自動化正從常規(guī)的 IT 任務(wù)轉(zhuǎn)變?yōu)橐粓霰枷蚰：磺褰K點線的競賽。 AI 就像是擋風(fēng)玻璃上的污漬，使人難以辨清前進方向，而道路上的各種障礙則進一步加大了實現(xiàn)高效運營的難度。

“對一些人來說，自動化只是一個流行詞和一場艱難的戰(zhàn)斗，但對大多數(shù)技術(shù)人員而言，它簡單得就像 ABC。 然而，許多技術(shù)主管和 CIO 在起跑線上就已陷入困境，”巴基斯坦娛樂平臺 Begin 的首席技術(shù)官 Muhammad Nabeel 表示。

問題一開始就源于常見的公司政治和 AI ——這兩者的協(xié)商比會計和高管更為棘手。

“如今，AI 對生活的各個領(lǐng)域都產(chǎn)生了深遠(yuǎn)影響，尤其是在科技領(lǐng)域。因此，每一位 CIO 或技術(shù)負(fù)責(zé)人都必須將 AI 因素納入考量，”Nabeel 補充道。

雖然 AI 是一股主導(dǎo)力量，但它并不是自動化領(lǐng)域的唯一變量。一些既定工具和規(guī)則依然適用。不幸的是，以前的陷阱和挑戰(zhàn)也仍然存在，此外還疊加了所有由 AI 帶來的問題。

“今年，如果忽視隱藏成本和監(jiān)管方面的突發(fā)情況，將會受到打擊。除了許可證費用之外，還要注意集成時可能出現(xiàn)的混亂局面 —— 系統(tǒng)之間無法‘順暢對話’ —— 以及阻礙采用的培訓(xùn)缺口。諸如不斷演變的 GDPR [the European Union’s General Data Privacy Regulation] 和 AI 透明度法等全新數(shù)據(jù)隱私法規(guī)，都意味著 CIO 必須對工具的合規(guī)性和倫理設(shè)計進行嚴(yán)格審查，”Looka（一款用于設(shè)計標(biāo)志的 AI 平臺）的首席執(zhí)行官兼聯(lián)合創(chuàng)始人 Dawson Whitfield 如是說。

總的來說，IT 面臨的任務(wù)繁重。為了保持理智和策略性，或許最好先思考各種陷阱和挑戰(zhàn)，再制定相應(yīng)策略。

陷阱1：遇到看不見的障礙

在實施自動化并使所有運作環(huán)節(jié)協(xié)調(diào)一致的過程中，有時人們會忽視首先評估他們想要自動化的流程。

“你不知道自己不知道的東西，也無法改進看不見的問題。缺乏流程可視性可能會使自動化僅僅變成對有缺陷流程的自動化，從而加速問題的惡化，浪費時間和資源，并削弱懷疑者的信任，”Celonis（一家流程挖掘與流程智能提供商）的轉(zhuǎn)型布道師 Kerry Brown 說道。

自動化流程的目的是提升業(yè)務(wù)的執(zhí)行效果。這意味著必須將自動化努力與明確的投資回報率 ( ROI ) 直接關(guān)聯(lián)起來。

“在評估組織中的 AI 與自動化機會時，往往存在對技術(shù)之外業(yè)務(wù)影響認(rèn)識不足的問題。CIO 必須確保能夠?qū)?AI 能力轉(zhuǎn)化為具體的商業(yè)策略，以便向利益相關(guān)者展示強大的 ROI 潛力，”PagerDuty（一家以 AI 為先的運營平臺）的 CIO Eric Johnson 說道。

陷阱2：低估數(shù)據(jù)質(zhì)量問題

數(shù)據(jù)可謂是 IT 最無趣的問題。因為更新、標(biāo)注、管理和儲存海量數(shù)據(jù)需要付出巨大努力，且這項工作永無止境。雖然這工作枯燥，但卻至關(guān)重要，拖延不得，否則后果可能十分嚴(yán)重。

“CIO 在推動自動化時常犯的一個重大錯誤，就是低估數(shù)據(jù)質(zhì)量的重要性。自動化工具旨在大規(guī)模處理和分析數(shù)據(jù)，但它們完全依賴于輸入數(shù)據(jù)的質(zhì)量，”Thunderbit（一款 AI 網(wǎng)絡(luò)爬蟲工具）的聯(lián)合創(chuàng)始人兼 CEO Shuai Guan 說道。

“如果數(shù)據(jù)不完整、不一致或不準(zhǔn)確，自動化不僅無法產(chǎn)生有意義的結(jié)果，還可能加劇現(xiàn)有問題。例如，將有缺陷的客戶數(shù)據(jù)輸入自動化營銷系統(tǒng)可能導(dǎo)致錯誤的定位、資源浪費，甚至聲譽受損，”Guan 補充道。

