本地部署的局限与云端部署的可能：管理者的 AI 策略

众多客户依托 Oracle 在企业应用领域逾四十载的深厚积淀，选择 Oracle Applications Unlimited 系列产品（包括 JD Edwards、PeopleSoft、Siebel 及 Oracle E-Business Suite）或 SAP 等同类平台作为其数十年稳定运营的基石。但随着近年来 AI 技术的爆发式发展，许多企业的管理者正努力探索如何在传统应用中运用 AI 技术。今年早些时候，《福布斯》报道称全球十家大型企业中有六家已使用生成式 AI 技术，其中 74% 的企业获得了显著投资回报，45% 的企业员工生产力实现翻倍。¹ AI 技术正在创造切实价值，善用 AI 技术的企业能够更快、更高效地应对市场变化。对于规模较小的企业而言，这种生产力提升更可成为其差异化优势，助其高效拓展业务并颠覆市场格局。但随着 AI 应用普及，此类效率提升渐成标配，那些迟迟不采用 AI 技术的企业恐将迅速落后于竞争对手。

选择 AI 实施路径

企业管理者正面临董事会对其 AI 策略的问责，他们必须制定能在当今 AI 驱动市场中保持竞争力的方案，并快速行动以跟上市场步伐，避免业务中断。尽管 Oracle Applications Unlimited 计划将持续支持至 2035 年，但管理者必须决定：是在原有系统基础上添加 AI 功能，还是迁移至已内置 AI 功能的现代化平台？以 Oracle Fusion Cloud Applications 为例，其提供覆盖财务、人力资源、供应链和客户体验的完整现代优秀实践，并内置 150 多个 AI 功能。Fusion Applications 通过快速的创新迭代和季度更新周期，让企业在核心业务流程中实施 AI 策略的同时，持续提升投资回报率。

对于已深度定制传统系统的企业而言，向 Oracle Fusion Applications 迁移看似艰巨，但构建高效的 AI 工具的难度更大。尽管 AI 潜力巨大，许多企业仍难以落实其 AI 愿景。《华尔街日报》近期报道指出，尽管众多高管对 AI 仍持乐观态度，但实际投入的工作量远超预期。² 市场上虽有大量 AI 服务与工具，但要实施有效的 AI 策略，需具备数据科学技能、开发专长、专用基础设施、深厚的业务流程知识和高质量可信数据。尽管多数企业可能具备部分能力，但鲜有能全面掌握所有关键能力以实施可创造实际价值的 AI 策略。

常见的 AI 挑战

当管理者深入推进 AI 之旅时，普遍面临诸多挑战。如果企业拥有多套分散系统或高度定制化本地应用，高管往往需要先清理数据才能开启 AI 旅程。即使数据能够整合，基于历史数据训练模型看似简单，但业务流程变更、异常情况和数据集的异常值都可能影响 AI 的准确性。随着工具使用频率增加，这些因素还会导致模型漂移。此外，AI 专业人才供不应求，企业难以招募、吸引并留住优秀 AI 人才。成功的 AI 项目需要对业务流程有深刻理解，这意味着必须获得业务部门负责人的支持，而他们对 AI 工具的运作方式可能持有不同的愿景。

运行 AI 模型的图形处理器 (GPU) 受供应链短缺影响。GPU 需消耗大量电力，可能影响企业的可持续发展目标。此外，同时运行多个 GPU 来执行复杂任务需无损网络环境支持。所有这些因素都可能导致 AI 解决方案实施成本极高。

除 AI 实施的技术挑战外，近期出台的监管举措（如欧盟《人工智能法案》 ³ 和加拿大《人工智能与数据法案》⁴）以及现行隐私法规（如《加州消费者隐私法案》⁵和欧盟《通用数据保护条例》⁶）均对不合规的 AI 应用构成监管风险。在招聘实践中使用 AI 也会增加风险，并受到监管机构的严格审查。⁷ 因此，IT 高管面临着艰巨的挑战，必须在快速变化的技术环境、人才市场与监管框架中推进企业 AI 策略实施并创造价值。

构建成功的 AI 策略

成功的 AI 策略不能仅关注技术解决方案，而是需要多维度布局才能充分发挥价值。美国国家经济研究局的研究表明，要通过 AI 应用充分提高生产力，企业需同步构建配套流程体系、推进组织架构变革，并培养员工使用新 AI 工具的适应能力。⁸。

