11 月 9 日上午，巴塞罗那，6500 多名 CIO 坐进 Gartner IT Symposium/Xpo 的会场。开幕演讲没有发布新模型，也没有演示智能体，讲的是刹车。
Gartner 杰出副总裁分析师 Daryl Plummer 打了个赛车的比方：我们装刹车，不是为了开慢，是为了能安全地开快。他给这场演讲定了一个判断——企业 AI 现在最紧的挑战，不是"能不能做"，而是把价值、风险和安全的配速对齐。
配速这件事，数据比形容词清楚。
一、71% 要上，21% 管得住
Gartner 在 2026 年第二季度做了一次覆盖 2000 多名 CIO 与技术高管的调研，结论是：71% 的组织计划在未来 12 个月内落地代理式 AI（agentic AI），但只有 21% 已经具备相应的治理能力。
计划 12 个月内落地代理式 AI 的比例，与已具备代理式 AI 治理能力的比例（Gartner 2026 Q2 调研，n>2,000，2026-11-09 巴塞罗那发布）
中间那 50 个百分点，就是配速差。它不是技术问题——模型能力、工具链、接口标准这一年进步很快；它是组织问题：谁批准智能体动这张单、它能改哪些字段、出错了谁签字、日志留多久。这些问题在立项书上通常只有一行"按公司信息安全规范执行"。
Plummer 和同事 Kristin Moyer 的说法更直接：在这种错配下，价值不可能跑得比风险快。他们还给了另外两个数字作背景。同期对 1000 多名职能负责人的调研里，58% 表示已经从 AI 看到一些正向价值；但另一组长期跟踪数据显示，AI 项目只有五分之一算成功，这个比例与去年持平。
把三个数字连起来看，画面是这样的：一半以上的人尝到了甜头，但成功的仍是少数；绝大多数人准备在一年内把智能体推上生产，而能管住它的只有五分之一。这不是"要不要上"的问题，是"上了以后谁来收"的问题。
"AI 智能体正在经历一次现实检验，最合适的落点，是可靠性与安全性刚好接住自主性的那个区间。"——Gartner 杰出副总裁分析师 Mary Mesaglio，2026-11-10 巴塞罗那
二、AI 通胀，遇上信任衰退
钱的故事更拧巴。Plummer 在台上说了一句很重的话：我们正处在一个"信任衰退期的 AI 通胀"里。Token 单价在快速下降，但 AI 正在抬升其他所有东西的成本。
他给的数字是：那个唯一成功的项目，撑起了大部分 ROI，但拿到它的花费，比两年前高了 18 倍。
为什么单价降了、总价反而涨？因为成本结构变了。过去一个 AI 项目的主要开销是许可证和几名工程师；现在是数据准备、集成改造、评测集维护、推理调用、以及最容易被漏掉的一项——返工。单价只是分子里的一小块。
供给侧的动作也在推这股通胀。Gartner 预计到 2030 年，AI 供应商在基础设施上的支出接近 7 万亿美元，但来自 AI 数据中心的收入不到一半。这个缺口意味着资产减值的压力，压力会变成销售动作：让你在每个流程里都用上智能体，让你多买 token。Plummer 把这叫做"坏动量"——对厂商是增长，对企业是浪费。
| 50%+ | 16% |
|---|---|
| 技术厂商对外宣称的生产率提升幅度（Gartner 引述厂商口径） | Gartner 数据中实际测到的生产率提升（同一场演讲，2026-11-10 报道） |
这个落差值得每个 CIO 贴在办公桌上。它不是说不该用 AI，而是说：供应商的收益表，不能直接当你的立项依据。你要自己测，而且要在自己的流程里测。
把"用量增长"当成绩，是当前最普遍的自欺。
调用量、活跃用户数、生成的单据数，这些指标一定会涨，因为它们衡量的是消耗，不是产出。真正该问的是：同样的订单量，用了几个人、错了几张单、返工了几小时。这三个数不降，调用量涨十倍也只是把成本从人力科目挪到了 IT 科目。
三、40% 的员工收到过 AI 垃圾：返工是没进预算的账
这场演讲里最扎人的一个数据，是关于"AI 垃圾"（AI-generated work slop）的：Gartner 发现，一个月内有 40% 的员工收到过 AI 生成的、需要返工的内容；每一次清理平均花 2 小时。按标普 500 公司的平均规模折算，一年损失约 5200 万美元。
先把这个数的口径说清楚：这是 Gartner 基于调研与折算给出的估算，不是审计数，不能直接搬进财报。但它的用法很明确——给企业一把尺子，去量自己那笔"没进预算的账"。
算法不复杂：收到 AI 垃圾的人数比例 × 人均每月次数 × 每次清理工时 × 人力成本 × 12 个月。多数企业算完会发现，返工成本已经超过了当年的 AI 订阅费。而且这笔钱散落在各个部门的人力预算里，财务看不到，IT 也看不到。
| 度量口径 | 传统 IT 项目 | AI 项目 | 差在哪 |
|---|---|---|---|
| 成功判定 | 上线即基本成功，按功能验收 | 五分之一算成功，按结果验收 | 产出不确定，验收标准要重写 |
| 成本主项 | License + 实施人天 | 数据准备 + 集成 + 推理 + 返工 | 返工通常不在预算表里 |
| 单位产出 | 单据处理量 / 人天 | 同样单据量下的人工与差错率 | 不能只算生成了多少 |