陷阱3：混淆任務(wù)與目標(biāo)

一種典型做法是自動化那些簡單重復(fù)的流程，而不去關(guān)注其背后潛藏的問題。如今忽視根因，最終可能帶來極大損害。

“CIO 常常陷入這樣一種誤區(qū)，認(rèn)為自動化僅僅是降低噪音和減少工單數(shù)量。雖然這是一個相當(dāng)常見的應(yīng)用場景，但若能戰(zhàn)略性地運用自動化，其價值遠(yuǎn)不止于此，”Tanium（一家自治端點管理與安全平臺）的 CIO Erik Gaston 說道。

“如果 CIO 們只專注于抑制低級別的工單，而不解決問題的根源或理解更廣泛的模式，則可能會使這些問題演變成更嚴(yán)重的問題，并最終引發(fā)更大的風(fēng)險。經(jīng)常被壓制的 3-4 級問題，若長時間無人處理，最終可能升級為 1 或 2 級問題！”Gaston 說道。

還要記住，商業(yè)目標(biāo)和技術(shù)都會隨著時間而變化，流程也必須隨之調(diào)整。

“應(yīng)聚焦于高影響領(lǐng)域，初期充分利用開源工具的力量，并持續(xù)監(jiān)控成果。必要時進行調(diào)整。切勿采用‘部署后置之不理’的原則，”Nabeel 說道。

陷阱4：未能規(guī)劃好集成工作

集成在某個時點是必不可少的。對于 AI 來說，與人工監(jiān)督者的集成需求尤為迫切，而且常常還需要與其他軟件進行整合。

“一個常見錯誤是認(rèn)為由 AI 驅(qū)動的自動化可以在無人監(jiān)督的情況下運作。雖然 AI 是一個強大的工具，但它仍然需要人工檢測以捕捉錯誤、偏差或安全風(fēng)險，”Blink Ops（一家基于 AI 的網(wǎng)絡(luò)安全自動化平臺）的高級安全解決方案工程師 Mason Goshorn 說道。

然而，即使是傳統(tǒng)的自動化工具也需要集成。大多數(shù) IT 人員對此有所認(rèn)識，但這并不意味著他們在最終策略中做好了相關(guān)規(guī)劃。

“另一個挑戰(zhàn)在于未能規(guī)劃好集成工作，這可能導(dǎo)致供應(yīng)商鎖定和系統(tǒng)割裂。CIO 應(yīng)選擇能夠與現(xiàn)有基礎(chǔ)設(shè)施兼容且支持開放標(biāo)準(zhǔn)的自動化工具，以避免陷入單一供應(yīng)商的生態(tài)系統(tǒng)，”Goshorn 說道。

陷阱5：未能讓數(shù)據(jù)驅(qū)動自動化決策

往往所謂的計劃其實只是急于自動化低垂果實以圖迅速獲勝。不幸的是，快贏不一定等同于大贏。成本效益分析會為你指明正確方向，而匆忙選擇可能會使你誤入歧途。

“對于發(fā)生頻率較低或耗時較少的流程，自動化的價值較低。像大多數(shù)業(yè)務(wù)流程一樣，自動化也會產(chǎn)生成本，而且節(jié)省下來的成本應(yīng)超過實施與維護的費用，”NCC Group（一家網(wǎng)絡(luò)安全公司、網(wǎng)絡(luò)安全咨詢公司）的技術(shù)總監(jiān)兼 AI 和 ML 安全負(fù)責(zé)人 David Brauchler 說道。

及早識別哪些流程不適合自動化，也是節(jié)省精力、時間和成本的一個辦法。

“任何需要復(fù)雜人類推理、情感或互動，或不遵循既定規(guī)則與結(jié)構(gòu)的流程，都不適宜進行自動化。當(dāng)然，AI 正在模糊這一界限，并在模擬復(fù)雜人類行為以及構(gòu)建不存在的結(jié)構(gòu)方面越來越出色。然而，鑒于當(dāng)前的發(fā)展?fàn)顩r以及可能產(chǎn)生的法律和道德后果，此類流程應(yīng)在自動化中降低優(yōu)先級，”NCC Group 的技術(shù)總監(jiān)、風(fēng)險管理與治理負(fù)責(zé)人 Sourya Biswas 說道。

“此外，考慮到分析、實施和集成自動化所需的前置時間，對于近期內(nèi)可能發(fā)生重大運行條件變化的流程，不應(yīng)考慮自動化，因為在流程本身過時之前，其投資回報率 ( ROI ) 可能無法達正值，”Biswas 補充道。

陷阱6：只關(guān)注成本

鑒于全球經(jīng)濟因通脹、政治動蕩及其他因素而充滿不確定性，關(guān)注成本問題是可以理解的。但這種狹隘的焦點可能會讓你忽略其他預(yù)算方面的影響。

