币圈界报道：

企业AI落地难根因：数据无法实时贯通

诸多大企业的人工智能试点项目虽曾寄予厚望，最终却陷入无声搁置。Boomi分析认为，核心症结在于‘数据活化’缺失——若关键信息无法在系统间即时流通，再先进的智能代理也难以在真实业务场景中生效。

从概念验证迈向真实产出

在“Boomi World 2026”峰会上，首席执行官史蒂夫·卢卡斯明确表示，当前企业对人工智能的应用已跳脱试验阶段，进入可衡量价值的实际部署阶段。他指出：“智能代理不再是未来设想，而是正在现场发挥作用”，其在流程自动化、系统集成等领域已开始显现可量化的收益。

阻碍落地的三大技术顽疾

尽管前景明朗，实现效益仍面临严峻挑战。卢卡斯揭示，老旧的大型机架构、分散的数据链路以及运行数十年的企业资源规划系统，是制约人工智能就绪度的主要因素。他强调：“必须先搞清数据位置、质量状况与传输时效”，对于连人工操作都难以保证信息实时性的组织而言，要支撑比人类快得多的智能系统几乎不可能。

行业适配才是核心竞争力

卢卡斯重申，企业真正需要的并非通用型人工智能，而是契合特定监管框架与业务逻辑的“垂直领域智能体”。以医疗为例，必须符合美国HIPAA标准，并能无缝嵌入现有工作流。他预测，未来的投资回报将不再泛泛而谈，而是聚焦于具体行业与职能的“领域专属成效”，这意味着，如何设计匹配业务的数据体系与治理机制，远比挑选顶尖模型更为关键。

规模化应用案例浮出水面

会议现场展示了多个实际成果：Chronicle Bidco旗下Lexitas已将受严格监管的支付处理任务中约五成工作交由人工智能代理完成；Multicoup则通过智能助手处理八成技术支持咨询，大幅降低对数千份说明书的手动查阅依赖。这些实例证明，智能代理正从实验室走向生产环境，切实提升运营效率。

构建自主可控的智能底座

为应对上述挑战，Boomi本周宣布与红帽建立战略协同，共同打造面向代理型人工智能的集成技术栈。该方案整合Boomi的“Agent Studio”与红帽的开源人工智能能力，旨在支持企业在自有环境中私有化部署开放权重模型，避免对单一供应商的依赖。

当被问及最优模型为何时，卢卡斯回应：“答案是一切。”他强调，决定性因素并非模型本身，而在于能否将其封装、与企业专有数据结构对接，并在不外泄敏感信息的前提下实现自主控制。因此，他认为，企业人工智能的竞争本质已转向“运营掌控力”，而非“模型性能巅峰”。

这一观点再次凸显，相较于宏大的技术蓝图，“数据激活、治理体系与系统融合”等隐形基建，才是决定人工智能能否真正落地的关键。随着部署速度加快，市场焦点或将从模型竞赛，转向对实际应用效能与数据主权的深层考量。