云服务涨价在即，AI项目失败风险加剧，IT领导者紧急应对策略

IT基础设施与运营：2026年的战略准备，你到位了吗？

先亮出几个关键趋势评估：IT基础设施与运营（I&O）的负责人，必须将运营重心转向平台化模式。与此同时，要警惕传统云服务的显著涨价。逻辑很清晰——云巨头们正疯狂向AI基础设施注资，这笔投资，最终会通过提高企业客户的使用成本来消化。

在悉尼举办的Gartner IT基础设施、运营与云战略大会上，分析师们释放了明确信号：一边是AI热潮带来的运营压力，另一边是保障核心业务和精准控成本的根本要求——这个矛盾，是2026年IT领导者最棘手的核心痛点。

Gartner总监级分析师Autumn Stanish直言不讳：“AI智能体的热度确实达到了峰值。但别忘了，技术浪潮总是一波接一波。常规工作照样要推进，基础职责不能松懈。”

即便如此，创新压力仍在加剧。Gartner研究副总裁Paul Delory指出，基础设施自动化和DevOps等基础实践依然是关键，但CIO们在2026年最亟待解决的问题仍是“降本增效”。于是，许多人把AI视为解药，期待它能直接带来成本节约。

现实是，业务侧的AI需求已远超I&O团队的承载能力。Stanish警告，超过半数I&O领导者认为，将AI与现有基础设施融合是最大难题。如果处理失当，这个团队很可能失去主导权。为了防止类似当年“盲目上云”导致的被动局面重演，Delory强调，I&O必须蜕变成为一个能创造业务价值的部门——实现AI智能体交付、保障持续运营、落地平台化模型。

那么，未来一年具体该如何落地？Gartner的建议很务实：成立专门的AI卓越中心，构建全自动交付流水线，并配套严格的成本管控机制。Delory表示，这件事90天内能完成——因为大部分工具都是免费的开源软件。目前，AI在I&O领域的实际应用已有不少案例：比如让AI自动处理基础设施变更、更新脚本和操作手册；训练AI担当质量保证工程师；以及基于策略文档部署合规智能体。

向平台化模型转型，组织架构也得随之调整。Stanish建议组建专职的平台团队，将传统的服务器和存储工程师整合进来，由一位直接对接终端用户需求的产品负责人统一管理。这意味着绩效评估标准必须革新——不能再只盯着“正常运行时间”这类基础指标，而要转向营收增长、客户满意度等业务成果导向的KPI。

除了运营架构，技术采购领域的风险同样不容忽视。Gartner副总裁级分析师Luke Ellery引用2024年调查数据指出，79%的采购方对自己的技术购买决策感到后悔：要么产品未达预期，要么在妥协中选择了更劣质的方案。

如何破局？Ellery呼吁企业在整个采购流程中，确保高层赞助人全程参与，确保最终结果贴合业务需求，而非让采购部门一味压价、选择凑合方案。他还建议聚焦可量化的业务成果，别过度纠结功能规格清单；同时采用敏捷、精益的采购方式，用迭代优化替代僵化的瀑布式流程。

此外，Ellery提醒领导者理性评估风险承受能力——用数据去理解和管理风险，而非一味回避。同时，通过针对性培训和深入市场调研，增强与供应商谈判的筹码，同样至关重要。

投资决策失误的风险，在IT支持领域尤为突出。Gartner预测，到2027年，一半专为服务台设计的AI项目会被叫停——原因不外乎超预算、高风险，或投资回报远低于预期。

不想成为这个统计的一部分？Gartner总监级分析师Joe Rogus建议：优先深挖现有软件中易上手的AI功能，特别是虚拟支持智能体（VSA）。它能将事件处理从人工客服那里分流出去。

AI赋能人工客服的路径还有很多：用检索增强生成（RAG）技术实现企业知识库的智能检索；自动将聊天记录转化为知识库文章；用机器学习检测终端异常并自动响应。此外，AI还能辅助工单分类、路由，甚至自动生成案例摘要——但前提是，企业必须提前完成数据的清洗与整理。

Rogus也对智能体AI的炒作热度泼了盆冷水。许多供应商不过是在给基础自动化工具贴了个“智能体”的新标签。真正的智能体AI，需要赋予系统自主决策和行动的能力，背后需要极高的可信度与严格的数据治理规范。

谈及云计算的未来方向，Rogus指出，公有云支出预计在2027年突破1万亿美元，AI是核心推动力。但问题在于，超大规模云服务商已向AI基础设施投入数千亿美元，这些成本大概率会通过提高传统云服务价格的方式“回本”。

为了持续证明云迁移的商业价值，Rogus提到一种新兴趋势：融合AI、面向特定行业的可组合解决方案。它摒弃了孤立的基础设施模式，转向以数据结构和打包业务能力为核心的现代化架构。

这些趋势对面向2030年的IT战略布局影响深远。在数字主权方面，IT领导者必须厘清数据主权、运营主权和技术主权之间的区别，并在全球超大规模云服务商与本地供应商之间做出明智权衡。多云战略也需要重新审视——Gartner预测，大多数企业最终会在一个云平台上运行AI模型的高密度计算，在另一个云平台上结合自身数据做应用开发。

可持续发展同样是新的瓶颈。AI优化的数据中心机架对电力的需求远超传统服务器，预计到2030年，能源消耗将翻三倍。与此同时，安全框架必须从静态策略向动态实时防护体系演进——因为AI智能体本质上已成为企业网络中的“数字化员工”。

最后，云财务管理是每家企业都无法回避的核心功课。由于AI工作负载大量运行在当前严重超配的容器化云环境中，Gartner警告：如果企业不及时优化计算环境，其运营成本可能比精益运营的竞争对手高出50%。

Q&A

Q1：为什么Gartner预测传统云服务价格会上涨？

答案很直白：超大规模云服务商（AWS、Azure、谷歌云）正倾尽数千亿美元投入AI基础设施。为了回收这笔巨额投资，它们必然会通过提升传统云服务价格来补偿成本。Gartner预测，公有云总支出将在2027年突破1万亿美元，AI是核心推动力。但对企业而言，这意味着传统云资源的使用成本只会持续攀升。

Q2：企业如何避免AI服务台项目失败？

Gartner预测，到2027年一半的AI服务台项目会被放弃。要避开这个陷阱，建议优先挖掘现有软件中已有的AI功能，部署虚拟支持智能体（VSA）以减少人工干预；同时用RAG技术优化知识检索，用机器学习实现异常响应。最关键的一步是提前清洗并整理数据——否则再好的AI项目也容易因数据质量差而折戟。

Q3：IT基础设施团队真能在90天内建立AI卓越中心？

Gartner研究副总裁Paul Delory认为完全可行。因为所需工具大多是免费的开源软件。具体做法包括：训练AI自动更新基础设施脚本和操作手册、让AI扮演质量保证测试角色、部署基于策略文档训练的合规智能体。这样一来，I&O团队就能从单纯的执行层，转型为一个真正创造业务价值的关键部门。