新研究显示克服旧版技术问题是 AI 成功的关键

这篇嘉宾帖子来自 IDC 的 William Lee 博士，他是服务事业和核心基础设施研究高级研究主管。MongoDB 委托 IDC 探索亚太地区旧版基础设施、数据挑战和 AI 之间的联系，今天我们很高兴与大家分享这项研究成果。有关更多信息，请参阅 MongoDB 赞助的 IDC InfoBrief 完整版，《现代化旧版：在 AI 时代制胜》，文档编号 AP242555-IB，2026 年 4 月。

在亚太地区，AI 领域的雄心壮志可谓遍地开花。然而，仅凭雄心壮志并不能决定成败。如今，各组织机构逐渐发现，AI 成果的取得，直接取决于其底层技术架构以及相关数据技术基础的品质、可及性与现代化程度。

那些成功紧跟应用与基础设施架构层面技术及数据管理变革、将现代化理念融入组织基因深处的企业，其数字化收入增长速度，是那些深陷技术与数据债务泥潭企业的三倍。

为了更好地理解这种联系，IDC 在八个亚太市场调查了 1,400 个组织。调查结果表明，现代化不再是一项附带举措。它是可持续发展 AI 战略的核心。

AI 就绪度差距：领先阵营与主流阵营

由 MongoDB 赞助的 IDC 最新亚太地区现代化调查发现了两个截然不同的阵营：

• 主流阵营：仍然受制于技术债务、数据孤岛和技能差距的组织

• 领先阵营：那些已将现代化融入其战略并取得相应业务成果的组织。

这种差距并非理论层面的空谈，而是能在商业表现中切实衡量出来的。处于领先阵营的组织，其数字化收入近乎是同行企业的三倍。

这一差距并非单纯源于 AI 领域投入资金的多少。领先企业会对其核心基础设施进行现代化改造，确保高层支持与转型目标保持一致，并在技术投入的同时重视技能培养。它们将人工智能就绪度视为一种企业级能力，而非一项孤立举措。

僵化陷阱：技术债务与 AI 失败风险

在亚太地区，相当一部分企业仍受困于传统架构的桎梏。根据 IDC 的研究，43% 的受访企业表示，现有架构已成为主要障碍，若不进行大规模现代化改造，将难以开发新的应用程序。

这种僵化状态催生了 IDC 所称的“数据债务”，即数据孤岛林立、冗余陈旧、质量低下，不仅削弱了 AI 的性能表现、推高了运营成本，还加剧了企业因老旧应用现代化进程迟缓而不断累积的技术债务负担。

当 AI 系统在碎片化或不一致的数据上进行训练时：

• 结果变得不可靠

• 偏见风险增加

• 运营成本上升

• 企业信任度降低

IDC 预测，未能启动数据债务修复计划的 CIO 到 2027 年将面临 50% 的 AI 失败率和不断上升的成本。

然而，仍有三分之一的企业继续依赖旧版关系数据库。

许多此类数据库的部署旨在支持各类业务应用，业务领导者期望借此应用 AI 技术。然而，传统的 RDBMS 类数据库，根本无法满足 AI 对动态性、快速迭代性以及海量实时数据处理的高要求。

