审批下一笔AI预算时,工厂要明确传感器误读时谁有权停机,财务部门要了解每完成一项任务的成本,临时应用退役时也要有人撤销其访问客户数据的权限。这些问题都应该在立项时解决。

Gartner于2026年10月30日发布报告,用十项面向2028至2030年的全球预测为2027年的规划提供参考。下文数字均为预测,针对泰国企业的具体做法是ALPHASEC的建议。

1. 物理AI协助一线员工

到2030年,跨国公司80%的一线员工将获得物理AI的协助,例如能感知环境并作出反应的机器人。

ALPHASEC建议 先在一个工位试行零件检测,既看次品减少了多少,也测量传感器误读时员工安全停机需要多久。

2. 自主智能体将增加公共服务的压力

到2030年底,个人、企业和政府创建的自主智能体将超过100亿个。大量代办请求将使公共服务出现拥堵。

ALPHASEC建议 核实智能体代表谁、获授哪些权限,同时为亲自办理业务的公众保留服务能力。

财务和能源部门也要参与AI决策

同一笔计算开支可能来自销售增长,也可能是使用异常。要了解钱花在哪里,需要业务负责人、财务、安全团队和基础设施团队共同核对数据。

3. AI费用成为攻击目标

到2030年,向公众提供AI服务的机构中,80%将经历以恶意推高其AI支出为目的的攻击。

ALPHASEC建议 公开上线助手前,由财务和安全团队共同确定预算上限、告警接收人,以及达到上限后客户可用的替代渠道。

4. 专责团队把AI成本与利润联系起来

到2029年,部署AI的机构中,60%将设立专门职能,把AI计算的总成本与业务价值和利润率挂钩。

ALPHASEC建议 如果用AI生成报价,应由销售部门记录节省的时间、赢得的订单以及扣除AI成本后的利润率,再决定是否扩大应用。

5. 在模型处理请求时控制支出

到2028年,60%的全球性企业将在推理环节嵌入AI FinOps成本控制。

ALPHASEC建议 根据任务难度选用模型,限制重试次数,并在切换到较低成本的模型时检查回答质量。

6. 企业将更多参与电网平衡

到2030年,价值超过1万亿美元的企业能源资产将改变公用事业公司在电网平衡服务中的主导地位。企业可以通过提供容量、输出余电以及灵活调节用电获取收入。

ALPHASEC建议 工厂或数据中心的设施与IT团队应共同评估电力需求、储能投资以及能源控制系统中断的影响。

系统退役后,谁还能说明AI做过什么?

7. CIO或首席AI官将负责保管证据

到2030年,80%的全球性企业将指定首席信息官或首席AI官保管用于追溯AI责任的证据。

ALPHASEC建议 抽查一项有AI参与的决定,追溯所用数据和模型版本,并确认谁批准结果、谁有权更改结果。

8. 保险条款将推动AI治理

到2030年,保险机构将通过更加严格的AI责任险承保标准主导AI治理实践,这些标准也会影响保障成本。

ALPHASEC建议 续保前问清哪些活动在保障范围内、有哪些除外责任,以及承保人需要哪些测试记录。

9. 模块化AI产品与服务迭代更快

到2029年,25%的全球性企业将持续改进由可独立替换的模块组成的AI产品和服务,令追随者难以快速仿效。

ALPHASEC建议 让推荐功能可以独立更新而不影响结账,然后跟踪销售额、投诉以及每次变更能否回退。

10. 许多新应用计划使用不到一年

到2029年,80%的新应用从设计之初就计划使用不到一年,例如只服务于一次营销活动。

ALPHASEC建议 审批时就确定下线日期、数据负责人和撤销权限的执行人,并明确活动结束后还需保留哪些记录。

ALPHASEC建议的2027年议程

选取一个影响客户或生产的AI项目。让业务负责人和财务总监一起核算每项成功结果的成本,让CIO或CISO演示谁能暂停并恢复服务,再由风险团队追溯一个事件。演练暴露的缺口就是可以明确负责人、具体验收的投资事项。

Gartner’s Top Strategic Predictions for 2027 and Beyond · 30 October 2026 · G00860626, p. 3