通用人工智能（AGI）已经成为业界热议话题，但其实现仍需时日。关于实现时间的预测存在很大争议。例如，Sam Altman曾表示AGI将在2025年实现，这比其他预测更为乐观。后来他将预测调整为"特朗普任期内"。最近，他又表示AGI是一个无意义的术语，一些IT领导者对此表示赞同，认为AI是一个连续发展的过程，AGI将是渐进式而非突然实现的。

超自动化和企业AI基础设施提供商Hyperscience的首席技术官Brian Weiss表示："我们认为AGI是机器从视觉感知和问答能力向基于目标的决策制定迈进的渐进过程。真正的转变将出现在系统不再仅仅读取、分类和总结人类生成的文档内容，而是我们将最终的业务决策委托给它们的时候。"

在2025年Gartner AI技术成熟度曲线图中，AGI位于其他人工智能形式之后但相对接近，包括AI智能体、多模态AI和AI TRiSM（道德和安全AI）。Gartner建议IT领导者在2025年重点关注这些领域。

OpenAI新发布的GPT-5并非AGI，尽管它能够在不同领域提供更有用的响应。媒体优化和视觉体验平台提供商Cloudinary的CTO兼联合创始人Tal Lev-Ami表示，"可靠性"是AGI的关键词。

Lev-Ami预测："我预计在未来5-7年内，我们将看到功能广泛的AI系统在有限环境中表现得像AGI，特别是在创意内容、代码生成和客户交互领域。然而，真正的AGI——在各个领域都具有适应性、可解释性和道德性——可能还需要10年以上的时间。"

其他估计时间更长。公共利益软件提供商Second Front Systems的首席技术官Josh Bosquez认为，AGI可能在未来一到二十年内都不会成为现实，而可靠的、生产就绪的AGI可能需要更长时间。

Bosquez表示："我们可能会更早看到令人印象深刻的演示，但构建人们可以依赖进行关键决策的系统需要广泛的测试、安全措施和目前尚不存在的监管框架。"

德勤咨询和美国AI负责人Jim Rowan表示，虽然实现AGI的时间表和定义仍不确定，但企业已经在为其到来做准备。

"通过实施标准、解决监管挑战和优化数据生态系统，企业正在加强当前的AI能力并为AGI奠定基础。这些主动措施使实现AGI的路径越来越近。"

AGI面临的挑战

当前的人工智能（狭义人工智能或ANI）仍不完美。数据往往是问题所在，这就是为什么业界大力推动AI就绪数据的原因。然而，尽管有大量工具可用于管理数据和数据质量，一些企业仍在困难中挣扎。没有AI就绪数据，企业将面临任何形式AI的可靠性问题。

支持AI价值链的软件服务提供商Invisible Technology的平台CTO Kit Colbert表示："今天的系统可能会产生幻觉或采取异常行动，我们都见过这样的例子。但AGI将运行更长时间，涉及更多系统，做出更高风险的决策。风险不仅仅是错误响应，而是基础设施的级联故障。我们需要一套复杂的保障措施来确保这种情况不会发生。"

德勤的Rowan表示，他的公司关注的不是技术本身，而是组织准备和潜在的管理不当。

"没有正确的框架和治理，AGI实施可能会放大现有挑战，如战略不一致。强有力的准备对于最大化AGI的好处和最小化风险至关重要。"

IT领导者应如何应对AGI

为中小企业提供会计、财务、人力资源和薪资技术的Sage Group的CTO Aaron Harris表示，IT领导者需要认识到他们最终必须拥抱AGI。如果不这样做，他们的组织将被抛在后面。

"企业必须继续清理数据、理解数据、使数据可访问，创建围绕数据的治理和保证程序。所有这些现在都不比以前不重要。我认为真正成功的公司是那些认真对待这一点的公司。"

工程和技术服务提供商L&T Technology Services的CTO Ashish Khushu表示，IT领导者应该以战略谨慎和主动实验的态度来应对AGI。关键步骤包括在团队中培养AGI素养、优先考虑用例驱动的研究、以敏捷性和愿景引领、加强基础设施并投资核心AGI能力。

Python开发公司Pynest的CTO Roman Rylko表示，IT领导者现在应该开始建立可见性习惯。"即使AGI还需要数年时间，基础工作是文化性的——如何记录假设、评估系统输出、围绕快速发展的工具建立防护栏？像对待任何复杂系统一样对待AGI：范围明确、监控到位、持续压力测试。"

其他考虑因素

Cloudinary已经看到ANI从根本上重塑了开发人员和营销人员的协作方式。AGI可能会进一步模糊界限。

Lev-Ami表示："想象产品经理直接生成UI原型，或设计师通过简单的意图驱动提示来编排内容管道。这将创造新角色的需求：AI体验设计师、模型治理负责人、合成数据审核员。我们的架构将转向模块化、模型驱动的基础设施，其中编排而非仅仅执行成为核心能力。"

EY Americas的Guarrera认为，如果机器在大多数经济价值工作中超越人类，整个劳动力结构将被颠覆。所有组织的角色都将大幅缩减，技术的所有权和控制权将变得更加集中。

"虽然有些人设想了由无与伦比的生产力提升驱动的丰富乌托邦，但现实是过渡将是破坏性的。管理机遇与破坏之间的平衡将是企业面临的最大挑战之一。"

Q&A

Q1：通用人工智能AGI什么时候能实现？

A：关于AGI实现时间存在很大争议。Sam Altman曾预测2025年，后调整为"特朗普任期内"，最近又认为AGI是无意义术语。专家普遍认为功能性AGI可能在5-7年内在有限环境中出现，但真正的AGI可能需要10年以上，甚至一到二十年时间。

Q2：AGI面临哪些主要挑战和风险？

A：主要挑战包括：数据质量问题导致可靠性不足；系统可能产生幻觉或异常行动，造成级联故障；缺乏透明度和问责机制；经济影响如大规模就业替代；以及目标对齐问题，即AGI的目标是否真正符合人类最佳利益。

Q3：IT领导者应该如何为AGI做准备？

A：IT领导者应该：持续清理和治理数据，建立AI就绪的数据基础；培养团队AGI素养，进行主动实验；从低风险、高价值的试点项目开始，逐步扩展；建立可见性习惯和安全防护栏；重新构想业务流程，将AI作为核心协作者而非附加工具。