正如任何CIO都会告诉你的，技术变革的步伐多年来一直在加速。
结果是大量新兴和变革性技术迅速进入市场，现有技术也在不断改进。
随着人工智能和机器人技术以飞快的速度成为主流，量子计算也接近商业应用，很容易对所有这些进步感到兴奋。
但CIO们表示，许多技术并没有带来预期的效益——至少目前还没有。这是一个典型的趋势，技术的期望超过了它当前实际能做的事情。Gartner的技术成熟度曲线将这个阶段称为"期望膨胀的峰值"——这发生在幻灭期到来之前。
"每项创新技术都有潜力。围绕这种潜力的是初始炒作，因为技术经历成熟周期、初始应用、技术开发、挫折、投资回报衡量，最终更广泛的采用和集成业务使用，"律师事务所Foley Hoag的CIO Karen Campbell说，她强调自己表达的是个人观点，而非公司立场。
CIO们通常站在这一切的前线。他们要么被兴奋情绪所感染，要么必须在希望的计划超出现实时管理期望。
"重要的是采用现实的技术能力视角，平衡其细微差别，"Campbell说。
许多因素导致期望膨胀。一些技术在实际能力落后于用户期望时达到过度炒作状态。其他技术在需要太多时间、精力和资金才能发挥全部潜力时达到这一点。
我们询问了IT领导者对当今过度炒作技术的看法，以下是他们的观点。
1. 生成式AI
CIO们再次将生成式AI列为过度炒作的技术，这是生成式AI连续第三年登上这个榜单。
消息来源几乎一致认为，生成式AI的希望超过了它目前实际能够做到的——并且做得很好的——事情。
Campbell指出在她的领域使用生成式AI的挑战作为例证，她注意到"考虑到技术能力的当前状况，关于生成式AI技术大规模替代律师的具体担忧在今天是过度炒作的。"
"生成式AI在律师事务所运营和与法律实践相关的增强服务方面具有重要的潜在价值，"她说。"有机会提高生产力，改善运营流程和与法律实践相关的流程，提升客户成果和体验。还有机会探索新的收入路径，以及通过自动化减少运营相关成本的机会。然而，生成式AI技术在法律实践中的当前状态仍面临一些挑战。关于输出准确性和法律和商业专业人员审核并平衡输出与其专业知识的相关时间投资仍存在问题。"
根据研究公司IDC的数据，近90%的生成式AI试点项目未能达到生产阶段，难怪CIO们越来越多地重新设置他们的生成式AI战略，追求实用解决方案而非实验。尽管如此，缺乏成功指标继续困扰着结果，技术目前能做什么的现状开始让期望变得清醒。
2. 智能体AI
其他人说智能体AI也被过度炒作，并引用了Campbell将生成式AI列入此榜单的许多相同原因。
数字服务公司West Monroe的高科技和软件实践负责人Dhaval Moogimane这样评价智能体AI："我认为智能体AI是变革性的，但智能体与其他智能体协作将比人们想象的需要更长时间。我们将看到科技公司和软件提供商的大量创新，但设想的智能体与其他智能体无需人工干预协作的世界比预期的更遥远。"
他不是唯一这样想的人。
研究公司Gartner在2025年6月预测，超过40%的智能体AI项目将在2027年底前被取消，"由于成本上升、业务价值不明确或风险控制不足。"
"目前大多数智能体AI项目都是早期实验或概念验证，主要由炒作驱动，经常被误用，"Gartner高级总监分析师Anushree Verma在关于公司预测的新闻发布中说。"这可能使组织对大规模部署AI智能体的真正成本和复杂性视而不见，阻碍项目进入生产阶段。他们需要透过炒作做出关于在何处以及如何应用这一新兴技术的谨慎、战略性决策。"
此外，Gartner在同一发布中说，"许多供应商通过参与'智能体清洗'——重新包装现有产品，如AI助手、机器人流程自动化(RPA)和聊天机器人，而没有实质性的智能体能力"来助长炒作，并且"估计在数千家智能体AI供应商中只有约130家是真正的。"
没有帮助的是缺乏构成AI智能体的标准定义。CIO们需要学习AI智能体和智能体AI彼此的区别，以及如何确定业务流程是否适合智能体AI，以便充分利用早期有希望的用例。
3. 数字员工
相关地，研究咨询公司Everest Group的合伙人Yugal Joshi认为数字员工是过度炒作的技术。
"我们将简单的智能体——即LLM包装的聊天机器人或工作流智能体——称为数字员工是一个巨大的信念飞跃。虽然这个概念有价值且是革命性的，但我们距离获得真正的数字员工还很遥远。同样，通用智能体也被过度炒作。这些应该具有自主性和自治性地执行多种类型的任务。但目前我们有任务特定的智能体，行业现在似乎正朝着那个方向发展。通用智能体将是多编排器，而不是独立的智能体本身。"
因此，虽然微软最近预测以AI智能体形式出现的数字员工将很快颠覆组织结构图，预示着"智能体老板"的新角色来监督由人员和数字AI员工组成的团队，但这个未来可能比宣传的更遥远。
4. AIOps和可观测性
这是今年首次登上榜单的另一个AI条目。AIOps是一个新兴学科，其中AI系统不仅帮助识别运营基础设施的问题，还能智能地对事件做出反应以减轻它们。
"AIOps与可观测性相结合通过更好的数据链接和洞察运行自我缓解操作的承诺尚未实现，"Joshi说。"来自这些工具的噪音过载结合不相关的遥测数据一直是一个大瓶颈。在分类和理解上花费了大量时间，而不是响应业务。随着AI智能体的爆发，这些平台也将涵盖智能体的可观测性，这可能使事情变得更加具有挑战性。"
