【IT DAILY Reporter】 FT的警告：AI在制造应用，却未能创造价值。

金融时报（FT）首席数据记者约翰·伯恩-默多克（John Burn-Murdoch）在最近的专栏文章《AI究竟创造 family 多少实际价值？》中，指出了当前AI热潮中的结构性悖论。

他提供的数据清楚地暴露了这一结构性悖论。自智能体AI（Agentic AI）时代全面开启的2025年以来，iOS应用的发布数量相比2024年的平均水平几乎翻了一番，达到了约180%的水平。这是AI coding工具让任何人都能快速制作应用的结果。然而，在同一时期，具有实际使用规模（significant usage）的应用数量连一个都没有增加，应用的评论数量反而有所下降。

伯恩-默多克将其定义为“活动（Activity）与生产力（Productivity）的混淆”。AI加快了草稿撰写、编程和摘要的速度，这固然是事实，但这仅仅是活动的增加；真正的生产力必须是相对于包含错误修正、审核与验证成本以及风险在内的总投入而言的有价值的产出（アウトプット）。

这不仅仅是简单的统计学观察，更意味着竞争优势的轴心正在发生根本性转移。在软件原生（Software-native）环境中，竞争优势不再取决于编写代码或开发软件本身的能力，因为生成式AI实际上已经消除了编程的准入门槛。现在，真正的价值正转向运营能力，即深入理解现实世界中复杂且异构交织的业务系统，并确保其无错且稳定地实现自动化。

[加速化加剧的瓶颈现象 — AI为何会暴露组织系统的问题？]

伯恩-默多克认为，AI未能创造价值的原因不在于技术本身的缺陷，而在于组织和系统的问题。利用AI增加处理量时，错误和不确定性的总量也会成比例地增加。生成式AI的幻觉（Hallucination）现象就是一个典型例子。最终，在审核与验证增加的产出、控制质量（QC）以及遵守法规方面，结构性地出现了需要投入更多人力时间和成本的瓶颈现象。

在商业模型层面上也存在警告。当前企业感受到的AI使用成本之所以能维持在较低水平，得益于OpenAI、Anthropic等科技巨头（模型提供商）提供的大额补贴。然而，一旦他们为了弥补累计亏损而开始按正常价格收费，AI的利用成本就可能超过人力运营成本，这一结构性风险正潜在其中。

这与以往技术革命中的“J曲线效应”一脉相承。在1990年代计算机和电子表格软件首次引入时，初期的几年里生产力指标反而停滞不前。直到人类掌握技术的水平、组织工作流的重新设计以及商业模式的创新等“互补性资产”成熟之后，价值才得以显现。当下的AI热潮同样处于组织接纳体系滞后于技术发展速度的状态。FT的诊断是，仅仅将AI叠加在现有的业务流程之上的方式，很难创造出真正的价值。

其传达的信息非常明确：资金仅集中于AI基础设施和供应端的现有结构是不可持续的，如果无法证明能获得实际用户认可的实用性，就可能会遭到AI泡沫论的正面迎击。.

[企业现实：DB查询瓶颈是所有行业的共同课题]

无论是金融、公共、制造还是零售，在所有运行基于RDBMS的系统的企业中，大商用数据库都处于IT基础设施的核心地位。这些系统每天处理数亿笔交易，仅仅几十毫秒的响应延迟就会直接导致客户流失、违反合规性以及服务中断。

导致DB性能下降的核心原因是低效的SQL查询。Buffer Gets过多、未经优化的执行计划、未经优化的Index等问题在系统运行期间静静累积，并在临界点爆发。随着AI增加处理量，流入DB的查询负载也随之增加，因此在一线出现了AI引入后DB瓶颈反而加剧的悖论局面。DBA的SQL调优工作需要高度的专业性和大量的时间，这正是AI转型期组织所面临的内部瓶颈的实情。

Openmade Consulting已经对这一一线问题进行了20年以上的直接体验与研究。其成果正是基于 AI LLM 的 SQL 自动调优解决方案“QueryMedic”。

