AI技术债务引发新一轮挑战浪潮

脆弱的系统、低效的工作流程以及战略僵局只是技术债务带来的一些不良后果。这些问题可能会削弱性能并阻碍创新。但当首席信息官试图在这个日益具有挑战性的领域中前行时，他们遇到了一个新的敌人：人工智能。

AI之所以如此具有挑战性，是因为它的行为与其他数字技术不同，并且可能成为债务的加速器。传统系统、孤立的数据、过时的API和陈旧的架构构成了债务基础。AI暴露并放大了这些问题，同时引入了一种新的负担，这种负担遍布企业并延伸到供应链中。

IBM技术平台转型首席信息官Matt Lyteson说："AI投资不仅仅是另一项IT投资，它是对企业运营方式的重新定义。"IBM商业价值研究院2025年的一项研究发现，在接受调查的1300名高级AI决策者中，那些报告其公司忽视技术债务问题的人看到项目回报下降了18%到29%，时间线延长了多达22%。与此同时，Forrester的一份报告发现，75%的技术决策者预计技术债务将在2026年上升到"严重"水平。

首席信息官可能要为AI债务承担责任，但问题和解决方案都超出了IT的范围。埃森哲高级董事总经理Koenraad Schelfaut说："这个等式有两个部分。首先是你现有的技术债务，这阻碍了你大规模部署AI。其次是在部署AI时，原本不是技术债务的东西变成了技术债务。"

边际效应

乍一看，AI特定债务与其他类型的技术债务相似。它拖慢了团队的进度，增加了预算，并阻碍了转型。但AI加剧了这些挑战：老化的代码、未记录的系统和孤立的数据从IT难题扩展为全面的业务问题。由于AI重塑了跨部门和单位的工作流程，首席信息官必须通过变更管理和机会成本的更广泛视角来审视它。

这种债务的后果会快速复合。Forrester首席分析师Carlos Casanova说："不清楚谁拥有、支付和支持AI计划。"这使得很难确定问题的根源或识别正确的结果。而且，与本地服务器或云基础设施不同，AI债务通常是不可见的——直到项目偏离轨道、出现安全漏洞或预算超支浮现。

Schelfaut说，AI债务经常隐藏在早期成功背后。聊天机器人协助工作者，试点项目显示前景，初期推出带来进展。计划获得动力，业务领导者获得信心。然后，突然间，当组织试图扩大计划规模时，事情就出了问题。他说："突然间，你无法让系统彼此对话，你无法完成你原本要做的事情。"

问题的一部分在于首席信息官如何定义这个问题。Schelfaut说，许多人将AI债务视为IT维护问题，而不是业务挑战。因此，他们关注维护传统系统的成本，但忽视了这些系统施加的障碍。AI颠覆了这种逻辑。他说："技术债务更少关于过时系统维护成本是多少，而更多关于它们不允许你做什么。"

Schelfaut说，摆脱这种短视始于了解技术债务的实际成本。他确定了以下四个不同维度：

Schelfaut说，大多数组织只关注第一个维度。其他三个才是AI债务造成真正损害的地方。

新规则，新工具

在未来几个月和几年里，情况不会变得更容易。根据IBM商业价值研究院的调查，69%的高管认为未解决的技术债务将使一些AI计划在财务上不可行。Lyteson说："首席信息官和首席财务官现在需要讨论债务调整ROI。"

智能体AI提高了赌注，因为它引入了新的风险和暴露点。为人类设计的权限和控制在智能体以机器速度运行时经常失效。由于这些智能体以难以预测和监控的方式相互通信，计算和Token成本可能螺旋上升，这推动了对AgentOps以及FinOps的需求。

随着智能体的激增，传统监控工具就不够用了。新的指标和监控工具必须提供对AI智能体行为、交互以及它们消耗的基础设施、数据和模型的可见性。Casanova说，没有这种可见性，首席信息官无法向董事会解释成本、风险或失败。他们也无法在问题引发合规、安全或运营故障之前进行干预。

解决方案不是更多技术，而是更好地了解AI及其影响的工作流程。Lyteson说，一个关键起点是重新审视项目展开的方式以及谁负责这些项目。IBM使用跨IT和业务功能的"AI融合团队"。这些小组"定义我们希望通过AI实现的结果，进行快速实验来衡量它们如何影响工作流程，并让员工参与其中，确切了解他们的工作是如何改变的"。

当IBM启动AI项目时，它根据三个标准衡量其价值——将每个标准用作发现技术债务的工具。生产力工具必须展示时间节省。智能体工作流程有不同的标准：收入增长、运营效率或单位工作流程成本的可衡量收益。合规和安全计划必须显示风险的明确降低。

平衡账目

Schelfaut说，目标不是在部署AI之前消除技术债务。而是要识别进展障碍并设计必要的修复措施。这需要放弃新AI解决方案可以直接坐在现有基础设施之上并在点对点接口内运行的思维模式。好消息是？AI本身是识别问题的好工具——记录传统系统、重写脆弱代码并识别需要改变的架构。

Casanova说，强有力的治理框架是将一切结合在一起的粘合剂。随着AI工具在IT和业务单位中激增，组织必须充分了解隐藏的基础设施成本、数据主权、访问权限和控制、AI蔓延以及知识产权泄漏。他说："如果有人创建了一个智能体，也许它应该进入一个存储库进行审查，然后再部署。"

最终，首席信息官必须认识到AI技术债务不是要解决的问题——它是要管理的状况。向挑战投入技术不会偿还债务。Lyteson总结道："这不仅仅是转型。这是关于持续改进。你需要一个足够好的框架来开始，足够灵活来完善，这样你就可以迭代有效的内容并淘汰无效的内容。"

Q&A

Q1：什么是AI技术债务？为什么它比传统技术债务更具挑战性？

A：AI技术债务是指由人工智能技术引入或加剧的技术负担。它比传统技术债务更具挑战性，因为AI暴露并放大了传统系统、孤立数据、过时API等现有问题，同时引入新的负担，且这种债务往往是不可见的，直到项目失败或预算超支才会显现。

Q2：AI融合团队是什么？它如何帮助管理AI技术债务？

A：AI融合团队是IBM使用的跨IT和业务功能的团队模式。这些团队定义通过AI要实现的结果，进行快速实验衡量对工作流程的影响，并让员工参与了解工作变化。通过这种方式，可以更好地识别和管理AI部署中的技术债务问题。

Q3：如何有效管理AI技术债务？有什么关键策略？

A：管理AI技术债务的关键策略包括：建立强有力的治理框架，提供对AI智能体行为的可见性，使用AI工具识别和修复现有问题，采用债务调整ROI评估项目价值，以及将AI技术债务视为需要持续管理的状况而非一次性解决的问题。