从“效率”到“绩效”，AI赋能应用管理的三个改变

北京2026年10月30日 美通社 －－ 随着业务日益软件化， 企业的核心能力越来越运行在ERP，CRM，供应链、HR等应用系统之上。应用系统已从后台支撑工具，变为承载客户服务、运营管理、风险控制和业务创新的核心平台，其运行质量很大程度上决定企业的运营质量。

在AI的推动下，应用管理服务（Application Management Service, 以下简称AMS）正发生着根本性的变革：从关注“应用系统本身”的持续管理和优化，转向预测和防止问题、自动化工作流，进而聚焦 “应用系统所承载的企业能力”。这一跨越仍存在明显差距。

大多数企业（91％）已捕捉到了这一态势，期待数年内采用“AI赋能的AMS”，从“保障系统正常运转”转向“推动企业能力持续进化”，但真正有所建树的只有3％。角色在升级，行动却迟缓，症结不在缺AI技术，而在“AI效率提升”兑现为“可计量价值”这条路还没走通。

为此，IBM商业价值研究院与牛津经济研究院合作，在全球1000位企业高管间展开调研并发现：如果妥当处理三个关键点，让它们顺应AI创造价值的方式，AMS就能从“应用管理”升级为“绩效引擎”，这三点对应三个改变。

改变计酬公式

跳出“AI减少工作投入  x  人天计价 ＝ 效率越高，收入越少”

几十年来，AMS的经济逻辑建立在“更多工作创造更多价值”之上。目前，高达86％的合同仍以人力投入、工单数量和完成工作量来衡量服务、计算报酬。AI恰恰减少人工投入，比起技术能力，超过七成企业（中国高达76％的领导者）认为按工作量计酬的合同是更突出的制约因素，因为它会把人工投入的下降转化为收入下降，这是推动AMS进阶的显著障碍。相关的激励、治理和运营方式，也仍沿袭为人工执行而设计的旧逻辑，应用管理服务评价体系，存在模式性失衡。

旧模式难以为继。AMS运营模式必须借AI主动重构，才能与全新现实保持同步，这包括：关注与衡量可靠性、业务韧性与故障恢复能力；以业务成果改善程度作为计酬锚点；把激励方案与问题预防、业务持续演进绑定。62％的中国企业领导者预计，到2028年企业将采纳这样的运营模式，为规模化释放高价值留出空间。

改变工作方式

选择最佳切入口 ＋ 工作流设计 ＋ 治理嵌入

AI赋能的AMS是方向，但上来就全域铺开并不明智投入大、见效慢、风险集中。最务实的做法，是不牺牲运营稳定性为代价推进转型。先从“可靠性压力最大、成果可快速验证”的领域切入。重复发生的故障、高频服务请求及人工处理瓶颈，就是最好的突破口，既能最快见到绩效改进，也为后续规模化推进打下信心基础。

但 “切入口”成效要进行固化，从单点变成规模化成效，靠的是重新设计工作流，切入口负责证明有效，工作流重设让有效性成为常态， AI的价值通过融入日常工作体现团队更早地识别风险、分析根因并采取行动，运营从被动响应式的问题解决转向主动预防，减少反复出现故障的占用时间。事实上，近八成的受访中国企业领导表示正为此推进调整。

需要强调的是，规模化阶段，治理要融入工作流设计：明确AI代理可访问的资源、能执行的操作、何时暂停及升级处理、需要人工监督的环节等责任边界。这些防护机制为AI赋能型AMS运营提供可靠性保障。此外，内置持续优化机制，定期审视工作流设计、模型表现与治理框架，确保持续改进。

改变资源流向

从投‘系统’到投‘系统承载能力’，从‘提效’到 ‘提绩效 ’

AI赋能型AMS的最早回报体现为可靠性增强，检测更快、恢复更好、事故对业务影响更小。69％的受访管理者表示，这只是第一重回报，新模式的回报超出效率范畴。可靠性提升释放运维资源，可用于支持应用持续演进，并随时间推移不断累积、强化为收益红利，回报正逐步向业务层面延伸。

应用管理的价值不只是“系统跑得稳”，更在于为“系统承载的业务”往前走创造条件。释放出的资源与能力用于加速现代化进程简化应用、改进性能、推进现代化改造。AMS团队工作方式随之改变，从维护性能转向业务演进与价值转化。