[쿼리메딕 : AI LLM 기반 자율형 데이터베이스 SQL 최적화 플랫폼]

QueryMedic不仅仅是一个简单的AI SQL调优器（Tuner）。它是一个基于AI副驾驶（Co-pilot）的数据库SQL性能优化平台，实现了从 Generate → Analyze → Rewrite → Validate → Predict Impact 的 End-to-End 自动调优流水线。

它旨在正面克服FT所指出的AI核心缺陷——“将活动的增加错认为价值的创造”。QueryMedic的价值不是通过完成的任务数量来证明，而是通过“性能改善”这唯一一个指标来衡量。

[打破生产力悖论的条件：无需重新设计组织即可立即衡量的ROI]

伯恩-默多克指出的生产力悖论的核心条件有两个：一是技术只是被简单地叠加在现有的工作方式之上；二是成果未能被衡量。QueryMedic从根本上消除了这两个条件。

• 普通AI应用 - 应用发布爆发式增长，但实际用户并未增加。仅仅是“活动”增加。

• AI编程助手 - 代码编写速度提高。但Bug、审核与验证成本难以单独衡量。

• QueryMedic - 凭借数字提供SQL调优效果，并自动验证调优SQL的执行结果值是否存在错误。

QueryMedic不会改变现有DBA（性能管理员）的工作方式和角色。AI提供分析、调优和结果，由DBA来决定判断与应用。这与伯恩-默多克提到的“在没有互补性投资的情况下将技术叠加在现有布局上的失败案例”完全相反。DBA的专业性得以保持，AI则承担起反复且耗时的DB性能故障因素探查及性能改善（调优）过程。其结果可以通过数字立即确认。

[价值由前20%独占 — 运营DB的企业必须选择的理由]

根据普华永道（PwC）2026年的AI成果研究，前20%的企业拿走了AI所创造的经济价值的74%。这一差距的原因并不在于投资规模，而在于是否将AI应用于增长（growth）而非仅仅是效率（efficiency），以及是否具备了可衡量的基础。

在所有运行基于RDBMS的系统的企业中，查询性能不仅仅是一个IT运营指标。金融的实时交易处理、公共机构的民事诉求系统响应性、制造与零售的ERP及SCM处理速度等业务的核心流向，都与DB查询性能直接挂钩。

只有通过QueryMedic缩短SQL调优周期、减轻系统负载、提高DB运营资源效率、使DBA的能力集中于以价值为核心的战略性任务并提高App开发生产力的组织，才能进入AI价值的前20%。

现在，市场的评估标准也在发生变化。正在从“谁拥有规模更大的技术”转向“谁能最高效地证实商业价值”。盲目扩大基础设施和人力并自招成本压力的做法已不可持续。归根结底，AI转型期企业的成败取决于能否将内部资源利用率提升至极限，从而获得实质性的成本控制权，并实现信息系统服务故障的零（Zero）化。DB性能优化就是其出发点。

[结论：AI的价值只有在被衡量时才真正存在]

FT约翰·伯恩-默多克的问题意识是准确的。AI让活动爆发式增长，但如果这些活动不能转化为价值，那就只会成为生产力悖论的又一个篇章。QueryMedic通过 Generate → Analyze → Rewrite → Validate → Predict Impact 的 End-to-End 流水线，在DB性能这一“可衡量的领域”中具体消除了这一悖论。这些数字正是用于DB SQL性能优化工程的AI副驾驶——QueryMedic在实务一线实际创造的价值的铁证。

产品引进及咨询等业务咨询

02-6310-6167 / qm@openmade.co.kr

Source: IT DAILY ( http://www.itdaily.kr/news/articleView.html?idxno=23984 )

#SQL调优 #AI调优 #数据库性能 #QueryMedic #OpenMade咨询 #数据库优化 #自动化解决方案 #DBA #开发人员 #IT运维 #成本降低 #性能提升 #AI自动化 #DB性能管理 #节省基础设施成本