文章讨论了人工智能（AI）在提升生产力方面的现状与挑战。尽管对AI工具的投资在增加，但只有5%的组织报告获得投资回报。大多数公司在AI应用上仍处于初级阶段，开发者对现有AI解决方案感到失望。文章强调，提升生产力需优化持续交付流程，而非单纯依赖AI。

随着AI行业的发展，许多公司开始收紧免费服务，转向收费模式，面临盈利压力。预计到2029年，AI数据中心投资将达到6.3万亿美元，企业需实现至少7%的投资回报率。AI公司需处理大量数据以满足用户需求，但当前能力不足，导致成本上升，市场整合不可避免。

分析师Ben Keen在里斯本表示，流媒体行业已进入“新现实”，传统媒体面临亏损。2022年内容投资达到峰值后，支出急剧下降，流媒体委托活动萎缩。Keen预计未来投资将更具选择性，关注观众留存和投资回报。

JetBrains推出JetBrains Central，这是一个AI代理工作流的治理和执行平台，旨在解决企业在使用AI时的复杂性和投资回报问题。调查显示，90%的开发者在工作中使用AI，但仅13%在整个软件开发生命周期中应用AI。JetBrains Central通过提供上下文信息，帮助企业更好地管理AI代理，预计到2026年，40%的企业应用将包含AI代理。该平台支持与现有工具集成，并提供灵活的定价方案。

企业面临压力，需要证明人工智能的投资回报。研究显示，高管对AI的信任增加，期望在短期内见效，77%的高管希望在一个季度内看到回报。人工智能已成为企业的当务之急，成功的定义是提高运营效率，90%的组织报告AI带来了可衡量的收益。

Nvidia计划下周推出开源AI代理平台NemoClaw，旨在帮助企业提高AI投资回报，解决安全隐患问题。该平台将在Nvidia的GTC开发者大会上发布，预计将详细介绍其功能和发布时间。

在数字经济中，安全的数据共享对企业至关重要。研究表明，成功的数据共享能显著提升商业价值和投资回报，但56%的企业对隐私和同意表示担忧。安全数据共享需满足访问控制、数据隐私和实时访问等要求，以促进跨组织合作，从而加速产品开发、创造新收入并提升决策效率。

徕卡相机控股权将易主，估值约10-12亿欧元，潜在买家包括中资私募HSG和蔡司。徕卡经历百年辉煌，但因转型缓慢曾面临困境。黑石集团入股后助其成为奢侈品牌，现因投资回报计划出售股份，徕卡未来发展面临新挑战。

MongoDB的人工智能首席技术官Pete Johnson认为，将AI视为失业威胁的看法是错误的。他强调AI应作为人类工作的合作伙伴，通过嵌入和向量化技术提升生产力，并分享了实现AI投资回报的五个关键决策。

短信服务（SMS）逐渐被富媒体通信服务（RCS）取代，后者提供更强的互动功能和安全性。RCS支持富媒体、群聊和品牌信息推送，提升客户体验。尽管面临技术集成和用户信任的挑战，RCS仍能提高客户留存率和转化率，带来可观的投资回报。

基于开源模型的AI代理可根据特定工作流程和业务需求进行定制，提升生产力和投资回报。企业通过开发专门的AI代理来应对独特的业务挑战。CrowdStrike、PayPal和Synopsys等公司利用NVIDIA技术，创建智能代理以增强安全性、支付效率和芯片设计速度。

公部门利用Elastic构建欺诈检测框架，通过检测规则和机器学习识别欺诈活动，提升检测效率，尤其适合小型机构，增强投资回报。

新的AI运营时代已经到来，51%的全球公司已部署AI代理，35%计划在两年内实施。AI能够管理复杂工作流程，减轻IT团队压力，但需与人类结合以实现投资回报。成功的关键在于将合适资源匹配到合适工作。AI代理可自主处理重复性任务，提升IT运营效率，促进创新。

Meta推出生成广告推荐模型（GEM），通过先进架构和后训练技术提升广告转化率，显著改善Instagram和Facebook上的广告效果和投资回报率。

AI智能体的现状表明，创始人在部署时主要面临工作流集成和员工抵触的挑战，而非技术问题。成功的策略是从小处着手，快速展示投资回报。62%的初创公司已动用核心预算，显示技术逐渐成熟。尽管定价策略多样，混合型和按任务收费最为常见。AI智能体在企业中的应用逐渐增加，但仍需克服信任和集成问题。

企业需证明AI代理投资的回报，评估方法至关重要。现有评估往往只关注最终结果，忽视决策过程。采用目标、计划、行动（GPA）框架可提升代理的可追溯性，确保其在关键工作流中的可靠性，实现可审计的投资回报。

企业在实施生成式人工智能（GenAI）时面临的主要挑战是缺乏高层支持。Elastic通过支持助手、ElasticGPT和安全AI助手等工具，提升了客户体验、员工生产力和安全团队效率，实现了显著的投资回报，展示了GenAI的实际价值。

尽管生成式AI在工作中被广泛应用，但大多数公司未能获得明显的投资回报。研究表明，员工使用AI生成的内容虽然表面上高质量，但实质上缺乏价值，反而增加了同事的工作负担，影响了协作与信任。

尽管全球企业广泛采用代理AI以提升效率，但近一半的部署因缺乏投资回报而失败。成功的关键在于设计多个专注于简单任务的代理，而非追求“超级代理”。代理AI应独立运作，促进人类创造力，企业需关注其更广泛的价值，而不仅仅是节省成本和时间。

AI代理通过加速软件开发、支持数据驱动决策、优化IT运营、简化工业流程、增强客户服务和提供个性化教育等六种方式提升团队绩效。有效的测量框架对于评估AI代理的投资回报至关重要，关键指标包括用户参与度、任务完成率和业务成果。