2025年人工智能技术成熟度曲线：超越生成式AI

尽管存在伦理争议与社会隐忧，在去年的人工智能技术成熟度曲线报告中，生成式AI仍被定位为一项具有变革潜力、可能对商业生态产生深远影响的技术。今年该技术已进入泡沫破裂低谷期，企业开始深入了解其潜力和局限性。

在向企业证明生成式AI价值的过程中，AI领导者仍然面临着诸多挑战。尽管2024年对生成式AI的平均投入高达190万美元，仅不足30%的AI领导者表示其CEO对AI投资回报感到满意。低成熟度企业难以识别适用场景，对计划成效存在非理性预期。成熟机构则面临专业技术人才短缺和员工生成式AI素养的提升难题。

更广泛而言，治理挑战（如AI幻觉、算法偏见与公平性问题）及政府监管可能制约生成式AI在生产力提升、自动化应用和岗位转型中的部署。

随着企业逐渐调整生成式AI在其AI战略中的核心地位，关注重点转向支持可持续AI实施的使能技术。这类技术有助于优化AI系统集成与管理，提升实施效能和可扩展性。

例如，AI工程作为规模化交付企业级AI及生成式AI解决方案的基础学科，可支持企业持续安全地开发并扩展高价值AI解决方案组合。

模型操作化（ModelOps）是另一项关键基础技术，预计将最终达到生产力成熟期。该技术聚焦高级分析技术、AI及决策模型的端到端治理和生命周期管理，助力实现分析技术与AI/生成式AI项目的标准化、规模化和强化分析，并推动技术成果的生产化部署。

AI就绪数据和 AI智能体成为本年度技术成熟度曲线中移动幅度最大的技术，进一步印证了行业向基础AI技术转型的趋势。二者目前均处于期望膨胀期。

为推进AI规模化应用，决策者必须提升数据管理实践能力，确保AI就绪数据（通过验证其针对特定AI场景需求的适用性）能支撑现有及未来的业务需求。但57%的企业表示其数据尚未达到AI就绪标准。这类企业将面临无法实现业务目标，并且承受不必要的风险。

AI智能体是运用AI技术，在其数字或物理环境中进行感知、做出决策、采取行动并实现目标的自主或半自主软件实体。得益于AI技术的突破（如生成式AI演进、多模态理解及复合式AI），企业能够利用AI智能体执行复杂任务。

然而，该技术的复杂性导致其易受访问安全、数据安全与治理问题的影响。同时，企业对AI智能体在无监督条件下的运行能力缺乏实质信任，并对潜在错误的重大影响存有顾虑。

AI原生软件工程今年首次亮相技术成熟度曲线，其指的是一整套专门为配合AI工具使用而优化的软件开发流程和规范。

当前软件工程师已能运用AI技术自主或半自主完成软件开发周期中的一系列任务。目前主要集中于编码和测试环节的AI助手及测试工具，其本质更接近AI增强而非独立AI运作。

未来AI将深度融入各类软件工程任务中，成为原生性存在。这标志着软件开发角色的重大转型：工程师将转向更需要批判性思维、人类创造力与共情能力的高价值工作。

但需注意，AI输出存在偏见、幻觉和非确定性风险，软件工程师不可过度依赖。而多智能体工作流程更会形成复合型幻觉风险。此外，AI工具的应用也会扩大威胁暴露面，为企业制造新型安全漏洞。