核心摘要
- 不足四分之一的试点实现了规模化
- 阻碍规模化扩展的是对成功的定义
- 以速度、成本、质量、风险来定义
- 本周需要确认的一件事
Infosys本周发布的报告显示，对多个行业1000多名高管进行调查的结果表明：大多数受访者认为AI是新营收机遇的核心驱动力，但72%的人表示，自家企业的AI试点项目中只有不到四分之一成功实现了规模化。三分之二的受访者表示，很难衡量ROI，以证明管理层所宣称的AI效益。
调查还发现了要求短期业绩的压力。近四分之三的受访者表示，被要求证明短期ROI的压力，使得更具变革性、更长期的AI尝试难以推进；表示已建立均衡KPI体系来评估AI价值的企业约占一半。报告指出，这种做法会导致企业在信号不完整、不一致甚至相互矛盾的情况下，被迫仓促交出成果。
Infosys云计算、基础设施与安全服务部门执行副总裁Anant Adya在报告中表示，团队协同以及是否用速度、成本、质量、风险等业务语言来定义成功，会对结果产生更大的影响，是绘制成功路线图不可或缺的要素。
支出本身并未减少。Gartner今年7月发布的数据显示，全球终端用户在AI模型与平台上的支出预计将比去年增长63%，到2026年将达到640亿美元。德勤（Deloitte）近期的调查显示，近一半受访者表示正在同时推进超过30个AI试点项目，其中许多项目即便明知无法坚持到底，企业仍在继续推进。
Infosys AI与自动化全球业务负责人、执行副总裁Bali D.R.表示，企业之所以持续投资AI，是因为看到了技术潜力的信号，但要真正转化为财务成果，还需要更清晰的商业论证、成功指标以及一致的领导层战略。Infosys首席技术官Rafee Tarafdar表示，当AI能力被产品化并部署在企业级平台之上、向全组织扩展和开放时，才能产生指数级效果。
对韩国企业AX转型的启示
此次调查指出，阻碍规模化扩展的并非模型性能，而是企业如何定义成功、以及用什么指标来衡量成功。若正在考虑推进AX转型，比选择工具更优先要做的，是在启动前就明确写下：要提升哪项业务中的哪个数字——是处理时间、单位成本、不良率，还是返工次数——以及要提升多少。Adya执行副总裁提到的速度、成本、质量、风险，正是选定这一数字时可以参考的四个维度。
增加试点数量的做法本身也是有代价的。若在明知无法全部坚持到底的前提下同时铺开多个试点项目，那么真正的成本往往不在于失败本身，而在于缺乏依据来判断该放弃哪个、该扩展哪个。若在启动之初就将中止标准与成功标准一并写明，那么这一判断最终将由数据而非会议来决定。
本周不妨确认一件事：清点一下组织内正在运行的AI试点项目，检查每个项目是否都以文件形式明确记录了成功标准和中止标准。未曾记录的试点项目所占的比例，正是下一次预算会议上难以解释的支出比例。