未能向适配 AI 的应用架构转型的企业，正被那些已完成架构切换的企业远远甩在身后。

AI 投资与基础设施就绪度之间的差距正在扩大。

旧版拖累：切实存在的业务影响

技术债务的后果已经显而易见。

• 95% 的组织报告项目延迟

• 90% 都经历过以失败告终的现代化计划          

• 89% 的受访者认为技术债务是现代化进程中的一大障碍

此外，组织还指出，安全集成薄弱、与业务用户的互动有限以及过时的工作流程加剧了这些挑战。

现代化的失败绝不仅仅是技术上的失败。它们是组织性和结构性的。

是什么让领先组织脱颖而出

领先阵营中的企业并非在毫无约束的环境中运营，相反，它们以截然不同的方式应对挑战。

IDC 将“领先企业”定义为无论是数字原生行业还是传统行业中的企业，那些已摆脱传统架构僵化束缚、并将现代化理念深度融入日常运营的企业。它们的显著特征包括：

• 采取持续、多管齐下的方法解决旧版系统问题

• 高层领导、资金投入和 AI 成果之间的协同一致

• 对现代化的投资是一项长期功能，而不是一次性项目

• 高度关注 AI 和现代应用程序开发技能

所带来的成果不仅体现在 IT 性能的显著提升上，领先企业能以更快的速度实现数字化收入增长，且相较于同行，它们能更早、更持续地从人工智能项目中挖掘价值。

以云为中心的数据管理：战略推动因素

现代数据平台在这一转变中起到了核心作用。

IDC 的研究显示，38% 的亚太地区企业将云端数据管理平台列为 2026 年现代化投资的首要方向。此举措的动机十分明确：在避免引入额外复杂性的前提下，为混合架构和人工智能工作负载提供支撑。

虽然 AI 赋能是一项普遍要求，但领先企业会通过优先考虑以下几点来脱颖而出：

• 安全性与合规性

• 灵活处理结构化和非结构化数据

• 符合现代 AI 工具链要求的可扩展架构

这项功能正变得越来越重要。如今，许多与AI相关的数据，包括内容、传感器输出和客户互动，都存在于非结构化格式中，传统架构难以有效地集成这些数据。

无缝处理结构化数据和非结构化数据已成为一项差异化竞争优势。

现代化是一项持续战略

IDC 的观点很明确：现代化不再是技术更新换代的周期。这是一种战略运营模式。

成功的组织从三个方面实现现代化：

人们

领先企业有意投资于 AI 和现代应用程序开发技能。他们将抵制变革视为一种战略风险，并积极加以管理。

处理

他们采用云原生方法，而不是重复短期的“直接转移”式迁移。这种迁移只是简单地转移技术债务。他们使用结构化优先级框架将现代化嵌入到常规操作中。

技术

它们选择向支持可扩展性、兼容多元数据类型、具备快速功能开发能力，且能与当代 AI 生态系统无缝衔接的数据平台进行现代化升级。

投资回报率公式：行动风险与不作为风险

现代化转型常被视为成本高昂且风险重重。然而，IDC 的分析表明，不作为的风险往往被低估。本研究证实，那些持续且有效地投资于应用现代化项目的企业，正同时收获更优的投资回报率与更高的数字化收入！

对报告进行现代化改造的组织：

• 显著减少报告时间

• 生产率提高两位数

• 显著的成本节省

• 数十万美元的量化成本降低

尽管全面重写应用程序和数据库现代化所需的初期投资高于“直接转移”模式，但其长期收益可达后者的三倍之巨。

对于首席信息官和企业领导者而言，决策不应被框定为“现代化成本”与“维持现状的稳定性”之间的权衡，而应是“现代化投资”与“AI 项目失败风险持续攀升”之间的博弈。

前进之路：旧版系统并非永久存在

人们往往认为，克服旧版系统带来的挑战，其风险不亚于引入新技术。IDC 指出，亚太地区许多首席信息官都将规避风险列为首要任务。与之形成鲜明对比的是，企业领导者正积极寻求创新解决方案以开拓新业务机遇，因此首席信息官必须在规避风险的考量与企业需求之间寻求平衡。IDC 的研究表明，资金投入不足的旧版系统迁移项目，其风险显著高于初始阶段即获得充足资金支持的项目，且投资回报率也更低。

那些主动化解技术债务、推进系统现代化，并围绕人工智能赋能成果协调领导层决策与资金投入的企业，就能逐渐脱颖而出。

拖延的企业将面临结构性劣势：

• 技术债务不断增长

• 现代化成本不断攀升

• 表现不佳的 AI 系统

• 数字收入增长放缓

IDC 的研究表明，亚太地区下一波AI优势的取得，将不仅仅取决于模型的复杂程度。这将由架构基础决定。

归根结底，没有现代化，就不可能有可持续的 AI 战略。