导读:人工智能最具前景的应用场景之一,便是辅助大规模的 IT 现代化改造。尽管这一领域的探索才刚刚起步,但先行者们已经斩获了显著成效,展现出大幅削减项目周期与成本的巨大潜力。
作者:Grant Gross

图片 1:图像提供:Shutterstock
正在苦苦寻觅高价值人工智能(AI)应用场景的 IT 领导者们,可能忽略了一座潜在的“金矿”:将这项技术直接应用于大规模的 IT 现代化(IT Modernization)与数字化转型(DX, Digital Transformation)工程之中。
目前,少数极具前瞻性的大型企业首席信息官(CIO)已经开始在重大的数字化转型项目中,利用生成式 AI(Generative AI)及相关工具来重写遗留代码、重新设计工作流并迁移数据库。然而,与其巨大的潜在价值相比,这种做法在业界的普及程度依然不高。
“这其中的潜力,虽不敢说是‘无限的’,但也相差无几了,”联络中心技术提供商 Avaya 的 AI 与机器学习负责人 Vijay Thangella 表示。
Avaya 声称,借助其基于前沿模型(Frontier Models)构建的 AI 工具,能够大幅缩短客户联络中心现代化改造的周期。在过去,改造传统的遗留联络中心,通常需要 IT 部门耗费数月时间,去人工梳理并重建长年累月积攒下来的工作流、路由逻辑、系统集成接口以及业务规则。而 Thangella 指出,引入 AI 辅助后,这一过程可以缩短至几天。
托管服务提供商 Ensono 同样在使用 AI 工具协助客户开展代码探查(Code discovery)与遗留代码清理工作。该公司首席战略官 Brian Klingbeil 表示,尽管绝大多数企业尚未将 AI 用于辅助数字化转型,但这项技术确实能够显著削减大型 IT 现代化项目所伴随的高昂成本与漫长工期。
Gartner 人工智能分析师 Arun Chandrasekaran 认为,通过运用生成式 AI 及相关工具来加速数字化转型举措,蕴藏着巨大的潜力,他尤其看好其在需求收集、遗留代码梳理与映射,以及代码质量保证(QA)这三大环节的应用前景。
“目前市场对此抱有极高的兴趣,但大多数客户还没有真正走到那一步,”他指出,“尽管大模型在处理上述许多任务时的准确率正在不断提升,但‘幻觉(Hallucination)’的发生率依然常常成为制约落地的瓶颈。”
Chandrasekaran 补充道,在许多情况下,CIO 们目前仍在致力于完善企业的 AI 治理(AI Governance)与数据基础设施(Data infrastructure)。在技术团队能够安全地利用 AI 辅助数字化转型之前,这是必须率先夯实的两个基础步骤。
他表示,对“利用 AI 推进数字化转型”表现出最浓厚兴趣的,往往是中型企业的 CIO。这类企业通常难以拿出充裕的预算去支撑大规模、跨年度的数字化转型项目;同时,相比于掌管数百亿美元营收的跨国巨头 IT 负责人,中型企业的技术高管对风险的容忍度也相对更高。
“要把过去一直由人工亲力亲为的核心任务托付给 AI,管理者似乎必须做好接受或容忍一定程度风险的心理准备,”Chandrasekaran 总结道。
婴儿配方奶粉制造商美赞臣(Mead Johnson Nutrition)的高级副总裁兼全球 CIO Rama Donepudi,正是利用 AI 赋能数字化转型先锋阵营中的代表人物。
早在 2024 年,当美赞臣推进从传统的遗留 SAP ERP系统向新一代 S/4HANA架构迁移时,Donepudi 便果断采用了“生成式 AI + AI 驱动的自动化”组合方案。
Donepudi 的 IT 团队利用生成式 AI 编码助手(Coding Copilots)对公司内部开发的定制化程序进行修复与重构,使其顺利兼容全新的 ERP 软件包;同时,他们还部署了搭载 AI 能力的 UiPath机器人,实现了旧环境与 S/4HANA 之间海量数据校验工作的全面自动化。
此外,该团队还引入了 Enable Now和 WalkMe等 AI 赋能工具,辅助开发员工培训及其他学习资料;在整个系统过渡期内,他们还调用基于 GPT的工具来自动撰写面向全员的项目沟通文档。
Donepudi 强调,生成式 AI 只是他们工具箱中的武器之一。“我们在代码开发、数据验证、员工培训和内部沟通等各个环节,有意识地分别部署了不同特性的 AI 能力,而不是将 AI 视为单一的应用场景,”他表示。
他指出,将 AI 用于培训与沟通内容的生成带来了显著的成本削减,不仅能够针对特定岗位定制专属内容,还能随着项目进度的推进随时进行即时调整与更新。
“只要输入恰当的提示词(Prompts),AI 就能生成所有这些物料,让一切工作都变得顺畅得多,”他感慨道,“这让我整体的变革管理(Change Management)工作变得轻松了许多。”
