警惕企业技术创新落差。“富”者昂首前行，“穷”者奋起直追。这一说法清晰描述了掌握海量人工智能、数据、自动化和先进企业系统的领军企业与缺乏上述资源的企业之间的技术创新落差。
埃森哲全球调研显示，疫情之下，数字技术加速应用，企业已然形成共识：技术是竞争的基石。“够用就好”已变得“远远不够”。领军企业依赖强大的数字内核实现了飞速适应和创新，将其与后进企业之间的营收差距从新冠疫情前的2倍拉大到5倍。
毫无疑问，各个企业都已经切换到了比拼技术的快车道上，但为何这样的技术投资回报差距不减反增？答案往往出在企业内部，潜藏在企业内部的可用技术差异才是最为关键的问题。这一问题可能会加剧员工对自动化工具和人工智能重塑技能计划访问权限的不平等，最终削弱企业的竞争力。
企业内普遍存在人才和系统数据利用有效性的问题。我们的调研显示，三分之二的企业尚未实现云端和本地企业系统的最优组合。他们所使用的简单拼凑的繁杂系统使得数据散布在各个孤立的部门中，员工在诸如管理、运营、决策和科学分析等多个领域均无法获取平等、一致的数据访问权限，导致协同工作能力受限，无法高效支持业务目标的实现。
数据利用上的差异还会妨碍企业培养基于数据且深入人心的决策文化。这可能导致企业中出现众多“数据文盲”。而领军企业则善于打破这种不平等，为企业的全方位革新铺平道路。举例来说，一家大型欧洲能源企业期望构建由人工智能驱动的全企业创新能力，该企业经过探索后发现，必须首先面向所有部门开展广泛的宣传教育，确保企业各层面对这一变革机遇的价值与优势达成普遍共识。
领军企业构建了以业务为导向的生态系统，即将服务和系统反哺于业务能力。数据不再被束之高阁，仅供批量处理，而是实时且大规模地活跃于整个企业内部，以便员工基于数据作出业务决策。云技术不再零星应用于企业内部，而是彻底取代昂贵的旧基础架构，强势构建极具弹性和可扩展性的新型基础架构，显著提升速度、生产力和创新实力。
一家中国便利店连锁品牌自2016年成立以来，围绕“数据驱动运营”理念，打造了以数据和算法为内核的企业“中央大脑”。从选址设计、选品、销售预测、陈列展示，到动态定价，门店全价值链条的自动化决策比例高达80%，从而实现降本增效。此外，鲜食作为便利店经营的核心品类，企业将算法驱动和物联网技术注入到从冷链、加工，到管理的鲜食全流程之中，实现了商品全链路数字化监控和管理标准化。最后，企业以数字化手段赋能组织管理与运营，通过门店系统和知识库培训，让“一人管一店”成为可能，全面提升了组织人效。成立不到四年时间，该企业便在全国扩展至1600家门店，其中北京地区的超过500家门店，在开店三年之内便已实现整体盈利。可以说该品牌无论是扩张速度还是盈利能力，均远超同期外资便利店巨头在华市场的表现。
在许多企业中，常常会出现技术投资厚此薄彼的现象。这难免会使一些企业部门和员工感到自己不受重视。例如，IT团队往往过多专注于“维持正常运转”，而忽略了开发创新解决方案来应对业务挑战，这使得企业在寻求技术创新的时候，将超过60%的信息技术投资分配给市场营销或运营等职能部门，导致了“影子系统”的出现。
这些“影子系统”独立于IT部门的职责范围之外，造成业务功能和对应的“孤立”技术优先级不匹配。更麻烦的是，IT团队并未接受有关“影子系统”的使用培训，这无疑削弱了他们支持或升级此类系统的实力。
例如，一家中国跨区域综合能源服务商，IT部门的核心定位就是系统运维，在创新上举措乏力，跟不上业务步伐。而基层业务部门及分公司深刻领会开发创新的重要意义，开始谋求方案，站在创新的前沿，自建IT能力，寻找合作伙伴，甚至成立下属科技公司。
尽管散落的创新更贴近业务，短期内有一定的业务回报。但从长远看，这削弱了企业级数字化创新整体规划，进而形成了创新落差。例如，企业创新能力逐渐削弱；跨企业的战略数字化变革很难进行；也无法建设统一的数字化运营管控体系。“影子系统”短期的业务回报难以长期维系，且持续消耗企业IT投入。