有效的 AI 策略需要全新的思维方式，例如将 AI 融入核心业务流程中，而非简单叠加于现有流程之上。虽然 GenAI 工具确实能创造价值，但对于拥有高度定制化传统系统的企业而言，若将 AI 工具应用于非 AI 原生的流程中，往往难以实现变革性效益。

高管在选择嵌入式 AI 解决方案时，必须重点关注数据隐私与安全。部分 AI 供应商通过合同条款强制用户允许匿名数据挖掘，以便其将企业数据和知识产权变现。然而由于数据差异性，聚合多组数据仅能产生有限价值。

此外，AI 策略必须确保人类在 AI 流程中的参与权，包括赋予员工主动启用 AI 工具、接受或拒绝建议、修改 AI 生成内容的能力。NIST AI 风险管理框架指出，保持人类对 AI 流程的介入有助于促进公平公正的结果。⁹

最后，AI 策略还需具备灵活性与前瞻性。AI 技术创新速度远超互联网和智能手机等既往变革性技术。两年前，生成式 AI 横空出世，促进 AI 技术普及化，实现与数据的自然语言交互；一年后，检索增强生成 (RAG) 等技术让 AI 无需定制训练即可提供情境化答案。现在，全新的 agentic AI 有望结合机器学习、高级分析和情境化生成式 AI 的强大功能，实现流程自动化并创造更高的业务价值。这种融合多重技术的 agentic AI，除技术成熟的机构外，对大多数组织都将构成挑战。据《CIO》杂志报告，由于其复杂性，约 75% 自行开发 AI agents 的企业恐将失败。¹⁰

因此，鉴于 SaaS 技术的快速创新与迭代周期，企业高管应考虑采用内置 AI 的 SaaS 优先策略，以快速实现显著的 AI 生产力提升。简而言之，由于 AI 的复杂性，能买到的就不要自己开发。

Oracle 如何助您一臂之力

在 AI 供应商中，Oracle 凭借其内置的 AI 技术，处于独特优势地位，能够帮助高管实施有效的 AI 策略。Oracle 通过将广泛的预测性与生成式 AI 及 AI agent 功能直接融入日常流程中，持续扩展 Fusion Applications 的功能，从而实现 AI 普及化，让所有终端用户无需具备数据科学知识也能从中受益。作为设计时环境，Oracle AI Agent Studio for Fusion Applications 提供工具来支持客户创建、定制、验证并部署 GenAI 功能与 AI agents，以满足特定需求。不同于高度定制化的传统应用，Fusion Applications 的统一数据模型能提供高效 AI 应用所需的稳定高质量数据。此外，Oracle Fusion Applications 已包含运行 AI 所需的 Oracle Cloud Infrastructure (OCI) 计算能力，无需额外付费。

安全是刻在 Oracle DNA 里的。因此，Oracle Fusion Applications 的 AI 严禁将客户数据共享给 Oracle 或第三方大型语言模型供应商。通过保持人类对 AI 工具的参与权及季度更新周期，Oracle Fusion Applications 的 AI 技术始终坚持以人为本、面向未来，并实现开箱即用。

面对创新加速与落后风险并存的现状，高管应借助 Oracle Fusion Applications 推进 AI 策略。Oracle 助力企业采用现代优秀实践，运用 AI 驱动的分析技术及可开箱即用的 agentic AI。借助内置 AI 的 Oracle Fusion Applications，企业能够将 AI 应用聚焦于特定业务场景。相较于在传统系统上构建 AI 工具，Oracle Fusion Applications 为企业铺就了一条在全组织范围内实现 AI 价值的康庄大道。

后续举措

若贵组织已准备好在 Oracle Fusion Applications 中实施嵌入式 AI 技术，请随时通过 Oracle Cloud Applications 销售团队与我们联系。

有关 Fusion Applications 中的 AI 功能的更多信息，请参阅 Oracle AI for Fusion Applications。若希望了解 Oracle Cloud Applications 的底层技术架构，敬请查阅我们的博客文章系列（推荐从开篇导读开始）。

本文作者隶属于甲骨文公司北美应用技术与创新办公室，该团队专注于通过技术创新助力客户实现业务现代化，在 AI、SaaS、平台技术、运营及数据管理领域提供专业洞见与愿景。