人工智能（AI）正以前所未有的速度革新各行各业，尤其在企业数字化转型中扮演着举足轻重的角色。尽管市场对此寄予厚望，Kaseya新任首席执行官拉尼娅·苏卡尔（Rania Succar）近期在一次公开采访中坦言，企业客户对生成式AI的采用远低于行业预期，尤其是中小型企业（SMB）中，AI的普及率依然处于非常初级的阶段。这背后隐藏着一系列复杂问题，影响了AI在实际操作中的落地和扩展。数据碎片化和连接性不足是关键障碍 苏卡尔指出，“AI的效能建立在数据的关联和统一基础之上”，而目前大多数企业面临的现实情况是数据高度分散且未能打通。例如，客户成功管理往往涉及客户关系管理（CRM）、库存系统、财务系统等多个平台的数据交互，而这些数据之间缺乏有效的连接，导致AI代理难以获取全局视角，限制了其智能判断和执行能力。由此带来的结果是，当前市面上的AI工具和机器人表现并不理想，无法满足企业复杂多元的需求。
学术界近期的一项基准测试也证实了这一点，基于大型语言模型（LLM）的AI代理在标准CRM测试中的表现不尽如人意。苏卡尔强调，在解决数据整合问题之前，构建高效且有用的AI代理是不现实的。众多企业日常运营依赖超过15个不同的SaaS应用，客户数据、订单数据和财务数据的碎片化导致信息孤岛现象愈演愈烈，迫切需要一个统一的数据连接层来汇聚和结构化这些数据。 变革管理成为另一大瓶颈 变革管理，即帮助企业和员工顺利过渡到新技术和新流程的过程，被苏卡尔视为制约AI广泛应用的另一核心难题。许多企业员工面临日常工作负荷过重，难以抽出时间学习和适应新的AI工具，致使项目启动后常常半途而废。Kaseya也在亲身体验这一挑战，努力推动内部AI采用的同时，更致力于为其管理服务提供商（MSP）打造更完善的培训机制与变革计划。
Gartner的研究数据支持了苏卡尔的观点，预测到2025年底，约三分之一的生成式AI概念验证项目将被放弃，原因涵盖数据质量低劣、风险控制不足、成本激增以及业务价值不明确等。这不仅令企业在投资决策上犹豫不决，也增加了首席信息官（CIO）和技术团队的压力。 治理与安全问题不容忽视 随着AI在企业中的应用加深，合规性和治理问题日益突出。例如，如何确保AI代理仅访问与其职责相关的特定数据类别，防止敏感信息泄露，是许多企业必须面对的难题。苏卡尔提到，一些客户已经设定了基于交互的规则，规范AI的响应行为，这为企业提供了一定的安全保障和应用可控性。 Kaseya的应对策略与市场表现 Kaseya通过将Cooper AI集成到旗下的365平台，致力于为MSP提供先进的自动化与远程管理工具。
实际应用数据显示，采用AI后，部分MSP在重复性手工任务上节省了40%的人工时间，同时提高了技术产品和服务的利用率。鉴于MSP约占Kaseya收入的80%，且主要服务于中小企业，推动这些服务商接受并推广AI解决方案成为Kaseya战略的重中之重。 然而，AI在MSP中的普及并不均衡，这促使Kaseya采取更加积极的措施，建立度量标准追踪自动化采用情况，并开发新的工具协助客户提升使用率。苏卡尔坦言，要实现这一目标，既需要在技术层面打造用户友好的软件，也需要在培训和变革管理方面投入更多资源，以帮助第一线工程师以及最终用户顺利接受并掌握AI工具。 技术尚处早期阶段，但潜力巨大 苏卡尔反复强调，目前所处的AI阶段属于“非常早期”，甚至是“前智能代理”阶段，距离能够广泛替代或辅助人类工作的智能助手还有很大差距。尽管如此，她对行业未来充满信心，表示Kaseya将在确保实用性和稳定性的前提下，稳步推进AI技术路线图，期待在不久的将来带来更大突破。
行业经验启示与未来展望 Kaseya的现象并非个例，整个行业都在经历从试验到成熟的阵痛期。类似过去二十年云计算技术的发展历程，AI技术的普及显然需要时间来打磨底层架构、完善生态系统。如今已有超过半数中小企业将工作负载迁移至公有云，展示出数字化转型的深远影响力和广阔前景。 未来，解决数据连接性的技术革新将成为AI广泛应用的基石。同时，变革管理的设计与执行能力会成为企业能否成功实现AI赋能的关键。只有在数据治理、风险控制、成本管理以及员工技能培养等多方面协同发力，AI才能真正实现从概念验证到规模部署的跃升。
总结来看，虽然AI技术巨大潜力和市场期待共存，但Kaseya首席执行官苏卡尔的洞见提醒我们，在数据碎片和人力资源管理上的挑战依然严峻。推动AI走向成熟，需要企业、技术提供商和管理团队的共同努力，打造更加紧密的数据连接和更人性化的变革支持体系。由此，人工智能才有可能成为推动企业未来高效运营和创新发展的核心引擎。
