夜雨聆风2026 年，智能体将在企业级应用中取得哪些实质性突破？ 点击下载 《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！
人工智能不再停留在试点阶段——它正在交付可衡量的底线影响。随着企业从试验走向生产，讨论的重心已从“能做什么？”转向“回报是什么？”
尽管人工智能在放大影响力和生产力方面仍有难以估量的潜力，但企业只有将 AI 真正嵌入到实际工作流程中，才能实现这一价值。最强的投资回报（ROI）并非来自孤立的试点项目，而是源于将 AI 集成到核心运营中，并以可信数据、强健治理和合适技能为支撑。只有这样，AI 才能驱动持续的影响。
我们最新的研究印证了这一观点：在生成式 AI 和智能体方面进行战略投资的企业，正在实现规模化加速并获取真实利润。 生成式 AI 和智能体的投资回报率为 49%——即每投入 1 美元，可获得 1.49 美元回报——这一数字比去年的研究结果提升了约 20%。
这一数据来自我们最新发布的报告《生成式 AI 与智能体的投资回报率》。该全球性研究由 Informa TechTarget 下属的 Omdia 的研究人员执行，调查了来自 10 个国家的 2050 位业务和 IT 领导者，结果显示企业正在将 AI 试验转化为可衡量的规模化回报。我们在 Snowflake 内部也亲身经历了这一转变：与客户的讨论已稳步从试验阶段转向生产阶段的成功。
过去一年的各种研究已经从不同角度探讨了生成式 AI 和智能体的问题，这些研究会不时关注试点项目的失败率（在这些试点项目中，一定比例的失败是收获成功所必需的）、其实施障碍以及衡量价值所面临的挑战。而本研究则围绕两个关键问题展开：您是否看到了 AI 投资的回报？如果进行量化，回报有多高？根据受访者的反馈，92% 的企业表示其 AI 投资获得了回报。
这些企业是如何取得成功的？本报告的数据揭示了一套可遵循的方法，其核心在于愿意一头扎进这一快速演进的技术并将其投入实际应用的意愿。而这种意愿就要求要重视数据，这在 AI 的实施过程中是成败的关键。
在 Snowflake，我们的理念很简单：将 AI 带到数据所在之处，而非反其道而行之。企业已将最宝贵的资产托付给 Snowflake，而实现投资回报的路径始于将 AI 直接置于这套受管控且统一的数据基础之上。当 AI 运行在您数据已经存在的地方——安全、并具备内置的基于角色的访问控制与可观测性——企业就能更有信心地从试验阶段走向生产阶段。
智能体人工智能进入生产环境的速度远超许多人预期。生成式人工智能负责生成内容，而智能体人工智能则能够采取行动。尽管企业可能从小处着手以验证其智能体解决方案的有效性，但智能体已积极参与到当今的工作流程之中。这一转变正从根本上改变生产力与决策方式。虽然许多重复性任务正因智能体而加速完成，但人类仍需承担审核、协调以及提供战略监督的职责——至少目前，智能体解决方案尚不具备这种战略层面的能力。
智能体人工智能标志着您已开始与您的业务展开真正对话。多年来，商业智能（BI）工具只能告诉您发生了什么。而基于坚实数据基础构建的智能体系统，如今能够帮助您解释事件发生的原因，并推荐下一步应采取的举措。这种从被动式仪表板向主动、智能决策的转变，正是释放持久企业价值的关键所在。
企业领导者必须理解的是，这一变革正在以极快的速度发生。智能体企业带来的颠覆性影响并非 2030 年才需面对的挑战，而是随着智能体应用的加速，当下就已感受到的挑战。我们的研究显示，32% 的早期采用者已将智能体解决方案部署到生产环境中，另有 25%的企业计划在未来一年内加入这一行列。
至关重要的是，这些智能体并非不受约束地运行。它们正作为人类工作者的智能合作伙伴被部署，重点聚焦于：
智能体也越来越多地用于软件开发。目前，近一半（48%）的代码由人工智能生成，82% 的组织报告称，智能体改善了代码测试和缺陷检测。此外，80% 的组织表示整体代码质量得到了提升。这些结果显示了智能体正以多么快的速度从实验阶段迈向真正的、企业级的广泛影响。
Snowflake 正在亲身推动这一变革。凭借对 Cortex Code 的全新创新——Snowflake 面向本地开发环境推出的 AI 编码智能体——开发者能够在其首选的数据工程系统内直接获得安全、具备上下文感知能力的 AI 辅助。这使得团队可以无缝处理位于任何位置的数据，并以更高的速度和效率构建、管理和优化生产级工作流。
