体的集中注册表可支持可扩展部署，同时维护安全性并遵守运营标准。
集中化能力还可实现成本追踪、性能监测和持续创新，确保AI部署始终负责、可靠且高效。
Infosys已推出多项举措，将责任与透明度融入其AI生态系统：
AI管理体系： 一个用于在开发和部署周期中持续验证AI使用情况的框架。
软件组件认证： 一个可验证的体系，确保所有软件组件均被追踪、获得适当许可、记录漏洞、降低供应链风险并防止许可违规。
负责任AI护栏： Infosys已开发出一套负责任AI工具包，内置偏差检测、可解释性和幻觉控制机制，确保AI系统在伦理和运营边界内运行。该工具包也已由Infosys开源，以便行业更广泛地采用。
数据集治理： 运用数据表（datasheet）和模型来源验证，并与欧盟《人工智能法案》及知识产权公约保持一致，以确保数据使用负责任并可追溯。
ISO 42001认证： 获得这一新兴的负责任AI标准认证，可增强员工和客户对AI系统的信任。
这些创新共同帮助Infosys大规模落地安全、负责任的AI解决方案。这一能力在支持创新的同时，也维护了信任和品牌声誉。在AI相关事件常常导致严重声誉损害的商业环境中，这一切至关重要。
通过人才推动负责任的AI创新
在所有这些因素中，人才维度或许最为关键。根据Infosys的AI商业价值雷达，积极培养和引导员工队伍的组织可获得最高回报，且始终优于那些在实施AI时未充分支持员工的组织。
事实上，创新文化往往比战略更为重要；正如Infosys所做的那样，为团队配备能力，使其成为先进AI解决方案的构建者，是迈向智能体AI新时代竞争优势的关键一步。
