在大企业内，曾经备受期待却悄然消失的人工智能(AI)示范项目不在少数。Boomi将这种失败的主要原因归咎于“数据激活”不足。也就是说，如果无法将所需数据实时连接到所需系统，那么无论多么先进的AI智能体，也很难在实际业务中落地。
Boomi首席执行官史蒂夫·卢卡斯在“Boomi World 2026”活动中表示，企业引入AI如今已超越概念验证阶段，进入了实际使用阶段。他解释说：“AI智能体不再是即将到来的技术，而是已经进驻现场”，在企业流程、集成和自动化领域，实际投资回报率已开始显现。
不过，实现AI成果的前提条件仍然十分苛刻。卢卡斯指出，大型机依赖结构、分散的数据管道以及运行数十年的企业资源规划(ERP)系统，是降低企业AI准备度的核心障碍。他表示：“必须首先掌握数据在哪里、质量是否过关、能否实时传输”，并指出，连人员使用的信息都无法稳定实时供应的企业，很难正常运作速度远快于人的AI。
关键在于“领域专用AI”而非通用AI
卢卡斯强调，企业需要的不是通用AI，而是根据行业法规和业务流程定制的“领域专用AI”。他举例说明，如果是医疗机构，就需要符合美国医疗保险可携性及责任法案(HIPAA)的医疗保健专用AI，同时还必须具备能与现有业务流程自然衔接的结构。
他预测，未来企业AI投资的效果，也将从普遍的生产力提升，迅速转向按行业和功能衡量的“领域专用ROI”。这似乎意味着，与其单纯比拼选择好的模型，如何针对特定业务精心设计数据和治理结构将变得更加重要。
实际案例也被展示出来。据Boomi称，Chronicle Bidco旗下的Lexitas已将约50%的监管严格的支付处理业务通过AI智能体实现了自动化。此外，Multiquip让智能体处理了约80%的技术支持咨询，从而减少了手动查阅数千份产品说明书的必要性。这些案例表明，AI智能体已并非简单实验，而是在特定业务中切实提升了生产力。
与红帽合作……企业级AI的决胜点是“控制力”
Boomi本周宣布与红帽建立战略合作伙伴关系，着手构建面向智能体型AI的集成堆栈。其构想是结合Boomi的“AgentStudio”和红帽AI，支持企业不依赖特定模型，在内部环境中私有化运行开放权重模型。
当被问及哪种AI模型最好时，卢卡斯回答：“答案是所有的模型都重要。”关键在于模型本身，而是如何将其容器化、如何与企业独有的数据结构连接、以及如何在不向外部大型AI厂商泄露敏感数据的前提下进行控制。换言之，他认为企业级AI竞争的核心在于“运营控制力”，而非“最佳性能模型”。
此番言论再次表明，相比华丽的AI战略，数据激活、治理、现有系统集成等“隐形基础设施”才是决定实际成败的关键。随着企业引入AI的速度加快，市场的关注点也很有可能从模型竞争转向实际应用与数据控制。
TP AI注意事项 本摘要使用了基于TokenPost.ai的语言模型生成。正文的主要内容可能已被排除或与事实不符。