反之，如果是一家高度协同的企业，部署的各项系统会清晰映射业务功能，信息技术投资项目会集中调动所有利益相关者的力量，而不是构建将部分团队排除在外的“影子系统”。以一家美国医院系统为例，其旗下的多个管理团队曾在没有医生参与的情况下，为同样的医疗考核指标创建了各自不同的自定义分析工具，导致医生无法全面了解整个医院系统的最佳实践，效果南辕北辙。
为解决这一问题，医院系统将全部数据集成到一个基于云的一站式工具中，并指派一名医生监督这项工作的实施。该系统可以为医生、业务分析师和管理人员提供各地区和医院中患者情况的一站式概览视图。鉴于所有利益相关者对KPI和最佳实践保持高度一致。该系统仅第一年就削减了多达2,000万美元的护理费。
在许多企业中，能大规模应用自动化和人工智能工具的团队和其他缺乏这些应用的团队之间的差距正越拉越大。后者在生产力和人工智能技能培养方面越来越落后。以一家运输企业为例，其旗下有两个团队正在开发同类产品，团队A仅能自动执行一个项目任务，而团队B能自动执行超过30个项目。这导致两者的交付周期和成果截然不同。
研发团队如此，软件程序员也是一样。有些程序员可能要花费60%的工作时间来完成原本可以自动执行的任务，而使用人工智能工具的程序员能够更快处理这些任务代码。同时，他们还会在实践中发展为人工智能系统协作方面的专家，更不容易出错。随着客户期望不断提升和业务挑战的升级加速，两者之间的差距日益扩大。
显而易见的是，越慢的交付周期越无法满足当今市场的要求，也越容易被淘汰。现代工程实践需要快速完成“构建-测量-学习”周期，离开了自动化这是无法做到的。但是，只是简单扩展自动化部署并不能从根本上解决问题，必须采用全面的系统化方法。
例如，在2016年，一家软件企业面临重要抉择。其IT部门由多个零散机构拼凑而成，业务负责人对IT需求知之甚少，也不与IT部门沟通分享未来期望。由于几十年来积累的旧代码对系统造成了沉重的负担，这家企业不得不将80%的IT预算用于解决过去遗留的问题，“维持正常运转”，仅有20%的预算可用于未来型创新。
该企业不只是简单地实现更多业务活动的自动化，而是开启大刀阔斧的重建工程，致力于从速度和创新上超越同行业数字原生竞争对手。他们选择采用垂直架构的现代化工程模式，招募业务专家和全栈工程师组建一支集成式团队，合作进行敏捷开发。同时，他们将旗下100%的IT资产迁移到云端，确保任何个人和团队均可访问自动化工具，并从中受益。
还有很重要的一点，所有这些转型举措均是利用自筹资金周转而非额外投资来实历经多年的再创造工程，企业实现了全方位的创新开发，引导IT投资曲线转向，稳步节约更多资金用于规模化创新，发动企业全员参与其中。如今，该企业仅需将40%的IT预算用于修复IT资产，而将60%的预算用于创新。与此同时，新功能推向市场的时间也缩减了83%。更重要的是，新冠疫情爆发后，该公司能够从容应对危机，甚至实现了进一步增长。
数据、技术投资和自动化工具应用的程度差可能在一定程度上削弱员工的主观能动性，降低业务绩效。冰冻三尺非一日之寒。企业可以找准切入点，优先突破亟待收获快速回报的增长领域(例如生命科学行业的研发领域或消费品行业的客户关系管理领域)，在此基础上全面发力，着手解决技术落地差异。
达成最佳实践的第一步是衡量当前企业内部数据系统的深度和广度。各企业必须着力确保所部署的系统有效映射多元的业务功能，保证各项投资能够集中调动企业各方面利益相关者的力量。除了内部推行正式的组织变革之外，企业还可以跨职能组建工程师和业务专家团队，充分采纳敏捷开发实践，避免IT专业人员与关键业务活动脱节。
这种全方位的技术平衡，就是所提出的“未来系统”架构。企业越早消除内部差异，就能越快弥补与外部竞争对手之间存在的差异。