“CIO 很可能會因選擇了不合適的技術(shù)而面臨集成困境、不必要的復(fù)雜性，甚至供應(yīng)商鎖定。一個常見的陷阱就是只關(guān)注成本節(jié)約，而忽視了諸如敏捷性、創(chuàng)新性和客戶體驗等更廣泛的收益，這會限制自動化的實際價值，”IT 咨詢公司 Asperitas 的應(yīng)用轉(zhuǎn)型負(fù)責(zé)人 Derek Ashmore 說道。

新興挑戰(zhàn)

2025 年為 IT 在自動化實施方面帶來了許多新挑戰(zhàn)。盡管法規(guī)變化和相關(guān)合規(guī)成本一直是問題，如今這一問題變得更加突出。

“今年，CIO 應(yīng)特別關(guān)注可能影響其自動化策略的新興監(jiān)管要求。了解行業(yè)特定法規(guī)和合規(guī)標(biāo)準(zhǔn)至關(guān)重要，尤其是對于自動化系統(tǒng)如何處理數(shù)據(jù)這一點，”DXC Technology（一家全球科技服務(wù)提供商）的全球基礎(chǔ)設(shè)施服務(wù)執(zhí)行副總裁 Chris Drumgoole 表示。

你不僅要密切關(guān)注聯(lián)邦法規(guī)，還要留意地區(qū)和州級法規(guī)。

“AI 在 IT 自動化中的整合正在加速，其中生成式 AI 和 agentic AI 等技術(shù)扮演著關(guān)鍵角色。美國各州立法機構(gòu)正積極推出與 AI 相關(guān)的法案，2025 年已提議數(shù)百項，”Ashmore 表示。

Ashmore 警告稱，這些立法努力涵蓋了全面的消費者保護、針對自動化決策的行業(yè)特定法規(guī)、聊天機器人監(jiān)管、生成式 AI 透明度、數(shù)據(jù)中心能源使用以及與先進 AI 模型相關(guān)的公共安全問題。

“州級法規(guī)的激增為實施 IT 自動化的組織增加了合規(guī)復(fù)雜性，”Ashmore 補充道。

部分新興挑戰(zhàn)更加直接地關(guān)聯(lián)于自動化實施。

Adeptia（一家 AI 與自助服務(wù)平臺）的總裁兼首席技術(shù)官 Deepak Singh 表示，在實現(xiàn) AI 落地過程中出現(xiàn)的意外支出、多云集成復(fù)雜度的增加以及不斷擴展的生態(tài)系統(tǒng)中對集成的要求，都給 IT 帶來了壓力。

此外，在暗流中潛藏但即將引發(fā)嚴(yán)重問題的，是越來越猖獗的影子 AI。企業(yè)用戶常常依賴免費或低成本的 AI 訂閱模式來完成工作，規(guī)避企業(yè)監(jiān)督或干預(yù)。再者，各類企業(yè)軟件和硬件以及智能手機等私人設(shè)備中嵌入的 AI 模型數(shù)量不斷增加，這意味著大量無人監(jiān)管且可能不安全的 AI 正在組織中漫游。例如，許多 AI 模型可能在收集數(shù)據(jù)以訓(xùn)練未來的 AI，其中一些數(shù)據(jù)可能具有專有性。

最后但同樣重要的是，缺乏將業(yè)務(wù)流程重塑為符合 AI 特質(zhì)且適應(yīng)各種自動化工具需求的人才。

“領(lǐng)導(dǎo)者應(yīng)著重提升現(xiàn)有人才的技能，并投資于社區(qū)建設(shè)，以構(gòu)建強大的人才梯隊。這樣一來，隨著自動化的增加，員工便可承擔(dān)監(jiān)督角色，并有更多精力專注于能夠提升企業(yè)業(yè)績的創(chuàng)新，”Deloitte（一家咨詢公司）的智能制造業(yè)務(wù)負(fù)責(zé)人 Tim Gaus 說道。

成功的關(guān)鍵在于培訓(xùn)領(lǐng)域?qū)＜疫\用 AI 及其他技術(shù)，并準(zhǔn)確評估哪些流程可以成功自動化，哪些不行。

“對于制造業(yè)來說，關(guān)鍵在于確保人才既懂制造，也懂 IT。這可以通過對生產(chǎn)人員進行 IT 培訓(xùn)實現(xiàn)，但同時必須確保 IT 人員及其合作伙伴了解生產(chǎn)現(xiàn)場的真實挑戰(zhàn)和數(shù)據(jù)環(huán)境。IT 與 OT ( Operational Technology ) 不應(yīng)再有隔閡，而應(yīng)朝著共同目標(biāo)協(xié)同作戰(zhàn)，并充分理解彼此的領(lǐng)域，”Gaus 說道。