遗留IT系统拖慢AI落地，在巴中资企业隐性成本需重估

MIT Technology Review Brasil 发表文章《遗留系统的隐性成本：为什么企业级人工智能需要一层新的基础设施》，指出为传统应用而设计的企业IT环境可能限制先进AI模型的性能、推高运营成本，并延缓AI项目从实验阶段进入生产部署的进程。文章认为，企业级人工智能需要一层全新的基础设施来支撑，而遗留系统带来的隐性成本往往被忽视。对在巴西运营的中资企业而言，这意味着AI预算评估和IT采购决策需要将旧系统改造成本纳入考量。

MIT Technology Review Brasil 的文章提出，企业若继续在面向传统应用构建的IT环境中运行先进AI模型，将面临三重问题：模型性能受限、运营成本上升、以及AI项目从试点到生产上线的周期被拉长。文章由此提出，企业级人工智能需要一层全新的基础设施来承载，而遗留系统所带来的这笔隐性成本往往未被充分认识。底稿未涉及具体企业案例、时间节点或量化数据。

从在巴中资企业的角度看，这一判断的传导机制较为间接但覆盖面广。底稿未涉及中资企业直接影响，但通过IT采购与合规环节可间接传导：制造业、矿业、跨境电商和金融科技等已在巴西部署ERP、CRM或数据中台的中资企业，若计划叠加AI能力，可能面临旧系统接口不兼容、数据治理不合规、云端算力调度效率低等问题。直接冲击最可能出现在采购环节——企业需重新评估是升级遗留系统还是新建AI基础设施层，而这将影响资本支出节奏。巴西监管层面，若AI应用涉及个人数据处理，需关注ANPD（巴西国家数据保护局）的合规要求；若涉及金融场景，BCB（巴西中央银行）对系统韧性和外包算力有持续监管要求。

底稿显示，MIT Technology Review Brasil 的核心判断是遗留系统隐性成本被低估，且企业级AI需要新基础设施层。CBI 认为，这一判断对在巴中资企业的启示不在于技术选型本身，而在于预算编制和项目排期逻辑：如果继续按传统IT项目周期评估AI部署，试点到生产的转化时间可能被系统性低估。横向对比看，全球范围内企业AI项目从POC到生产的失败率长期偏高，基础设施不匹配是常见原因之一，但底稿未提供巴西本地具体数据，因此不宜直接套用。CBI 观察，在巴中资企业若在2025-2026年有AI预算规划，建议将遗留系统评估作为独立工作流，而非并入常规IT运维。

待观察：一是巴西大型企业是否在2025年下半年财报或技术会议上披露AI基础设施投资计划；二是ANPD是否就AI训练数据跨境流动发布新的合规指引；三是BCB是否在金融科技监管沙盒中纳入AI基础设施韧性测试要求。