核心摘要
- AI扩展成功的企业不足四分之一
- 投资在增加，成效却难以衡量
- 叫停低效项目的企业中，81%的项目实现盈利
- 本周待确认事项：是否具备叫停标准
根据Gartner公布的调查数据，成功将AI扩展至多个业务部门的企业占比不足四分之一。Gartner在今年1月至4月期间，对营收超过5000万美元的组织中的1300多名领导者进行了调查。
扩展进展缓慢，但投资计划并未因此减少。85%的技术领导者表示，明年将增加AI投资。与此同时，约11%的受访组织表示，尚未掌握其2025年在AI方面的具体支出情况。Gartner杰出副总裁兼院士Tina Nunno在报告中指出，若对AI支出缺乏可见性，投资回报落空的风险就会增加；如果没有与业务成果直接挂钩的纪律性衡量机制，就可能导致资源浪费和预期落空。
其他调查也指向同一方向
Infosys在8月发布的报告中显示，近四分之三的高管表示，其AI试点项目中成功实现规模化的比例不到25%，三分之二的高管表示难以衡量AI带来的投资回报率。Deloitte在8月发布的报告中显示，仅有五分之一的高层管理者和高管表示，已做好重新设计业务流程、让AI代理自主执行任务的准备。
实现盈利的企业做对了什么
在Gartner的数据中，取得更高收益的企业普遍会持续跟踪AI项目的投资回报率，将各项目作为统一的价值组合进行管理，并定期评估绩效。遵循这一框架、并叫停低效项目的企业，其AI项目中有81%实现了正收益。
Nunno副总裁指出，技术领导者可能会被AI炒作周期所裹挟。网络安全、威胁检测、IT服务台自动化等最广泛推行的用例，并不总是能带来最高的投资回报率。Gartner评选出的三大正收益用例分别是：智能化IT资产与成本优化、合成数据生成，以及自动代码生成与重构。Nunno副总裁表示，能为企业带来最大价值的用例，往往是精准对接特定业务需求、并在必要时具备扎实数据基础的用例；CIO应结合自身企业的现状、AI成熟度和业务需求，优先选择业务逻辑与财务逻辑均成立的用例。
对韩国企业AX的启示
该调查以营收超过5000万美元的组织为对象，因此对于规模未达此标准的国内企业而言，比起具体数字，更应关注调查所揭示的结构性问题。调查显示的结构其实很简单：一些组织决定增加投资，却无法准确核算支出；而实现盈利的组织，普遍具备衡量与叫停这两项纪律。对于单个试点项目在年度预算中占比较大的组织而言，这两项纪律的重要性甚至比大企业更为突出。
另一个关键点在于用例的选择。Gartner的调查结果显示，被最广泛推行的用例与真正实现盈利的用例并不相同，这提醒企业不应盲目跟风选择他人采用的方案。若正在考虑引入AI，更合理的顺序应是：先厘清哪些业务环节存在成本或处理量瓶颈，再据此选择与该瓶颈相匹配的用例。
本周建议各组织自查一件事：清点当前进行中的每个AI项目，确认是否都以文档形式明确记录了绩效指标和叫停条件。没有指标的项目，即便成功也无法证明其成效；没有叫停条件的项目，即便失败也缺乏停止的依据。
来源： Fewer than 25% of enterprises have scaled AI successfully