CIO（首席信息官）们也难以抵挡对新兴技术前景的向往。在这里，IT行业的领导者和分析师们分享了他们认为可能无法达到预期效果的技术。

图源：Rob Schultz / Shutterstock

任何一位首席信息官都会告诉你，多年来技术转型的步伐一直在加快。

这带来的结果是，一系列新的转型性技术迅速涌入市场，现有技术也在不断改进。

随着人工智能和机器人以前所未有的速度成为主流，量子计算也即将投入商业应用，人们很容易为这些进步而兴奋不已。

但首席信息官们表示，许多技术并没有带来预期的好处——至少目前还没有。这是一种常见的趋势，即一项技术的预期超出了它目前实际的能力。Gartner（高德纳咨询公司）的技术成熟度曲线将这个阶段称为“膨胀预期顶峰”——紧接着就会陷入幻想破灭。

“每一项创新技术都有潜力。在这项技术经历成熟周期、初步应用、技术开发、失误、投资回报评估，最终实现更广泛应用和融入商业用途的过程中，围绕着这种潜力会产生最初的炒作。”Foley Hoag的首席信息官Karen Campbell（凯伦·坎贝尔）说道，并强调这只是她个人的观点，而非律所的立场。

首席信息官们通常处于这一切的前沿。他们要么沉浸在兴奋之中，要么在期望的计划超出现实时，不得不设法管理预期。

“重要的是要以现实的视角看待技术的能力，并平衡其中的细微差别。”Campbell（坎贝尔）说。

多种因素导致了过高的预期。有些技术之所以被过度炒作，是因为其实际能力落后于用户的期望。还有些技术则是因为要充分发挥其潜力需要花费太多的时间、精力和资金。

笔者询问了IT行业的领导者们，他们对当前被过度炒作的技术有何看法，以下是他们的观点。

一、生成式人工智能（Generative AI）

首席信息官们再次将生成式人工智能列为被过度炒作的技术，这已经是生成式人工智能连续第三年上榜。

几乎所有受访者都一致认为，目前对生成式人工智能的期望超出了它实际能够做到——并且做好——的程度。

Campbell（坎贝尔）以她所在领域使用生成式人工智能所面临的挑战为例指出：“鉴于目前的技术能力，广泛用生成式人工智能技术取代律师的想法在当下被过度炒作了。”

她说：“生成式人工智能在律所运营以及与法律业务相关的增强服务方面有巨大的潜在价值。它有机会提高生产力，改进运营流程以及与法律业务相关的流程，提升客户成果和体验。还有进一步探索新收入途径的机会，以及通过自动化降低运营成本的机会。然而，目前法律实践中使用的生成式人工智能技术仍面临一些挑战。输出的准确性以及法律和业务专业人员为审核输出并将其与自身专业知识进行权衡所投入的时间等问题仍然存在。”

根据研究公司IDC的研究，近九成的生成式人工智能试点项目未能进入生产阶段。难怪首席信息官们越来越多地重新调整他们的生成式人工智能战略，从追求实验转向寻求实际解决方案。然而，缺乏成功指标仍然困扰着项目成果，而这项技术目前的实际能力也开始让人们的期望回归冷静。

二、代理式人工智能(Agentic AI) 

也有人认为智能体人工智能同样被过度炒作，并给出了与Campbell（坎贝尔）将生成式人工智能列入此榜单相似的理由。

West Monroe高科技与软件业务负责人Dhaval Moogimane（达瓦尔·穆吉马内）谈到智能体人工智能时表示：“我认为智能体人工智能具有升维性，但要实现智能体之间相互协作，所需的时间会比人们想象的更长。我们会看到科技公司和软件供应商推出很多创新成果，但人们所设想的无需人工干预、智能体之间就能相互协作的场景，实现起来比预期的要遥远得多。”

并非只有他这么认为。

研究公司Gartner在2025年6月预测，到2027年底，超过40%的智能体人工智能项目将被取消，“原因是成本不断攀升、商业价值不明确或风险控制不足”。

“目前，大多数智能体人工智能项目都处于早期实验或概念验证阶段，大多是受炒作驱动，而且常常被错误应用。”Gartner高级总监分析师Anushree Verma（阿努什丽·维尔马）在该公司关于这一预测的新闻稿中表示，“这可能会使企业忽视大规模部署人工智能智能体的实际成本和复杂性，阻碍项目进入生产阶段。企业需要拨开炒作的迷雾，谨慎地做出战略决策，决定在哪些方面以及如何应用这项新兴技术。”

此外，Gartner在同一份新闻稿中还提到，“许多供应商通过‘智能体粉饰’行为助长了这种炒作——将现有的产品，如人工智能助手、RPA（机器人流程自动化）工具和聊天机器人重新包装，却没有实质性的智能体功能”，并且“据估计，在数千家智能体人工智能供应商中，真正具备实力的只有约130家”。

