砸錢做AI卻看不見回報？上千位全球高管給出了標準答案

實現AI價值的關鍵并非主要在于技術挑戰，而是管理挑戰。如今每個組織都能獲得AI技術，但只有少數能將其部署在產生真實、可衡量經濟回報的領域。本文總結的七大因素，尤其是成熟度模型，為成為這少數成功者提供了一份實用路線圖。

各組織機構在AI領域投入了巨額資金。據估算，2025年美國企業僅在生成式AI上的花費就高達370億美元。如今，越來越多的企業高管和董事會開始關注投資回報情況，對于那些無法給出滿意答復的領導者而言，潛在后果不容小覷。近期一項調查顯示，71%的全球首席信息官表示，如果無法在兩年內證明AI的價值，他們的AI預算將會被凍結或削減。

我們希望深入了解企業在這方面的進展，以及它們對近期發展方向的預期。于是，在2025年末至2026年初，我們開展了一項研究，旨在探究企業對AI價值的認知以及實現價值的方式。研究內容包括對12位企業技術、數據和AI領域的領導者進行訪談，以及對1006位熟知所在企業AI項目的全球高管進行問卷調查。

研究結果令人驚喜：45%的受訪者稱從AI中獲得了巨大價值，另有45%的受訪者表示獲得了中等價值。僅有9%的受訪者表示其所在組織獲得的價值較少，幾乎無人（0.2%）表示未獲得任何價值。這一較高的價值反饋與一些廣泛報道的研究結果相悖，那些研究表明回報率要低得多，不過它們僅聚焦于生成式AI的價值。

然而，企業實現價值的方式或許才是真正的亮點。我們發現，至少有七個因素能夠推動AI產生經濟價值。此外，其中幾個價值杠桿可整合為一個AI經濟成熟度模型，進而創造可觀的價值。

驅動高AI價值的七大因素

我們先來看那些尚未起到推動作用的因素（至少目前還沒有）。例如，裁員目前并非一個關鍵驅動因素；我們之前的一篇文章指出，在已宣布的裁員或放緩招聘案例中，僅有2%是由現有的生產中AI能力實際促成的。其余部分要么是對AI預期效益的考量，要么是借AI之名行裁員之實。生成式AI目前也尚未為企業帶來高價值。設立首席AI官（或首席數據與AI官）職位同樣沒有推動價值創造。

根據調查受訪者和企業技術領導者的反饋，從七個因素的數據來看，情況呈現出一個共同趨勢：從AI中獲益最多的企業，不一定擁有最先進的技術。將它們區分開來的是更為根本的因素：領導者對企業價值的定義有多清晰，他們讓誰對價值的實現負責，以及他們如何嚴肅對待衡量工作——不是將其當作一種匯報形式，而是視為一種管理手段。

以下是在高價值企業中似乎行之有效的因素：

1. 明確你試圖實現的價值類型

絕大多數受訪者表示從AI中獲得了價值。然而，他們對價值的定義可能大相徑庭。例如，14%的受訪者稱從AI中獲得了大量價值，但該技術的投資回報率卻很低。同樣，9%的受訪者表示獲得了中等價值，但投資回報率卻很高。

這是怎么回事呢？簡而言之：價值因人而異。在這些反饋中，價值應理解為“AI正在達成我們期望它做的事”。

一些企業追求短期投資回報率，另一些則著眼于長期轉型。第一資本（Capital One）執行副總裁兼企業AI、數據及員工技術主管普雷姆·納塔拉詹（Prem Natarajan）解釋了為何該銀行不單純追求短期回報：“專注于短期價值，是許多企業始終無法實現技術轉型以釋放長期價值的原因。只有基于現代技術棧構建，并深度投資于專有數據的公司，才能夠通過將AI置于核心位置來實現業務轉型。”

然而，其他企業可能更關注AI投資的即時回報。但無論哪種情況，領導者都需明確他們想要實現什么以及原因。

2.在產品和流程中尋求價值——即便回報并非立竿見影

大多數企業專注于通過內部流程改進來實現AI的價值。然而，我們采訪的幾位高管同樣或更關注將AI應用于客戶產品。

德國默克集團（Merck KGaA）的首席科學技術官勞拉·馬茨（Laura Matz）便是其中之一。該集團業務涵蓋生命科學、醫療保健和電子領域。她說，這家多元化企業正在推進以流程為導向和以產品為重點的AI項目。大多數融入AI的產品或新業務相對較新，尚處于試點階段，因此在實現更大規模之前，很難評估其價值。新的AI驅動型產品可能需要開發新的生態系統、商業模式或技術，但擁有350多年歷史的默克集團對創新有著長遠的眼光。

