AI投入难见回报？全球千名高管揭示关键成功因素

1天前

AI价值实现的核心挑战并非技术本身，而是管理层面的问题。如今几乎所有组织都能获取AI技术，但只有少数能将其应用于产生真实、可衡量经济回报的场景。本文总结的七大驱动因素，尤其是AI经济成熟度模型，为企业成为AI价值实现的成功者提供了实用路径。

企业在AI领域的投入持续增长，据预测2025年美国企业仅在生成式AI上的支出就将达370亿美元。随着投入增加，企业高管和董事会对投资回报的关注度日益提升——71%的全球首席信息官表示，若两年内无法证明AI价值，其AI预算将被冻结或削减。

为了解企业AI价值实现现状及未来方向，研究团队在2025年末至2026年初开展了专项研究：对12位企业技术、数据与AI领域领导者进行访谈，并向1006位熟悉企业AI项目的全球高管发放问卷。

研究结果显示：45%的受访者称所在企业从AI获得巨大价值，45%获得中等价值，仅9%获得较少价值，几乎无人（0.2%）表示未获价值。这一高价值反馈与部分仅聚焦生成式AI的研究结论不同。更关键的是，企业实现AI价值的方式存在规律——至少七大因素驱动AI产生经济价值，且部分因素可整合为AI经济成熟度模型，助力企业创造可观价值。

驱动AI高价值的七大核心因素

首先需明确，部分因素目前尚未成为价值驱动关键：裁员并非核心因素（仅2%的裁员/放缓招聘由已落地AI能力直接导致）；生成式AI尚未带来高价值；设立首席AI官也未显著推动价值创造。

从数据和访谈反馈来看，高价值企业的共同特征并非拥有最先进技术，而是在基础管理层面表现突出：对价值定义清晰、明确价值实现责任人、将价值衡量作为管理手段而非汇报形式。以下是高价值企业的有效实践：

1. 明确价值定位与目标

多数企业从AI中获益，但对价值的定义差异显著：14%的企业称获得大量价值但投资回报率低，9%的企业获得中等价值但投资回报率高。这源于价值的主观性——“AI实现了预期目标”即为价值。部分企业追求短期回报，部分着眼长期转型。第一资本执行副总裁普雷姆·纳塔拉詹指出：“过度关注短期价值会阻碍技术转型释放长期价值，只有基于现代技术栈、深度投资专有数据的企业，才能通过AI实现业务转型。”无论选择哪种路径，领导者都需明确目标及背后逻辑。

2. 兼顾产品与流程价值，容忍非即时回报

多数企业聚焦内部流程优化，但部分高管同样重视AI在客户产品中的应用。德国默克集团首席科学技术官劳拉·马茨表示，集团同时推进流程导向和产品导向的AI项目，新AI驱动产品尚处试点阶段，需时间验证价值。施耐德电气首席AI官菲利普·兰巴赫采取“双重关注”策略：内部AI应用带来即时财务回报，客户导向AI则是长期市场战略。奥林巴斯美洲公司总裁朱利安·索瓦尼亚尔格斯认为，AI产品是保护市场份额的手段——若产品不含AI，企业将失去竞争力，需同时考虑实施成本与不实施的代价。

3. 全面利用AI工具库

生成式AI虽受媒体关注，但并非企业最认可的价值来源：50%的受访者认为分析型AI（如动态定价、客户定位）价值最大，40%认可基于规则的AI（如反洗钱系统、保险核保），仅9%选择生成式AI，2%选择智能体AI。不过，智能体AI的采用是价值指标——采用者比未采用者多22%的概率获得巨大价值，且更易采用成熟的价值实践。

4. 建立价值实现框架

结构化的价值实现框架（定制或借鉴管理方法）对AI价值创造至关重要。Ally Financial有定制“AI手册”指导业务部门从用例探索到负责任部署；某电力公司采用“阶段门”方法管理AI落地；CarMax首席信息和技术官沙明·穆罕默德认为，以产品为导向是关键——“它构建体系化框架，明确收益预期、复盘机制、业务变革路径及价值实现责任”。此外，框架需包含数据准备环节：55%的受访者认为数据未准备好是价值实现障碍。

5. 推动财务部门参与价值验证

多数企业将AI价值责任归于首席数据/AI官（38%）或职能部门高管（35%），仅2%归于首席财务官。但当首席财务官负责时，76%的企业实现“巨大价值”，远高于首席信息官/技术官负责时的53%和职能部门高管负责时的32%。财务部门具备严谨性、可信度和组织权威性。星展银行自2021年起在年度报告中披露AI经济价值，通过A/B测试量化差异，由各部门首席财务官验证后汇总。

6. 加强员工与高管AI培训

企业面临两层挑战：58%未对员工进行AI生产力培训，29%承认领导者缺乏AI价值创造认知。同时投资员工技能提升和领导AI素养的企业，在价值实现上有23个百分点的优势。值得注意的是，员工抵触并非障碍（仅13%的受访者认为员工抵触影响价值实现），员工更需要有效的高层领导及解决价值框架缺失、数据未准备等问题。

7. 遵循AI经济成熟度模型

该模型基于三个要素：一是将AI投入生产（试点不产生经济价值，58%的企业有1-几个生产用例，36%有多个生产用例）；二是评估生产用例价值（仅11%的企业对所有用例进行实施前后评估）；三是汇总并报告价值（72%的企业会汇总AI用例价值）。