| 责任归属 | 流程负责人 | 流程负责人 + 智能体监护人 | 多了"谁批、谁复核" |
这张表最重要的不是数字，是最后一行。传统项目里，出错找流程负责人；AI 项目里，流程负责人还在，但动作可能是智能体发起的。如果系统不能回答"这个动作是谁授权、依据哪条规则、经过了谁的复核"，那责任就落在了一个没有名字的地方。
这也是为什么 ERP 在这场讨论里绕不开。ERP 是少数能把"结果"落到单据上的系统：订单、发票、工单、凭证，每一张都有金额、有责任人、有时间戳。AI 的产出如果不落到这些对象上，就只能停在"看起来不错"的层面；落上去，才谈得上计量、追责和复购。
四、治理不是刹车片，是让车能开快的装置
Gartner 今年给了一个框架，叫价值—风险飞轮（Value-Risk Flywheel）：两个轮子，一个积累价值，一个积累风险，都由两股力量驱动——动量（momentum）让它转快，阻力（drag）让它转慢。关键判断是：动量不总是好的，阻力也不总是坏的。
数据质量检查、访问限制、审计留痕、人工复核，这些通常被业务部门视为"阻力"的东西，Gartner 把它们叫作"好阻力"——它们降低的是会伤人的风险，换来的是可以放心加速的空间。
但飞轮需要一个调速器。Gartner 提的角色叫"飞轮调速器"（Flywheel Governor）：一个中央决策权威，用虚线结构从各部门借人，统一决定花多少钱、承担多少风险、上什么技术、安全底线在哪。它不是一个新部门，而是一个有预算权与否决权的常设机制。没有它，每个部门都会按自己的价值与风险偏好做决定，最后没人对整体配速负责。
影子 AI 已经不是你想象的样子。
Moyer 的比喻是：AI 之前，安全风险像养狗，拴住、围栏、看着就行；现在像养猫——你一觉醒来，它已经在洗衣篮里、在拆沙发、在翻零食柜。更麻烦的是，把猫放进来的往往不是坏人，而是 Plummer 所说的"英雄式创新者"：他们用 AI 做了很酷的事，无意中造成伤害。治理要防的不只是恶意，还有善意。
Plummer 还给了一个很实操的建议：给 AI 用例排一个"处方表"，像管制药品一样管理那些"吃 token 如吃饭"的场景——不是禁止，而是需要开方、需要说明用途、需要定期复核。他自己也承认这个比喻有点重，但方向是对的：先限制无意识的消耗，再谈关键场景的加速。
顺带一个长期变量。Gartner 在 11 月 10 日预测，到 2030 年 AI 将带来 170 万个净增岗位；同场发布的一个数字是，只有 11% 的政府 CIO 在再培训上投了钱。这两件事放在一起，说明"人"这一侧的配速还没跟上——智能体能干的活变多了，能管智能体的人没变多。
给 CIO 的四条动作：
- 先把 21% 补到能回答三个问题。智能体代表谁行动、能改哪些字段、动作留什么痕。这三个问题答不上来，就不要过生产评审。12 个月的时间窗，够做完这件事。
- 给 AI 产出设"返工预算"。按部门记录 AI 生成内容的抽检率、返工率与清理工时，按季度汇总。这笔账不进预算，就永远不会被管理。
- 设飞轮调速器，并且给它预算权。挂在现有的数字化委员会下即可，但必须有否决权与预算调整权，否则它只是一个通报会。
- 按业务单据计量，而不是按 token 计量。把 AI 的效果挂到订单、发票、工单、成本中心上，从 tokenmaxxing 转向 valuemaxxing。这也是 ERP 在 AI 时代最容易被低估的价值。
自主性是挣来的，不是买来的。买得到的是模型和工具，挣来的是"出错时能收住"的能力。配速的意义，是让前者不把后者甩开。
回到巴塞罗那那个会场。6500 名 CIO 里，大多数人明年会把智能体推上生产。真正拉开差距的，不会是谁先上线，而是谁在上线之前，先把"谁批、改什么、留什么痕"写进了流程。
资料来源：Gartner 新闻稿《Gartner Says Aligning AI Value, Risk and Safety Is Now the Top Challenge for CIOs》（巴塞罗那，2026-11-09）；Gartner《IT Symposium/Xpo 2026 Barcelona: Day 2 Highlights》（2026-11-10）；IT Pro《Gartner says CIOs must apply the brakes on AI to balance value and risk》（Ana Martins，2026-11-10）；CDO Magazine《Gartner: Agentic AI Adoption Is Outpacing Enterprise Governance》（2026-11-09）。
口径说明：71%/21% 出自 Gartner 2026 年第二季度对 2000 余名 CIO 与技术高管的调研；58% 出自同期对 1000 余名职能负责人的调研；五分之一项目成功率、18 倍成本、40% 收到 AI 垃圾与人均 2 小时清理、5200 万美元年损失、厂商 50%+ 与实测 16% 的生产率落差、2030 年 7 万亿美元基础设施支出，均为 Gartner 分析师在开幕演讲中引用的数据或估算，经 IT Pro 现场报道转述，非审计结论。170 万净增岗位为 Gartner 预测值。本文不引用未公开的调研明细。