5. 一般意义上的AI
一些人将一般意义上的AI列为过度炒作的技术。
与生成式AI的情况一样，技术领导者认为一般意义上的AI值得这一称号，因为期望在这一点上超过了现实。
"外面有太多错误信息和误解信息，以至于AI最终进入了我的过度炒作技术列表，"虚拟医疗公司JOGO Health的CTO Drew DeNardo说，他负责监督IT运营。"是的，这是一项非常变革性的技术，但人们认为它会神奇地解决他们所有的问题。他们认为可以将AI植入生态系统，公司的所有问题都会得到解决。"
他说，技术领导者知道现实大不相同。"你需要深思熟虑和谨慎，使用AI来增强和补充团队、使用AI来赋能团队并使他们更有生产力的公司将会成功，而那些认为可以使用AI来裁员的公司，尝试这种方法的公司正在惨败。"
尽管如此，AI正开始重塑就业格局，公司董事会越来越多地推动CEO削减劳动力以支持AI。
6. 量子计算
是的，IT领导者认识到量子计算的潜力，它使用量子力学原理进行计算，因此比当前类别的计算机快得多且更强大。
但他们也说量子计算在未来仍比炒作暗示的更遥远，使其今年再次登上这个榜单。
"我们已经取得了一些重大飞跃，但我们不会很快受到量子计算的重大影响，"Jackson实验室的CIO Brendan Arbuckle说。
也就是说，Arbuckle——像其他技术领导者一样——确实看到了量子突破的前景，并认为CIO们需要为后量子世界做计划，特别是在加密方面。但他认为在未来几年内不需要将量子计算本身用于企业工作流的具体计划。
7. 元宇宙、AR/VR/XR和空间计算
这是在过度炒作技术年度榜单上再次出现的另一类技术。
分析师和IT领导者一致认为，对空间计算的期望——无论是增强现实、虚拟现实、扩展现实还是元宇宙——尽管在过去几年中取得了进展，但仍然超过了其价值。
"元宇宙、空间技术、AR/VR——这些都没有真正起飞，"West Monroe的Moogimane说。
不过，他并没有完全否定这些技术的价值：与现在被视为过度炒作的其他技术的情况一样，空间计算有巨大的潜力；只是需要大量时间和投资才能获得它可能产生的效益。
"任何需要改变工作方式、需要不同形式的参与和不同工作流程的重大技术变革，人们采用需要更长时间，"Moogimane说。"所以我认为对这项技术的期望是正确的，但到达那里需要比预期更长的时间。"
Everest Group的Joshi有类似的观点，特别提到工业元宇宙被过度炒作。
"承诺高于实际实施，"他说。
Joshi认为确实有使用案例，如车间的设计和维护、高端设备的数字双胞胎和培训。然而，基础设施成本、人员培训、互操作性和糟糕的用户体验等挑战影响了其采用。
8. 多云
许多CIO拥抱多云，但Joshi说很少有人获得这种云策略承诺的所有好处。
"[企业]拥有统一同步的多云互操作工作负载以解决供应商锁定问题的目标没有奏效，"他说。"大多数企业都是多云的，但他们对云供应商的投注很少改变。他们也不一定在不同的云平台上互操作工作负载。"
因此，虽然CIO们更有意地追求多云战略，而之前许多人发现自己几乎是偶然地到达那里，但互操作性和其他关键问题正在为计算增加复杂性。
9. 电动汽车
诚然，这不是CIO通常处理的技术，但一些CIO仍将其列入过度炒作技术榜单。
技术公司Welocalize的CIO Chris Grebisz是其中之一。他描述了第一次带特斯拉去洗车时必须弄清楚如何将其置于空挡，说这些日常操作必须在电动汽车上重新学习。
在他这样做的过程中，他发现用户界面并不像宣传的那样直观。
"这是从30年驾驶汽车到像iPad一样的东西，我是一个技术人员，"他说。"一切都需要弄清楚。我必须去阅读手册。"
Grebisz说他现在将特斯拉视为"交通工具"而不是汽车，这种思维转变帮助他应对从传统汽车转向电动汽车所需的变革管理。
他指出这是一个戏剧性的变化，暗示真正的数字原住民可能会发现这种转变更容易。
这种经历也让他洞察到当技术颠覆长期工作流程时工作者的感受。
"我真的对我的经历感到惊讶。我以为会容易得多，"他补充说。
10. 绿色能源
生命科学公司Abzena的CIO David Williamson走得更远，将绿色能源列入过度炒作技术类别。
要明确的是：他不反对它。事实上，他也有一辆特斯拉，家里有太阳能。
正是这些个人经历让他得出结论，绿色能源不是一些人承诺的灵丹妙药。首先，他——像Grebisz一样——发现驾驶电动汽车有学习曲线。
"我最大的抱怨是他们一直在改变用户界面，"他说，提到他"观看了很多视频才知道如何使用汽车。"
他还发现炎热和寒冷天气都会消耗电池，"所以你认为你有一定的续航里程但实际上没有。"
他对太阳能电池板有类似的经历，说"承诺和现实是不同的。它们会变脏然后失去效率，所以必须清洁。它们夏季和冬季的性能差异很大。"
还有意外成本，Williamson指出他必须支付连接电网的费用，仍然被收取配送费。
Williamson说这些经历提醒他"我们低估了技术对个人的影响"，并且"技术有未被讨论的陷阱。"