目前的一个难题是，对于什么才算是人工智能智能体，缺乏一个标准的定义。首席信息官们需要了解人工智能智能体和智能体人工智能之间的区别，以及如何判断一个业务流程是否适合应用智能体人工智能，以便充分利用早期有前景的应用案例。

三、数字员工（Digital employees）

与此相关的是，研究与咨询公司Everest Group（睿仕管理顾问公司）的合伙人Yugal Joshi（尤加尔·乔希）认为数字员工是一项被过度炒作的技术。

“我们把简单的智能体，也就是由LLM（大语言模型）驱动的聊天机器人或工作流智能体，称为数字员工，这实在是过于乐观了。尽管这个概念有其价值，也具有升维性，但我们距离拥有真正的数字员工还相差甚远。同样，通用智能体也被过度炒作了。这些通用智能体本应能够自主且灵活地执行多种类型的任务。但目前我们只有特定任务的智能体，而且看起来行业正朝着这个方向发展。通用智能体将更多地扮演多任务协调者的角色，而不仅仅是独立的智能体。”

因此，尽管微软最近预测，以人工智能智能体形式存在的数字员工将很快颠覆企业的组织架构，预示着“智能体主管”这一新角色将负责管理由人类和数字人工智能员工组成的团队，但这一未来愿景可能比宣传的要遥远得多。

四、AIOps与可观测性（AIOps and observability）

这是今年首次出现在这份榜单上的另一项与人工智能相关的技术。AIOps（智能运维）是一个新兴领域，在这个领域中，人工智能系统不仅能帮助识别运营基础设施中的问题，还能对事件做出智能反应以减轻影响。

Joshi（乔希）表示：“AIOps与可观测性相结合，通过更好的数据关联和洞察实现自我缓解运营问题的承诺并未实现。这些工具产生的大量噪音以及无关的遥测数据成了一大瓶颈。人们在问题分类和理解上花费了大量时间，而不是对业务需求做出响应。随着人工智能智能体的大量涌现，这些平台还需要涵盖智能体的可观测性，这会让情况变得更加棘手。”

五、广义的人工智能（AI in general）

一些人将广义的人工智能列为被过度炒作的技术。

与生成式人工智能的情况一样，科技行业的领导者们认为广义的人工智能之所以获此“殊荣”，是因为目前人们对它的期望超出了现实。

“外面有太多错误信息和误解，这就是为什么人工智能会出现在我列出的被过度炒作的技术名单上。”虚拟医疗公司JOGO Health负责监督IT运营的首席技术官Drew DeNardo（德鲁·德纳尔多）说，“没错，人工智能是一项极具升维性的技术，但人们认为它能神奇地解决所有问题。他们觉得只要将人工智能引入公司体系，所有问题就能迎刃而解。”

他说，科技行业的领导者们深知现实并非如此。“你需要深思熟虑、谨慎行事。那些利用人工智能来增强和补充团队，用人工智能赋能团队以提高生产力的公司才会成功。而那些认为可以用人工智能裁员的公司，也就是尝试过这种做法的公司，正遭遇惨痛失败。”

不过，人工智能确实开始重塑就业格局，公司董事会越来越多地敦促首席执行官们裁员，转而采用人工智能。

六、量子计算（Quantum computing）

的确，IT行业的领导者们认识到量子计算的潜力。量子计算利用量子力学原理进行计算，因此比目前的传统计算机快得多，功能也强大得多。

但他们也表示，量子计算距离实际应用的时间比炒作所暗示的要长得多，因此今年它又一次登上了这份榜单。

The Jackson Laboratories（杰克逊实验室）的首席信息官Brendan Arbuckle（布伦丹·阿巴克尔）表示：“我们已经取得了一些重大进展，但短期内量子计算不会对我们产生重大影响。”

话虽如此，Arbuckle（阿巴克尔）和其他技术领导者一样，切实看到了量子领域即将取得突破，并且认为首席信息官们需要为后量子时代做好规划，尤其是在加密方面。但他认为，在未来几年内，企业没有必要制定具体计划，将量子计算直接应用到企业工作流程中。

七、元宇宙、AR/VR/XR和空间计算（Metaverse, AR/VR/XR and spatial computing）

这是又一类在年度被过度炒作技术榜单上再次出现的技术。

分析师和IT领导者一致认为，尽管在过去几年里，空间计算领域，无论是AR（增强现实）、VR（虚拟现实）、XR（扩展现实）还是元宇宙，都取得了一些进展，但人们对它的期望仍然超出了它目前的实际价值。

“元宇宙、空间技术、AR/VR——这些都没有真正取得实质性进展，”West Monroe的Moogimane（穆吉马内）说。

不过，他并没有完全否定这些技术的价值：与其他被认为是过度炒作的技术一样，空间计算具有巨大的潜力；只是要实现这些潜力，需要大量的时间和投资。

Moogimane（穆吉马内）说：“任何一项重大的技术转型，只要涉及到工作方式的改变，需要不同的参与形式和不同的工作流程，人们接受起来就需要更长的时间。所以我认为对这项技术的期望是合理的，但要实现这些期望，所需的时间会比预期更长。”