法國能源技術跨國公司施耐德電氣（Schneider Electric）的首席AI官菲利普·蘭巴赫（Philippe Rambach）闡述了一種有意的雙重關注。內部AI應用能帶來更即時的財務回報，幫助員工更快更好地工作，同時為客戶提供更優質的支持。施耐德面向客戶的AI則代表了一種長期戰略，旨在不斷發展的市場中獲取市場份額。每種情況都需要不同的方法來衡量成功，以及不同的時間線來實現價值。

AI也可被視為捍衛公司價值的手段。奧林巴斯美洲公司（Olympus Corporation of Americas）總裁朱利安·索瓦尼亞爾格斯（Julien Sauvagnargues）指出，公司應將AI產品視為保護市場份額的一種方式，而不僅僅是創造新價值的途徑。奧林巴斯的醫用內窺鏡利用AI識別潛在的癌性息肉，并減輕文檔管理的行政負擔。他說：“AI在市場上頗具吸引力。如果我們的產品中沒有它，我們就會失去市場份額。我們清楚實施AI的成本，以及不這樣做的代價。”奧林巴斯也將AI用于提升個人生產力目標，但目前尚未衡量其帶來的生產力效益。

3.善用AI工具庫中的所有工具

生成式AI占據了媒體報道的主導地位，但它并非大多數企業認為最具價值的。在我們的調查受訪者中，50%的人表示他們的公司從分析型AI中獲得的價值最大，例如動態定價或客戶定位。基于規則的AI常用于反洗錢系統、保險核保、醫療臨床決策支持以及機器人流程自動化，緊隨其后；40%的受訪者表示這些工具產生的價值最大。只有9%的人選擇生成式AI，僅有2%的人選擇智能體AI，當然，這些技術廣泛應用也不過幾年時間。

也就是說，智能體AI的采用是AI價值的一個指標；采用者比未采用者更有可能（多出22%）表示從AI中總體獲得了巨大價值，并且更有可能采用相對成熟的經濟價值實踐。

4.采用一個實現價值的框架或方法

無論是定制的，還是從管理文獻中借鑒的，一種將AI從想法轉化為生產再到衡量價值的結構化方法，對于創造價值通常至關重要。美國銀行控股公司Ally Financial有一個定制的“AI手冊”，指導其業務部門從用例探索到負責任的生產部署。在另一個案例中，一家電力公司采用“階段門”方法（在研發中更為常見）來管理同樣的過程。

然而，我們采訪對象中最常見的方法是以數字產品為重點，將內部和外部的AI產品從構思到實施及持續使用都當作產品來管理。

美國二手車零售商CarMax的執行副總裁兼首席信息和技術官沙明·穆罕默德（Shamin Mohamed）認為，以產品為導向是實現價值的最重要因素：“它構建了一套體系化的框架，能夠系統性呈現收益預期、建立定期復盤機制、驅動業務變革，并最終將價值實現的權責明確落實到各利益相關方。”

任何價值框架還必須包含一種讓數據為AI做好準備的方法：55%的受訪者認為數據未準備好是實現價值的一個障礙，這與其他調查結果一致。

5.讓首席財務官和財務部門參與實現和驗證價值

大多數企業將AI價值的責任歸于首席數據/分析/AI官（38%）或各個職能部門的高管（35%）。只有2%的企業將其歸于首席財務官，但當首席財務官負責實現AI價值時，我們調查中的76%的企業表示他們實現了“巨大”價值。相比之下，首席信息官或首席技術官負責時這一比例為53%，職能部門高管負責時僅為32%。財務部門具備其他角色往往缺乏的嚴謹性、可信度和組織權威性。

我們采訪的幾家公司都有財務部門與技術高管合作，以驗證AI帶來的價值。負責新加坡星展銀行（DBS Bank）AI業務的尼米什·潘奇馬蒂亞（Nimish Panchmatia）描述了他們的方法：“自2021年起，該行在年度報告中披露了數據分析和AI所帶來的經濟價值。他們跟蹤A/B測試的結果，將差異量化為經濟價值，每個部門的首席財務官驗證各自的數據，然后匯總為集團層面的總數。”

6.對用戶和高管進行AI培訓

這里存在兩層挑戰：58%的企業尚未對員工進行AI生產力和工具使用方面的培訓，而29%的企業承認領導者缺乏推動AI價值創造的理解。在員工技能提升和領導AI素養方面都進行投資的企業，在價值實現方面有23個百分點的優勢。

