摘要：自动化正从常规的 IT 任务转变为一场奔向模糊不清终点线的竞赛。 AI 就像是挡风玻璃上的污渍，使人难以辨清前进方向，而道路上的各种障碍则进一步加大了实现高效运营的难度。
自动化正从常规的 IT 任务转变为一场奔向模糊不清终点线的竞赛。 AI 就像是挡风玻璃上的污渍，使人难以辨清前进方向，而道路上的各种障碍则进一步加大了实现高效运营的难度。
“对一些人来说，自动化只是一个流行词和一场艰难的战斗，但对大多数技术人员而言，它简单得就像 ABC。 然而，许多技术主管和 CIO 在起跑线上就已陷入困境，”巴基斯坦娱乐平台 Begin 的首席技术官 Muhammad Nabeel 表示。
问题一开始就源于常见的公司政治和 AI ——这两者的协商比会计和高管更为棘手。
“如今，AI 对生活的各个领域都产生了深远影响，尤其是在科技领域。因此，每一位 CIO 或技术负责人都必须将 AI 因素纳入考量，”Nabeel 补充道。
虽然 AI 是一股主导力量，但它并不是自动化领域的唯一变量。一些既定工具和规则依然适用。不幸的是，以前的陷阱和挑战也仍然存在，此外还叠加了所有由 AI 带来的问题。
“今年，如果忽视隐藏成本和监管方面的突发情况，将会受到打击。除了许可证费用之外，还要注意集成时可能出现的混乱局面 —— 系统之间无法‘顺畅对话’ —— 以及阻碍采用的培训缺口。诸如不断演变的 GDPR [the European Union’s General Data Privacy Regulation] 和 AI 透明度法等全新数据隐私法规，都意味着 CIO 必须对工具的合规性和伦理设计进行严格审查，”Looka（一款用于设计标志的 AI 平台）的首席执行官兼联合创始人 Dawson Whitfield 如是说。
总的来说，IT 面临的任务繁重。为了保持理智和策略性，或许最好先思考各种陷阱和挑战，再制定相应策略。
陷阱1：遇到看不见的障碍
在实施自动化并使所有运作环节协调一致的过程中，有时人们会忽视首先评估他们想要自动化的流程。
“你不知道自己不知道的东西，也无法改进看不见的问题。缺乏流程可视性可能会使自动化仅仅变成对有缺陷流程的自动化，从而加速问题的恶化，浪费时间和资源，并削弱怀疑者的信任，”Celonis（一家流程挖掘与流程智能提供商）的转型布道师 Kerry Brown 说道。
自动化流程的目的是提升业务的执行效果。这意味着必须将自动化努力与明确的投资回报率 ( ROI ) 直接关联起来。
“在评估组织中的 AI 与自动化机会时，往往存在对技术之外业务影响认识不足的问题。CIO 必须确保能够将 AI 能力转化为具体的商业策略，以便向利益相关者展示强大的 ROI 潜力，”PagerDuty（一家以 AI 为先的运营平台）的 CIO Eric Johnson 说道。
陷阱2：低估数据质量问题
数据可谓是 IT 最无趣的问题。因为更新、标注、管理和储存海量数据需要付出巨大努力，且这项工作永无止境。虽然这工作枯燥，但却至关重要，拖延不得，否则后果可能十分严重。
“CIO 在推动自动化时常犯的一个重大错误，就是低估数据质量的重要性。自动化工具旨在大规模处理和分析数据，但它们完全依赖于输入数据的质量，”Thunderbit（一款 AI 网络爬虫工具）的联合创始人兼 CEO Shuai Guan 说道。
“如果数据不完整、不一致或不准确，自动化不仅无法产生有意义的结果，还可能加剧现有问题。例如，将有缺陷的客户数据输入自动化营销系统可能导致错误的定位、资源浪费，甚至声誉受损，”Guan 补充道。
陷阱3：混淆任务与目标
一种典型做法是自动化那些简单重复的流程，而不去关注其背后潜藏的问题。如今忽视根因，最终可能带来极大损害。
“CIO 常常陷入这样一种误区，认为自动化仅仅是降低噪音和减少工单数量。虽然这是一个相当常见的应用场景，但若能战略性地运用自动化，其价值远不止于此，”Tanium（一家自治端点管理与安全平台）的 CIO Erik Gaston 说道。
“如果 CIO 们只专注于抑制低级别的工单，而不解决问题的根源或理解更广泛的模式，则可能会使这些问题演变成更严重的问题，并最终引发更大的风险。经常被压制的 3-4 级问题，若长时间无人处理，最终可能升级为 1 或 2 级问题！”Gaston 说道。
还要记住，商业目标和技术都会随着时间而变化，流程也必须随之调整。
“应聚焦于高影响领域，初期充分利用开源工具的力量，并持续监控成果。必要时进行调整。切勿采用‘部署后置之不理’的原则，”Nabeel 说道。
陷阱4：未能规划好集成工作
集成在某个时点是必不可少的。对于 AI 来说，与人工监督者的集成需求尤为迫切，而且常常还需要与其他软件进行整合。
“一个常见错误是认为由 AI 驱动的自动化可以在无人监督的情况下运作。虽然 AI 是一个强大的工具，但它仍然需要人工检测以捕捉错误、偏差或安全风险，”Blink Ops（一家基于 AI 的网络安全自动化平台）的高级安全解决方案工程师 Mason Goshorn 说道。