Donepudi 回顾道,AI 带来的整体效益极为显著。在不使用 AI 工具的传统推演下,公司原本预计这项现代化改造工程需要耗费 17 到 18 个月;而在 AI 的助力下,项目最终仅用 11 个月便圆满收官。由于工期大幅压缩,直接为公司节省了高达 500 万至 600 万美元的成本。
在今年 8 月举办的“CIO 100 奖项与峰会”上,Donepudi 向在场的 CIO 同行们分享了系统最终切换时的情景:“我们在周五晚上停机切换系统。到了周一早上,业务部门的同事回到办公室后问我:‘Rama,我们已经切换到 S/4 了吗?’没错,我们已经成功迁移到了 S/4。业务部门甚至完全没有察觉到我们在幕后完成了如此浩大的工程。这正是因为我们在培训、测试和文档编写中彻底贯彻了 AI 的应用。我们用实际行动向他们展示了 AI 究竟能做到什么。这就是我们的实战成果。”
尽管 Donepudi 深切体会到了 AI 在数字化转型项目中的巨大潜力,但他也理解同行们为何对此持犹豫态度。正如 Gartner 的 Chandrasekaran 所指出的,许多大型组织并不具备美赞臣那样对风险与回报的权衡承受力。此外,Donepudi 坦言,大型咨询公司在 CIO 群体中依然拥有深厚的影响力。
“企业之所以聘请大型咨询机构,主要原因在于看重他们在项目群管理(Program management)、变革管理和沟通管理上提供的全方位贴身护航,”Donepudi 解释道,“像德勤(Deloitte)、IBM 和埃森哲(Accenture)这样的巨头之所以不可或缺,是因为他们深谙如何操盘这种触及财务、供应链、采购和销售等全公司命脉的大规模转型,能够协助企业平稳度过变革阵痛期。”但他同时指出,对于那些有魄力承担风险的 CIO 而言,依靠内部团队结合 AI 推进系统现代化,所能收获的回报是极为丰厚的。
“这是一种全新的推进方式,自然伴随着风险,而我选择自己扛起全部责任,”他说道,“这与过去那种‘我花每年 5,000 万美元把部署外包给 IBM,出了问题由 IBM 来兜底追责’的立场截然不同,这一次,由我对结果负全责。”
Donepudi 表示,这个项目的成功,还为他提供了一个绝佳的契机,去赢得公司内部其他部门对 AI 价值的坚定信任。
“如果连我们 IT 部门自己都不敢在实战中率先使用 AI 并证明其成效,我又有什么底气去要求财务、供应链或市场营销团队使用 AI 来提升生产力与效率呢?”他总结道,“最终,我承担了这份风险,而事实证明,这一切都是值得的。”
Frontier Models (前沿模型):指当前人工智能领域参数规模最大、泛化与推理能力最强的顶尖基础大模型(如最新一代的 GPT、Claude 或 Gemini 系列模型),具备处理复杂逻辑解析与跨语言代码转换的能力。
Coding Copilot (AI 编码助手):基于代码大模型构建的开发者辅助工具。在企业遗留系统现代化(Legacy Modernization)中,常被用于自动解析老旧代码逻辑、查找依赖关系,并将旧版本定制代码(如早期 SAP ABAP 代码)自动重构以适配新架构。
Hallucination (大模型幻觉):指生成式 AI 模型在输出结果时,产生看似逻辑通顺但实际上违背事实、偏离上下文或包含虚构代码指令的现象。在严肃的企业级代码重构与数据库迁移中,控制幻觉率是保障系统安全的核心前提。
Change Management (变革管理):在实施重大 IT 系统升级(如 ERP 替换)时,为减少组织阻力、帮助员工适应新工作流而开展的系统性沟通、培训与组织对齐工作,往往直接决定数字化项目的最终采用率与成败。
长期以来,大型企业的 ERP 升级与核心系统现代化改造,普遍陷入了“高成本、长周期、重度依赖外部咨询巨头”的固化模式。美赞臣 CIO Rama Donepudi 的实战案例,为业界提供了一条极具启发性的破局路径:将生成式 AI 与自动化工具链深度组合,直接切入数字化转型最繁重的底层工程与变革管理环节。
对于正面临遗留系统改造压力的 CIO 与 CDO 而言,本文揭示了三大核心管理启示:
1、用“AI 工具矩阵”替代单一工具思维:核心系统迁移涉及复杂链条,单一模型难以包打天下。将“AI 编码助手(重构遗留代码)+ 智能 RPA(自动化数据校验)+ 生成式内容工具(定制化岗位培训与沟通)”进行矩阵式编排,才能全链路压缩项目周期,实现数百万美元量级的降本增效。
2、从“转移风险”走向“主动担责”:花天价预算聘请外部咨询大厂,本质上常带有为项目失败寻找“免责背书”的防御心态。在 AI 时代,技术高管唯有敢于走出舒适区,依托内部团队与智能化工具主动承担交付责任(Ownership),才能真正沉淀出属于企业自身的核心数字化能力。
3、以 IT 部门的“实战战果”引领全员 AI 信仰:要求业务部门拥抱 AI 最有力的说服方式,不是空洞的宣讲,而是 IT 部门率先在最高难度的核心系统切换中“吃自己的狗粮(Dogfooding)”。用一次业务无感知的平滑周末切换,即可在全公司树立起对 AI 生产力的坚实信任。