根据 Riverbed 最新发布的全球调查报告，企业在人工智能（AI）采用方面展现出强烈承诺，并正在对 IT 运营进行战略性重塑以支撑 AI 发展。尽管整体 AI 投资额几乎翻倍，且高达 87% 的组织表示其 AIOps 项目的投资回报已达到或超出预期，但仅有 12% 的 AI 项目实现了全企业范围的部署。
此次调查覆盖来自七个不同国家、多个行业的 1,200 名商业决策者、IT 高管及技术专家，深入揭示了企业在将 AI 融入 IT 运维过程中的现状与挑战。研究聚焦五大关键领域：AI 采纳进展与成功路径之间的落差；可观测性工具的部署趋势；统一通信平台的应用情况；OpenTelemetry 框架的普及程度；以及支撑 AI 所需的数据基础设施建设。
调查显示，企业在推进 AI 实施过程中仍面临显著障碍。大多数尚未具备全面推行 AI 项目的能力，主要难题包括持续存在的数据质量问题，以及管理层乐观预期与实际落地之间存在的鸿沟。为应对这些挑战，企业正积极整合 IT 运维中的工具链和供应商资源，转向统一平台架构，推动开放标准应用，优化跨团队协作机制，并着力解决 AI 数据在复杂 IT 环境中流动的问题。
报告指出，随着企业逐步迈向“AI 就绪”状态，各国及各行业在 IT 运营模式上呈现出趋同转变的趋势。高达 93% 的企业正在考虑更换现有供应商以实现工具整合，而领导者和技术人员平均每周有 42% 的工作时间用于操作这些分散的系统。由于数据治理难度加大，越来越多的企业将目光投向开源可观测性框架 OpenTelemetry。此外，在筹备大规模 AI 部署时，IT 团队发现大量 AI 相关数据正越来越多地驻留在公共云和边缘计算环境中。
目前，企业年均 AI 投资已达 2700 万美元（较 2024 年的 1470 万美元接近翻番），87% 的受访者确认其 AIOps 投资带来了符合甚至超越预期的回报。然而，要真正释放 AI 潜力，必须弥合三大核心差距：准备度不足、数据质量缺陷以及期望与现实之间的错位。
- AI 准备度偏低：仅 12% 的 AI 项目完成企业级部署；仅有 36% 的组织认为自身已具备实施 AI 的能力，这一比例相较去年还下降了一个百分点（去年为 37%）。
- 数据质量成瓶颈：虽然 88% 的受访者承认高质量数据是 AI 成功的关键，但在准备阶段，仅有 46% 的人对其数据的准确性与完整性抱有信心。事实上，多数企业的数据基础仍不健全——仅 34% 认为其数据在相关性和适用性方面表现优异，35% 在一致性和标准化方面达标，37% 在安全与保护层面获得高分。
- 领导层与执行层认知脱节：42% 的管理者认为组织已做好充分准备，而持相同看法的技术专家仅为 25%，显示出明显的预期偏差。
当前，企业平均使用来自 9 家供应商的 13 种可观测性工具，相当于每类可观测需求对应一至两种工具。面对工具碎片化问题，96% 的企业正在主动减少所依赖的工具和供应商数量，93% 的企业相信统一平台能更高效地识别并解决运维问题。提升生产力已成为首要驱动力，其重要性超过成本控制。
在标准化方面，88% 的企业已启动 OpenTelemetry（OTel）的部署，其中 41% 已完成全面实施，另有 47% 正在稳步推进。95% 的受访者强调，实现应用、基础设施与用户体验间的数据标准化对其可观测性战略至关重要。
高达 94% 的公司认为 OTel 是通往 AI 驱动自动化等高级场景的基石。超过半数（57%）预计该框架将在未来两年内广泛普及。目前已有 36% 的企业将其视为强制性标准，但在此问题上，业务领导者与技术专家之间存在明显认知差异：41% 的领导者视其为强制要求，而仅 27% 的技术人员认同这一点。
数据流通的重要性同样不容忽视：91% 的企业认为 AI 数据的移动与共享对其整体 AI 战略至关重要，其中 33% 明确指出这是设计与执行 AI 方案的基础前提。
- 当前，36% 的 AI 相关数据存储于公共云，预计到 2028 年该比例将升至 39%
- 私有云存储占比预计将从 25% 下降至 21%
- 本地数据中心的数据存储比例预计将由 23% 降至 17%
- 边缘环境中的 AI 数据存储预计将增长 9 个百分点，达到 13%
- 主机托管设施中的 AI 数据存储预计将从 7% 上升至 10%
- 四分之三的企业计划在 2028 年前制定专门的 AI 数据存储策略
随着 AI 数据分布日益广泛，企业在管理数据流动时最关注的三大因素分别为：数据传输与存储成本（95%）、安全性与合规性（94%）、网络性能与可靠性（94%）。78% 的受访者（企业领导者中这一比例达 81%）认为，网络性能与安全保障是决定 AI 战略成败的核心要素。
完整报告可在此处下载。