關鍵是，員工接受度并非障礙——只有13%的受訪者認為員工抵觸是實現AI價值的阻礙。員工并非抵觸，而是在等待有效的高層領導，以及消除其他障礙，比如缺失的價值框架和未準備好的數據。

7. 遵循AI經濟價值成熟度模型

這些模型能預測出截然不同的價值實現水平。這個經濟成熟度模型基于三個要素。

第一個要素很簡單，就是將AI系統投入生產——試點和實驗對于學習可能有用，但不會產生經濟價值。生產用例越多越好；只有6%的企業表示目前僅有一個或多個試點項目，但沒有生產用例，而58%的企業表示有一個或幾個生產用例，36%的企業有多個使用各類AI的生產用例。

成熟度模型的第二個要素是評估生產用例的價值，理想情況是在實施前后都進行評估。在我們的調查中，近一半的企業僅對部分用例在實施前后進行價值評估。只有11%的企業對所有用例都這樣做。更多企業（32%）僅在實施前評估價值，9%的企業因生產用例不足而未進行價值評估。

成熟度模型的第三個要素是在整個組織內匯總價值并進行報告，至少是非正式地報告。令人驚訝的是，大多數（72%）企業表示他們會匯總AI用例的價值。最后一個要素是更正式的報告——在某些情況下是對外報告。

AI經濟成熟度模型

基于這些要素，我們開發了一個模型，用于預測AI投資如何帶來額外的經濟價值。我們確定了六個階段，每個階段在復雜程度和預期投資回報率方面都更進一步。為開發此模型，我們分析了調查回復，研究受訪者表示其公司在AI發展歷程中的所處階段，以及他們的組織是否實現了“巨大價值”。其運作方式如下：

- 階段0：僅有未評估的試點項目（占受訪企業的3%）：企業開展AI實驗，但不衡量結果。此階段只有4%的受訪者實現了“巨大價值”。

- 階段1：生產但未評估（11%）：在這個階段，企業已超越試點階段，將AI部署到生產中——即在實際業務實踐中使用，但不評估其對業務的影響。我們發現，僅跨越試點階段就能使投資回報率大幅提升——此階段18%的受訪者表示從AI投資中獲得了“巨大價值”。

- 階段2：實施前評估（17%）：在這個階段，企業對AI實施的業務影響采用了稍微更結構化的思考方式，但僅在流程前端進行：他們通過投資回報率預測和商業案例來論證AI項目的合理性，但仍未驗證結果。這一步相較于前一階段僅有適度提升，稱實現“巨大價值”的比例提高到20%。這是模型中階段轉變帶來附加值最小的一次。

- 階段3：實施后評估（30%）：在此階段，企業在部署后衡量單個AI用例，這一步帶來價值的激增：此階段44%的受訪者表示從AI中獲得了“巨大價值”——是階段2的兩倍多。因此，我們將此確定為AI應用歷程中的第一個重大轉折點。但我們也發現企業似乎容易在此階段停滯不前。受訪者表示他們在此階段平均停留了六年，使其成為某種瓶頸。

- 階段4：年度匯總評估（21%）：在這個階段，企業每年匯總投資組合中的AI價值，將效益轉化為組織層面的匯總價值，并在公司內部非正式地公布結果。這使領導者能夠將AI的總價值與AI的總支出進行比較，也能夠與收入和利潤的增長或下降進行比較。這種更正式的流程在價值創造上有顯著提升：此階段58%的受訪者表示從AI中獲得了“巨大價值”。

- 階段5：正式報告（16%）：在最后階段，企業向董事會、投資者或公開市場報告AI價值，這需要對AI價值衡量有高度的嚴謹性和問責性。在此，價值再次激增：85%的受訪者表示從AI中獲得了“巨大價值”——這是第二個也是最大的轉折點。

一些高管對外部報告表示謹慎。有人擔心，如果公開披露強勁的AI回報，分析師可能會施壓公司增加股息。但我們采訪的高管普遍認為，當能夠負責任地做到時，正式的外部報告代表了AI經濟成熟度的最高水平。

實現AI價值的關鍵并非主要在于技術挑戰，而是管理挑戰。如今每個組織都能接觸到AI技術，但只有部分組織能夠以產生實際且可衡量經濟回報的方式進行部署。這七個因素，尤其是成熟度模型，為成為其中一員提供了切實可行的路線圖。

關鍵詞：

托馬斯·H·達文波特（Thomas H. Davenport）、拉克斯·斯里尼瓦桑（Laks Srinivasan）| 文

托馬斯·H·達文波特是巴布森學院信息技術領域的校長杰出教授。拉克斯·斯里尼瓦桑是AI投資回報研究所的聯合創始人兼首席執行官。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org