过去一年，生成式AI迅速从“前沿技术”演变为企业讨论中的常规议题。从董事会到业务一线，关注点已经不再是“要不要用AI”，而是企业在不同发展阶段，应该如何选择落地路径、如何判断投入节奏，以及如何尽量降低不必要的试错成本。
从市场实践来看，企业的AI探索并不存在统一范式：有的企业从具体应用场景切入，有的优先推动流程自动化，也有企业选择先夯实数据和平台基础。这些选择背后，往往与行业属性、组织能力、数字化成熟度和管理目标密切相关，并不存在绝对正确的先后顺序。
在这一过程中，企业级应用、企业级服务以及数据库与数据管理，往往以不同形式、不同权重出现在企业的AI实践中。IDC开展相关研究，并非试图将这些因素“硬性绑定”为成功前提，而是希望更真实地反映市场的复杂性，帮助企业理解不同路径下可能面临的机会与约束。
从“加AI功能”到“用AI做事”：企业级应用的重构正在发生
AI Agent正在改变企业应用的基本形态
在很多企业中，生成式AI最初的落地方式是“功能叠加”：写文案、生成报表、自动摘要。这类能力提升了效率，但并没有改变应用的本质。
IDC的研究发现，真正具有颠覆意义的变化来自AI Agent（智能体）的引入。企业级应用正在经历从“被动工具”到“主动参与业务执行”的转变：
- 应用不再只是被人操作，而是能够理解目标、拆解任务并自动执行
- 用户界面逐渐从复杂菜单，转向自然语言和流程驱动
- 应用之间开始通过Agent进行协同，而非人工串联
IDC将这一变化总结为企业级应用的“Agentic演进路径”，并指出未来几年内，Agent将从辅助角色逐步走向主导角色。
哪些业务场景最先受益？
从企业实际落地情况来看，生成式AI和智能体的应用并未集中在单一部门，而是优先出现在高频交互、高度标准化或知识密集型的业务与技术场景中，包括：
- 客户服务与智能联络中心：AI被广泛用于自动应答、坐席辅助、工单分流与服务质量监控，在不完全替代人工的前提下，提高响应效率和服务一致性。
- 办公自动化与知识管理：会议纪要、文档整理、企业知识问答等场景逐步由AI承担基础工作，降低员工获取信息和跨部门协作的成本。
- 内容生成与市场营销：从内容和素材生成，延伸至客户洞察、活动优化和线索管理，营销决策开始更多依赖数据与模型驱动。
- 职能流程自动化：在财务、供应链、HR、采购、法务等职能领域，AI被用于规则明确、重复性高的流程自动化、合规检查和风险识别。
- 研发与IT运维：代码生成、测试、故障定位和运维自动化成为AI落地的重要方向，直接影响研发效率、系统稳定性和运维成本。
IDC之所以持续追踪这些细分场景，是因为企业在做AI投资决策时，往往需要回答一个现实问题：哪些应用场景已经具备规模化条件，哪些仍处在早期探索阶段。这类研究的价值，在于帮助企业避免“平均用力”，而是将有限资源投入到最有可能产生业务回报的方向。
没有服务能力，AI很难真正跑起来
一个在客户中反复出现的共识是：AI Agent的成败，不仅仅是模型本身，很大程度还取决于项目实施过程中对于数据治理，安全合规，流程重塑，平台整合等环节的设计和把控，以及后期的运营和维护。
企业在推进过程中普遍会遇到：
- 业务流程是否适合被Agent接管
- 多个Agent如何协同、治理和监控
- 如何持续评估ROI，而不是一次性交付
这也是为什么企业级服务在AI时代的重要性被显著放大。IDC在软件与服务研究中，将AI咨询、Agent设计与开发、系统集成、运维与持续优化视为一个完整闭环，而非单一项目 。
对企业而言，这类研究的价值并不仅在于“推荐某一家供应商”，而在于帮助管理层理解能力建设的先后顺序：哪些能力需要长期内生，哪些可以借助生态伙伴补齐，从而避免“试点成功、规模失败”的常见陷阱。
AI走得多远，取决于数据和数据库走得多稳
数据库正在从“后台系统”走向“AI基础设施”
如果说企业级应用决定了AI“做什么”，那么数据库和数据管理决定的则是AI“能不能做、做得好不好”。
在生成式AI快速演进的同时，中国数据库市场也正在经历深刻变化：一方面，AI对数据实时性、多模态和向量能力提出更高要求；另一方面，国产化进程推动本土数据库厂商在功能和市场份额上持续提升 。
AI for Data：让数据库更智能
IDC在数据库研究中发现，AI正在反向赋能数据库自身：
- 自动调优与容量预测
- 基于AI的异常检测和安全防护
- 更智能的运维和资源调度
这些能力直接降低了数据库复杂度，使企业能够用更少的人力支撑更复杂的业务和AI负载。
Data for AI：让AI真正可用
更关键的是，数据库正在成为AI应用的“能力上限”：
- 向量引擎和多模数据管理决定了Agent是否具备“长期记忆”和上下文理解能力
- 数据治理和权限体系决定了AI是否可信、可控
- 实时数据能力决定了AI是否能够参与业务决策，而不仅是事后分析
IDC在数据库管理系统市场的研究中强调：未来企业AI竞争的本质，是数据架构和数据能力的竞争。
为什么IDC要持续开展这些研究？
IDC之所以持续在企业级应用、企业级服务以及数据库与数据管理领域投入研究，一方面，这些领域是企业AI价值真正发生的位置：应用决定AI是否进入业务流程，服务决定AI能否规模化运行，数据库管理和数据治理决定AI是否长期可持续。任何一环缺失，AI都很难从“亮点项目”走向“稳定能力”。
从企业决策者视角看，这些研究真正解决了什么问题？
通过持续的市场数据、趋势判断和实践洞察，IDC希望帮助客户：
- 看清AI技术和应用的成熟节奏
- 了解行业发展的最新趋势和最佳案例
- 对于热点领域和技术的评估和参考实践
在生成式AI引领的新一轮技术升级中，真正具备长期优势的企业，往往不是最早“尝鲜”的企业，而是那些能够构建高质量数据资产、完善AI治理体系、深度重塑业务流程并持续融合行业Know-how，实现数据驱动的敏捷创新与可持续落地的企业。这正是IDC持续开展相关研究的出发点，也是客户能够从这些研究中获得的长期价值。
IDC 2026年软件和服务领域研究计划：
如需进一步了解与研究相关内容或咨询 IDC其他相关研究，请点击此处与我们联系。
