为什么工具只有在工作改变后才会带来回报

达沃斯对人工智能投资回报率的现实检验：为什么工具只有在工作改变后才会带来回报

首席信息官和首席安全官可以通过将人工智能视为一种具有明确指标、阶段控制和安全措施的运营模式变革来提高实现预期目标的可能性。

在 1 月份的达沃斯会议上，普华永道的首席执行官调查结果不容忽视。普华永道负责制定这一周的董事会会议议程，因此其调查结果具有一定的权威性：56%的首席执行官表示，人工智能尚未带来显著的成本或收益效益，而仅有 12%的人表示它既带来了成本效益又带来了收益效益。这种投资与可衡量成果之间的不匹配正是许多企业的人工智能项目停滞不前的原因。

企业级人工智能工具的收益参差不齐，因为大部分收益都源于重新设计的工作流程、坚实的数据基础以及严格的治理措施。供应商提供的是功能特性，而企业只有在重新规划工作流程并衡量生产中的价值时，才能获得投资回报。

一、阻碍大多数人工智能程序运行的首席执行官相关问题

在每一个人工智能项目的发展过程中，总会出现这样一个时刻：首席执行官或首席财务官会问：“从金额上来看，情况有何变化？”房间里会列出一系列试点项目、一堆截图以及一些个人经历。接下来便是那尴尬的沉默。

事实是，购买人工智能技术很容易，但从人工智能中获取价值却是一项艰巨的任务。这需要进行流程设计、数据管理、推广以及实施相关控制措施，这些措施必须能在与现实世界的接触中保持有效。

在达沃斯会议上，讨论的基调显得更为务实。安永公司的朱莉·泰格兰德对路透社表示，投资回报率需要改变职位描述，并重新设计工作流程。她引用了安永公司的相关研究称，为每位员工提供 81 小时的培训，并进行岗位重新设计，能够使工作效率提高 14%。她还警告说，如果飞行员数量过多，可能会变成“致命陷阱”。

二、为何投资回报率的故事会分为赢家和失败者两类呢

在权威研究中，这一模式看起来是一致的：许多组织广泛尝试，较小的组织规模化少数用例，少数将这些部署与盈亏结果挂钩。

2024年7月，Gartner预测，到2025年底，至少有30%的人工智能项目在概念验证后将被放弃，原因包括数据质量差、风险控制不足、成本不断上升以及业务价值不明确。到2025年2月，Gartner进一步发出警告，预测当这些项目没有“AI准备好”数据支持时，组织将在2026年前放弃60%的人工智能项目。

赢家存在，而且它们在两种方面都不同。首先，他们从已有可测量单位和明确归属者的作品开始。麦肯锡去年的研究显示，组织越来越多地报告AI应用在业务单元内带来的收入影响，服务运营成为早期的热点。其次，他们把粉底当作产品的一部分。

三、有哪些常见的因素会稀释你的投资回报率？

投资回报率稀释发生在成本（许可、代币、集成、控制）立即显现时，而收益则以小片段形式出现（节省分钟数、错误减少、转款速度更快），这些片段从未转化为损益影响。

这是可以解决的，但需要尽早进行测量设计和工作流程重新设计，才能让工具在组织中广泛传播。

以下是五个在企业范围内稀释AI投资回报的常见因素：

1. 无生产门的试点蔓延

飞行员可以感觉自己在进步，因为它创造了产出。生产需要可靠性、安全性、数据访问、监控和支持。没有星门，飞行员会不断繁殖，而没有人成熟。

2. 生产力节省永远不会转化为产能

AI可以减少任务分钟数，但损益只有在这些时间转化为吞吐量、减少加班、减少承包商、更高转化率或缩短周期时间且人数相同时才会变动。没有运营计划，节省下来的分钟数很容易被日历消散。

德勤的研究将这一差距视为快速发展的技术、难以区分的影响力以及只有当人们改变工作方式时，工具才会带来回报的人类现实的混合体。

3. 数据摩擦变成了“人工智能税”