然而，即使是传统的自动化工具也需要集成。大多数 IT 人员对此有所认识，但这并不意味着他们在最终策略中做好了相关规划。
“另一个挑战在于未能规划好集成工作，这可能导致供应商锁定和系统割裂。CIO 应选择能够与现有基础设施兼容且支持开放标准的自动化工具，以避免陷入单一供应商的生态系统，”Goshorn 说道。
陷阱5：未能让数据驱动自动化决策
往往所谓的计划其实只是急于自动化低垂果实以图迅速获胜。不幸的是，快赢不一定等同于大赢。成本效益分析会为你指明正确方向，而匆忙选择可能会使你误入歧途。
“对于发生频率较低或耗时较少的流程，自动化的价值较低。像大多数业务流程一样，自动化也会产生成本，而且节省下来的成本应超过实施与维护的费用，”NCC Group（一家网络安全公司、网络安全咨询公司）的技术总监兼 AI 和 ML 安全负责人 David Brauchler 说道。
及早识别哪些流程不适合自动化，也是节省精力、时间和成本的一个办法。
“任何需要复杂人类推理、情感或互动，或不遵循既定规则与结构的流程，都不适宜进行自动化。当然，AI 正在模糊这一界限，并在模拟复杂人类行为以及构建不存在的结构方面越来越出色。然而，鉴于当前的发展状况以及可能产生的法律和道德后果，此类流程应在自动化中降低优先级，”NCC Group 的技术总监、风险管理与治理负责人 Sourya Biswas 说道。
“此外，考虑到分析、实施和集成自动化所需的前置时间，对于近期内可能发生重大运行条件变化的流程，不应考虑自动化，因为在流程本身过时之前，其投资回报率 ( ROI ) 可能无法达正值，”Biswas 补充道。
陷阱6：只关注成本
鉴于全球经济因通胀、政治动荡及其他因素而充满不确定性，关注成本问题是可以理解的。但这种狭隘的焦点可能会让你忽略其他预算方面的影响。
“CIO 很可能会因选择了不合适的技术而面临集成困境、不必要的复杂性，甚至供应商锁定。一个常见的陷阱就是只关注成本节约，而忽视了诸如敏捷性、创新性和客户体验等更广泛的收益，这会限制自动化的实际价值，”IT 咨询公司 Asperitas 的应用转型负责人 Derek Ashmore 说道。
新兴挑战
2025 年为 IT 在自动化实施方面带来了许多新挑战。尽管法规变化和相关合规成本一直是问题，如今这一问题变得更加突出。
“今年，CIO 应特别关注可能影响其自动化策略的新兴监管要求。了解行业特定法规和合规标准至关重要，尤其是对于自动化系统如何处理数据这一点，”DXC Technology（一家全球科技服务提供商）的全球基础设施服务执行副总裁 Chris Drumgoole 表示。
你不仅要密切关注联邦法规，还要留意地区和州级法规。
“AI 在 IT 自动化中的整合正在加速，其中生成式 AI 和 agentic AI 等技术扮演着关键角色。美国各州立法机构正积极推出与 AI 相关的法案，2025 年已提议数百项，”Ashmore 表示。
Ashmore 警告称，这些立法努力涵盖了全面的消费者保护、针对自动化决策的行业特定法规、聊天机器人监管、生成式 AI 透明度、数据中心能源使用以及与先进 AI 模型相关的公共安全问题。
“州级法规的激增为实施 IT 自动化的组织增加了合规复杂性，”Ashmore 补充道。
部分新兴挑战更加直接地关联于自动化实施。
Adeptia（一家 AI 与自助服务平台）的总裁兼首席技术官 Deepak Singh 表示，在实现 AI 落地过程中出现的意外支出、多云集成复杂度的增加以及不断扩展的生态系统中对集成的要求，都给 IT 带来了压力。
此外，在暗流中潜藏但即将引发严重问题的，是越来越猖獗的影子 AI。企业用户常常依赖免费或低成本的 AI 订阅模式来完成工作，规避企业监督或干预。再者，各类企业软件和硬件以及智能手机等私人设备中嵌入的 AI 模型数量不断增加，这意味着大量无人监管且可能不安全的 AI 正在组织中漫游。例如，许多 AI 模型可能在收集数据以训练未来的 AI，其中一些数据可能具有专有性。
最后但同样重要的是，缺乏将业务流程重塑为符合 AI 特质且适应各种自动化工具需求的人才。
“领导者应着重提升现有人才的技能，并投资于社区建设，以构建强大的人才梯队。这样一来，随着自动化的增加，员工便可承担监督角色，并有更多精力专注于能够提升企业业绩的创新，”Deloitte（一家咨询公司）的智能制造业务负责人 Tim Gaus 说道。
成功的关键在于培训领域专家运用 AI 及其他技术，并准确评估哪些流程可以成功自动化，哪些不行。
“对于制造业来说，关键在于确保人才既懂制造，也懂 IT。这可以通过对生产人员进行 IT 培训实现，但同时必须确保 IT 人员及其合作伙伴了解生产现场的真实挑战和数据环境。IT 与 OT ( Operational Technology ) 不应再有隔阂，而应朝着共同目标协同作战，并充分理解彼此的领域，”Gaus 说道。
来源：至顶网一点号