但报告也提醒：早期收益可推进转型，但它通常难以自行延续。如果释放出的产能重新被日常支持性工作消耗掉，成果停留在了“提效”，而非“提绩效”。领先企业的做法不是回流，而是投向能力，把释放的资源持续投向应用现代化、预防性能力建设、可观测性提升及AI应用演进，放大业务价值。

从保障应用运行，到保障企业能力持续进化，依此“效率”兑现为“绩效”。

三项行动，让判断落地

三个改变回答改变什么，具体的入手，简要归纳为三项行动：

1. 重构合同，让服务回报与成果关联

重新审视合同中以人工工作量为基础的假设，把激励与可靠性、可用性、恢复绩效、事件减少、业务影响挂钩。同时，建立一组精简的成果指标，在合同、治理和绩效评审中用同一套，不各说各话。

2. 在扩大 AI 应用之前，先改变工作方式

先找出高频故障、重复性请求和人工交接的瓶颈，让初期 AI 应用直接作用于问题的根源，而不是绕开痛点做通用工具。运维产能逐步配置到主动预防、可靠性优化和工作流重构，改进效果用明确的基线来衡量。

3. 为释放出来的资源和能力定好再投入方向

建立一份专门的改进与现代化任务清单，追踪释放出的产能实际用于哪里，并设定与可靠性、现代化和运营绩效挂钩的再投入目标。省下来的力气往哪使，要有账可查。

原则相通，企业不同，路径不同

前面谈的“三个改变”，简单地回答了AI赋能型AMS模式下的三个问题：钱怎么算？活怎么干？省下的资源怎么用？ 上面的“三点行动” ，则是通过顺应AI创造价值的方式落实，让应用管理成为绩效引擎。

怎么把这个判断变成现实？IBM的咨询实践，是与客户建立新型伙伴关系，在多维度上协同推进：

－下一代人才培养上，提升团队IT技能以支撑创新；

－组织整合上，基于业务目标推进组织架构梳理与优化，整合流程、迭代思维模式、推进工作流程标准化；

－成本优化上，对IT支出盘点、透明化，整合资源、落地自动化、推进固定成本优化。

某大型通信服务商就是这样一个例子。它的切入点不在组织或成本，而在平台智能化能力本身。客户希望依托大模型能力，打通全IT周期的对内服务场景，搭建一体化AMS平台，覆盖智能客服、自动巡检和故障自动化处置，提升运维质量、自主性与可扩展性。

IBM帮助客户从三处重构平台的智能化能力：

一是，打造智能问答机器人承接常规咨询，把政企、销售等数十条业务线的服务知识和电话、微信端高频问题沉淀成统一知识库，再通过制度引导用户优先自助查询，提升一线客服的人效；

二是，把人工巡检改为自动化巡检，基于阈值规则和大模型理解能力自动监控服务器状态，识别CPU异常等故障后自动触达工单、邮件等处置流程，同时靠大模型的弹性理解减少预制规则开发，降低迭代部署成本；

三是，打通全链路数据，建立工单漏斗分析，追踪AI发起与人工发起工单的占比，持续调优自动化策略，目标是把AI工单占比提到60％70％。

项目落地后，IT运维整体成本下降50％；智能问答机器人可直接承接至少40％的日常咨询量。平台还形成了可复用的大模型资产底座，加速赋能低代码等平台，并拓展到财务、人力资源、供应链等多条业务线，支撑多领域智能客服。依托自然语言交互和大模型能力，平台正从常规功能叠加走向数据驱动的智能服务，把资产复用价值最大化。

结语：

从保障应用运行，到保障企业能力持续进化AI带来的效率，只有经过计酬、工作方式、资源流向这三个改变，才能真正兑现为绩效。方法可以因企而异，路径可以各有侧重。只有钱算对了，团队才愿意换个干法；活干顺了，省下的资源才投得出去；资源投对了，效率才会沉淀成持续的业务价值。说到底，这就是AI赋能型AMS的新经济逻辑效率不是终点，而是起点。

了解更多中国洞察与行动建议，欢迎阅读 IBM 商业价值研究院报告《应用管理：企业绩效引擎》。

数据说明：本报告基于 IBM 商业价值研究院与牛津经济研究院合作开展的调研，覆盖全球13个市场、21个行业的1,000位高级领导者。本文中国数据均指报告中的中国受访者或受访组织；2028年相关数据为受访组织预期。

https：www.ibm.comdownloadsdocumentscn－zh17f55bddaac4eb27