> **来源：[研报客](https://pc.yanbaoke.cn)** # 焕新旧体系: 制胜AI时代 ## 核心内容 本报告由IDC亚太区研究副总裁Simon Piff与高级研究总监William Lee博士共同撰写，旨在分析亚太地区企业在实现AI就绪度过程中面临的挑战与机遇，探讨现代化改造如何成为企业数字化转型和AI应用成功的关键。 ## 主要观点 - **AI成功依赖高质量数据**：AI的广泛应用要求企业拥有正确、优质的数据，而传统关系型数据库的僵化、高成本与低效率已成为AI发展的重大障碍。 - **数据债务是关键问题**：数据质量差、碎片化及重复性问题导致AI模型表现不佳，增加成本与复杂性。IDC预测，2027年仍未启动数据债务治理的CIO，其AI失败率将比其他企业高50%。 - **领先企业群组表现突出**：领先企业群组在现代化改造方面表现更为积极，其数字收入达到区域平均水平的近三倍，体现出现代化与商业价值的强关联。 - **混合云成为核心投资**：IDC调研显示，38%的亚太区企业将“以云为中心的数据管理/平台”列为2026年最重要的技术投资，混合云环境被广泛采用以实现可扩展性与成本效益。 - **重构优于直接迁移**：将应用重构至现代平台，而非直接迁移，可带来更高的长期ROI，是实现AI赋能的更优策略。 - **人才与技能是关键**：技能缺口是现代化改造的显著障碍，企业需投资于人才发展与技能培养，以支撑AI部署与应用。 ## 关键信息 ### 企业分类 - **领先企业群组**：已开始现代化改造，解决了历史遗留问题，数字收入是区域平均水平的近三倍。 - **主流企业群组**：现代化步伐较慢，AI应用成效欠佳，数字收入增长受限。 ### 技术债务 - 技术债务是亚太区企业现代化改造的主要障碍，89%的受访者表示其为重大挑战。 - 技术债务通常由敏捷开发不足、资金限制和监管缺失引起，长期积累将影响企业的竞争力。 ### 数据与云 - **数据质量差**是项目延迟与失败的常见原因。 - **混合云环境**是企业实现AI就绪度的重要手段，支持可扩展性与成本优化。 - **数据治理**是解决数据问题的核心，领先企业更注重数据治理与标准化。 ### 数据库技术 - **传统数据库**难以支持AI的动态与多样化需求，需向更现代、可扩展的数据库架构转型。 - 领先企业更关注**AI支持能力、数据结构与类型**，而主流企业则更重视**性能与可扩展性**。 ### 成功策略 - **人员、流程与技术**的协同是成功现代化改造的关键。 - **长期投资**与**战略思维**有助于实现更高的ROI。 - **云原生战略**是支持AI应用的核心路径，需避免“直接迁移”策略带来的新旧系统混杂问题。 ## 主要挑战 - **数据管理**：数据质量差、碎片化及分类不清。 - **技术债务**：影响现代化进程，增加成本与复杂性。 - **安全挑战**：在不影响开发速度的前提下实现安全集成。 - **遗留系统**：复杂且难以适应AI需求，需进行系统重构。 - **技能短缺**：AI技能需求增长迅速，企业需加强培训与人才引进。 ## 领先企业优势 - **高管支持**：领先企业群组的高管更具变革魄力，推动现代化与AI战略。 - **技能优先级**：更重视AI技能的培养，降低技能短板带来的影响。 - **标准化建设**：在流程与系统设计上更具一致性，减少业务部门参与度不足的问题。 - **ROI管理机制**：通过设定可量化的中期目标，确保项目与业务目标一致。 ## 投资趋势 - **云原生平台**与**AI支持能力**是企业未来投资的重点。 - 领先企业群组在技术投资上不仅投入更多，而且增长速度更快。 - **生成式AI**在现代化改造流程中展现出显著的降本增效潜力。 ## 研究方法 - **样本量**：1,400家IT企业，员工人数至少为100人。 - **受访者构成**：包括IT决策者（56.7%）、决策部门成员（32.7%）、决策影响者（10.6%）。 - **企业分类**：根据数字收入分为主流企业群组（440家）、领先企业群组（460家）与区域平均群组（300家）。 ## 附录数据表格 | 挑战类别 | 主流企业群组 (%) | 领先企业群组 (%) | |----------|------------------|------------------| | 安全顾虑 | 28 | 29 | | 数据迁移挑战 | 26 | 25 | | 前期成本过高 | 25 | 26 | | 复杂的遗留系统 | 24 | 24 | | 技能短板 | 21 | 19 | | 标准化程度不足 | 21 | 22 | | 集成依赖关系 | 21 | 20 | | 优先级冲突 | 19 | 16 | | ROI不明 | 18 | 17 | | 合规性约束 | 18 | 19 | | 数据库选择因素 | 主流企业群组 (%) | 领先企业群组 (%) | |----------------|------------------|------------------| | AI支持能力 | 55 | 56 | | 性能需求 | 43 | 42 | | 可扩展性要求 | 42 | 43 | | 安全与合规 | 42 | 46 | | 成本和许可 | 39 | 39 | | 数据库能力的广度 | 37 | 37 | | 数据结构和类型 | 36 | 43 | | 一致性、可用性和分区容错性 | 33 | 33 | | 生态系统和工具 | 31 | 30 | | 导致AI应用延迟的原因 | 主流企业群组 (%) | 领先企业群组 (%) | |----------------------|------------------|------------------| | 安全顾虑 | 37 | 40 | | 成本 | 32 | 32 | | 人员和流程挑战 | 31 | 30 | | 数据质量差/标准 | 30 | 29 | | 数据库可扩展性有限 | 26 | 29 | ## 赞助商与作者信息 - **MongoDB®**：作为赞助商，强调其作为AI就绪数据平台的作用，助力企业整合工作负载，降低复杂性，实现遗留系统的现代化。 - **Simon Piff**：IDC亚太区研究副总裁，拥有近30年IT经验，涵盖云计算、商业智能、安全等多个领域。 - **William Lee博士**：IDC亚太区服务提供商与核心基础设施研究高级研究总监，专注于企业基础设施与AI平台的研究。 ## 总结 在AI时代，企业的成功取决于其能否实现现代化改造与数据治理的同步推进。领先企业群组通过战略性的投资、人才发展与流程优化，已显著提升其数字收入与AI就绪度。企业应重视数据质量、云原生架构与AI支持能力，避免技术债务的积累，并通过长期投入与变革管理实现可持续增长。