人工智能系统渴望高质量、经过许可且最新的数据。许多企业发现，获得更好答案的最快途径是更好的数据层。这种工作会增加成本和时间，最终导致回报延迟几个季度。

IBM的CEO研究指出，许多领导者将专有数据视为价值的关键，同时也承认快速投资导致技术脱节且零散。这种碎片化使每次部署都变成了定制的集成项目，减缓了采用速度并提高了控制成本。

4. 控制开销增长速度快于使用速度

安全审查、模型风险评估、隐私工作、供应商审批和法律审查都消耗着稀缺的人才。当使用场景分散时，每个团队都会重复同样的工作。

5. 会计不匹配

CEO和CFO希望明确归因：成本削减或收入增加。许多第一波的收益表现为质量提升、更快的内部决策或特定职能风险的降低。没有严格的评估工具，组织很难将改进转化为投资回报率的资金。

贝恩的高管调查显示，许多人工智能应用场景达到或超出预期，但只有23%的受访者能够将工作直接与新收入或降低成本挂钩。

三、供应商叙事如何放大这种稀释

供应商面临一个简单的激励：他们通过采用和扩展获得报酬。然而，企业的衡量标准是基于结果。这种不协调表现在可预测的抛售模式中：

“价值实现时间”承诺假设你的数据干净、经过许可且可搜索。

基于座位的副驾驶定价，忽视了员工是否真的改变了行为。

投资回报率计算器将“节省工时”当作“节省的钱”，而不与人员配置或通行计划挂钩。

安全声明侧重于模型，却淡化了应用层：连接器、检索、代理和人工工作流。

产品路线图的进展比你的控制还快，推动升级重置验证和改变输出。

这并不意味着供应商是恶意的。这意味着你的CIO和CISO需要一支精通价值和风险实际表现的采购团队。

四、CIO在续约前可以问每个AI供应商的7个问题

采购清单通常侧重于功能列表。你想要那些揭露隐藏工作和风险的问题：

你的“节省小时数”是从哪里来的？客户是如何将其转化为损益影响的？询问工作流程变革的故事。

我们预期使用时的全部成本模型是什么：许可证、令牌、嵌入、检索、日志以及任何高级安全功能？

你存储什么数据，存储多长时间，目的是什么？包括提示、输出、元数据和管理员日志。

模型漂移和版本变更有哪些控制？你们如何通知客户，又如何支持重新验证？

你们支持哪些针对提示注入、数据外泄和连接器滥用的安全测试？提供文档，而不是幻灯片。

您的事件处理流程是怎样的，包括泄露通知的时间表和客户责任？

干净利落的离开是什么样子？数据导出、嵌入可移植性、审计日志以及删除时的合同语言。

这些问题有助于将销售电话转化为工程对话，从而获得准确的信息，从而预测投资的回报率。

五、结论：要么回归，要么撤退

人工智能程序失败通常有两种可预见的方式：它们在不断试点阶段停滞不前，或者规模增长速度超过治理的步伐。更好的路径是有计划且有纪律的：分批推进，从第一天起就将价值和安全视为一个项目。

普华永道的CEO数据凸显了市场的氛围：许多领导者仍在等待数据中显现的证据。获胜的组织通常在早期看起来并不光鲜亮丽。他们减少使用场景，定义更清晰的成功指标，收紧控制，并在结果不稳定时迅速暂停。

这种纪律也改变了供应商谈判的基调。当你能带着任务成本、按角色采用、错误和重做率以及风险事件记录进入谈判时，你就能从清晰度中谈判。你不再依赖承诺，而是购买可以衡量、验证和执行的结果。

CXOUNION社群聚焦人工智能技术与应用落地，CXOUNION社群成员有：永辉超市首席财务官、山东高速集团首席财务官、荣盛首席财务官、开滦(集团)首席财务官、杭州锦江集团首席财务官、内蒙古电力(集团)首席财务官、通威集团首席财务官、龙光交通集团首席财务官、正泰集团首席财务官、太原钢铁(集团)首席财务官、天津荣程祥泰投资集团首席财务官、珠海华发集团首席财务官、桐昆集团首席财务官、重庆市迪马实业首席财务官