报告中一个最值得关注的洞察是：企业高管预计，在未来三年内，他们所支持的智能体项目中约有 41%会失败。这些领导者认识到，被放弃的试点项目是迭代过程的一部分，而非真正的失败。通过将这种容错空间纳入战略规划，他们最终能够获得可投入生产环境的解决方案，并实现前文提到的平均 49%的投资回报率（ROI）。
对企业而言，这是一个转折点：从生成式人工智能向自主行动的转变，正在重新定义价值在企业内部的创造方式，而能够有效将其落地运营的领导者，将定义下一阶段的竞争优势。
尽管前景乐观，但仍存在一个重大瓶颈：数据孤岛。调查发现：
● 仅有 20% 的非结构化数据被视为“AI 就绪”；
● 仅有 32% 的结构化数据可用于 AI 工作负载；
● 60% 的组织表示，数据存储和计算成本已导致其 AI 项目超出预算。
此外，我们正看到“影子 AI”的兴起。约 57% 的受访者承认使用未经批准的 AI 工具。这种差距在人力资源和销售部门最为明显，这些部门中声称使用 AI 的员工数量远超 IT 部门所了解到的。这凸显了对受管控的企业级 AI 平台的迫切需求，这类平台既能提供员工所渴求的工具，又不会影响安全性。
企业 AI 不能仅依赖模型本身来强制执行访问控制或保护敏感信息。管控必须落在数据层。当 AI 智能体自动继承现有角色和权限时，企业无需为每个新的 AI 工作流重新构建安全机制。这种架构方法能够防止数据泄露、降低风险，并实现负责任的 AI 规模化采用。
为解决这一问题，Snowflake 推出了 Semantic View Autopilot ，该功能可自动创建和管控语义视图，并为 AI 智能体提供对业务指标的共享理解，从而交付一致、可信的结果。通过建立统一的基础，企业可以大幅减少幻觉，并将语义模型的创建时间从数天缩短至数分钟——在加速实现价值的同时增强信任。
对于企业而言，解决这些挑战不仅仅是部署新工具。它需要在数据就绪、成本控制和管控方面具备运营纪律。如果不正面解决这些问题，AI 项目要么停滞不前，要么无序扩张。那些将数据就绪作为董事会级优先事项的组织，才能将实验转化为持久、全企业范围的影响力。
在 Snowflake，我们始终认为，没有数据策略，就不存在真正的人工智能策略。那些报告最高回报率的领导者，正是在统一其数据资产方面进行战略投入的人。这是因为，人工智能的成功并不取决于等待下一个最佳基础模型。模型和打包好的人工智能解决方案将面向所有人提供，而且它们往往毫无征兆地出现。任何一家企业能够掌控的，只有自身的数据基础。如果模型没有运行在互联、可治理且可信的数据之上，即使是最惊艳的模型也难有大用。模型将变得同质化，而企业所独有的数据，则成为差异化的关键。
在人工智能的采用方式上，尤其是在当前早期阶段，企业之间也存在差异化。从生成式人工智能向智能体式人工智能的过渡，代表着重新定义工作方式的重要机遇，但仅靠模型是不够的。要产生真正的业务影响，人工智能必须建立在可信、可治理的数据之上，并嵌入到日常的工作流中。
这正是 Snowflake Intelligence 和 Cortex Code 背后的思路——它们帮助客户在自身的数据和开发环境中直接应用人工智能。Snowflake Intelligence 充当企业数据的对话式入口，使业务用户能够超越静态仪表盘，用自然语言提出复杂问题，且所有分析都基于有治理的上下文。Cortex Code 延用了相同的理念，作为一个 Snowflake 原生的人工智能编码智能体，它能够理解企业数据，帮助团队在现有环境中直接构建人工智能驱动的应用程序。两者结合，使企业能够安全、快速、规模化地将人工智能落地运营。
随着人工智能成为企业的运营核心，持久回报将依赖于超越孤立工具或模型访问权限的能力。企业必须在单一、企业级的平台上，统一语义一致性、数据治理、成本控制和智能体执行。这正是从实验阶段转向可重复、生产级价值，并实现可度量利润的关键所在。Snowflake 的最新创新——从 Semantic View Autopilot 到 Cortex Code——旨在帮助企业自信地从试点走向盈利。
下载我们的完整报告 《生成式人工智能与智能体的投资回报率》 ，了解更多关于人工智能如何、在何处以及为何正在快速变革企业的相关信息。