Everest Group的Joshi（乔希）也有类似的看法，并特别指出工业元宇宙被过度炒作。

他说：“工业元宇宙的预期远高于实际的应用情况。”

Joshi（乔希）认为，工业元宇宙确实有一些明确的用例，比如用于车间的设计和维护、高端设备的数字孪生以及员工培训。然而，基础设施成本、人员培训、互操作性以及用户体验差等问题，阻碍了它的广泛应用。

八、多云（Multicloud）

许多首席信息官都接受多云策略，但Joshi（乔希）表示，很少有企业能充分获得这种云策略所承诺的所有好处。

他说：“企业希望通过多云实现统一同步、可互操作的工作负载，以避免供应商锁定的目标并未实现。大多数企业都采用了多云策略，但他们对云服务供应商的选择很少改变。而且，他们也不一定会在不同的云平台之间实现工作负载的互操作。”

因此，尽管首席信息官们现在更有意识地在推行多云策略，而不像以前很多人是在近乎偶然的情况下采用，但互操作性和其他关键问题增加了实施过程的复杂性。

九、电动汽车（Electric vehicles）

诚然，这并不是首席信息官们通常关注的技术领域，但仍有一些首席信息官将其列入了被过度炒作的技术名单。

Welocalize技术公司的首席信息官Chris Grebisz（克里斯·格雷比什）就是其中之一。他讲述了自己第一次开特斯拉去洗车时，不得不琢磨如何把车挂到空挡的经历，他说开电动汽车时，像这样的日常操作都得重新学习。

在这个过程中，他发现电动汽车的用户界面并不像宣传的那样直观。

他说：“我开了30年的传统汽车，现在开电动汽车就感觉像在操作一台iPad，可我还是个搞技术的人呢。所有东西都得重新摸索，我还得去看说明书。”

Grebisz（格雷比什）表示，他现在把自己的特斯拉看作是一件“交通工具设备”，而不再仅仅是一辆汽车。这种观念的转变，有助于他应对从传统汽车过渡到电动汽车所需的转型管理。

他指出，这种转变很巨大，他认为真正的数字原住民可能会觉得这种转变更容易接受。

这段经历也让他体会到，当一项技术打破了长期以来的工作流程时，员工们会有怎样的感受。

他补充道：“这次经历真的让我很惊讶，我原本以为会轻松很多。”

十、绿色能源（Green energy）

生命科学公司Abzena的首席信息官David Williamson（大卫·威廉姆森）更进一步，将绿色能源也归入被过度炒作的技术类别。

需要明确的是：他并不反对绿色能源。事实上，他自己也有一辆特斯拉汽车，家里还安装了太阳能设备。

正是这些个人经历让他得出结论，绿色能源并非一些人所宣称的万能良方。首先，和Grebisz（格雷比什）一样，他发现驾驶电动汽车需要一定的学习过程。

他说：“我最大的不满就是用户界面一直在变。”他还表示，“为了知道如何操作这辆车，我看了好多视频”。

他还发现，炎热和寒冷的天气都会损耗电池电量，“所以你以为自己的车能跑一定的里程数，但实际却跑不了那么远”。

他在使用太阳能板时也有类似的经历，他说：“（太阳能板宣传的效果和实际情况不一样）。它们容易变脏，然后效率就会降低，所以还得去清理。而且夏天和冬天的性能差异很大。”

此外，还有一些意想不到的成本。Williamson（威廉姆森）指出，他需要花钱接入电网，而且还要支付电费。

Williamson（威廉姆森）说，这些经历让他意识到“我们低估了技术对个人的影响”，而且“这些技术还存在一些未被提及的隐患”。

作者：Mary K. Pratt（玛丽·K·普拉特）

Mary K. Pratt（玛丽·K·普拉特）是马萨诸塞州的一名自由撰稿人。

译者：宝蓝

睿观：在技术加速变革的时代，许多新兴技术正处于“膨胀预期顶峰”，其宣传的潜力远超当前实际能力，这与Gartner的技术成熟度曲线相符。IT领导者与分析师们指出，当前被过度炒作的技术榜单包括：因高失败率和准确性问题连续第三年上榜的生成式AI、尚不成熟的代理型AI、承诺未兑现的AIOps，以及仍显遥远的量子计算和元宇宙。因此，CIO（首席信息官）必须保持现实视角，拨开炒作的迷雾，在兴奋与怀疑间找到平衡，专注于那些能带来真实、可衡量价值的技术应用，而非盲目追逐每一个“热门新事物”。

金句：

技术成熟度曲线的“膨胀预期顶峰”，是考验CIO定力的“压力测试”；能在此刻保持清醒，才能在“幻灭低谷”后收获真正的生产力。