2025年人工智能价值报告中端市场组织对AI投资回报率抱有高期望

中端市场组织对AI投资的回报寄予厚望，尽管人们对人员、数据和技术的疑虑重重。 人工智能价值期望与现实之间的差距 人工智能正在塑造所有规模、所有行业的组织未来。而那些以速度、创新和韧性著称的中型市场组织正在加速发展。这些组织注重成本和增长，尽管与大型竞争对手相比可能资本较少，但这并不意味着它们的雄心不足。 紧迫性创造价值的紧迫感明显——85%的人担心，如果他们不加快部署人工智能，他们的组织将会落后。这种对速度的需求反映在组织实施人工智能的方式上，大多数组织采取的是非传统或针对特定功能的方法。与此同时，由于在人员、数据和技术方面的必要人工智能基础工作，急于加速的愿望受到了制约。 存在日益增长的需求，在区分人类生成和AI生成价值的同时，确保有适当的约束机制，以教导AI“忘记”那些具有无意偏见或不道德事实的结果。 本报告深入探讨了来自10个国家9个行业的4,100位决策者关于他们到2025年的AI愿景的见解。随着许多企业积极迈进，我们观察到，在追求快速收益的愿望和解决人才动态、数据质量和治理等根本性挑战的现实之间存在显著张力。在确保数据和科技为人工智能成功奠定基础的同时，领导者无法忽视关键的人类考量和因素。 随着人工智能日益成为日常工作的组成部分，我们预计劳动力动态将发生转变。人工智能将不再是被“使用”的被动工具，而是将成为团队中的积极主动成员。理解工人与人工智能之间的新关系，包括其社会和情感影响，将是建立信任的关键。 组织们正满怀信心地投身于人工智能领域，其中大多数正在增加预算，并预期在12个月内实现高达四倍的回报率（ROI）。 回报率的展望取决于生产力和成本节约，84%的人认为人工智能投资的目标是替代员工。然而，很明显，人工智能的价值方程式仍处于探索中——很少有人这样衡量价值，一半的人在做商业案例。 关于如何确定哪些决策AI可以自主处理的问题正变得越来越关键。令人震惊的是，大多数人都信任AI做出决策，尽管只有三分之一的人完全信任其结果。 执行摘要 研究方法 对于每花费1美元在人工智能上，59%的人期望在12个月内获得最多4倍的回报。 担忧他们由于没有快速采用人工智能而失去竞争优势。 说人工智能投资是为了通过裁员来节约成本 仍然在制定商业案例，44%处于验证概念阶段。 对人工智能价值的期望能否使盈利能力焦点限制总收益增长？ [推动技术采用的动因是] 生产率。我们需要显著降低我们的服务成本。市场竞争越来越激烈。我们真的有迫切的需求去降低我们的服务成本，因为目前有很大的利润压力。 首席转型官，区域金融服务 组织普遍持乐观态度，其中大部分预计在12个月内实现四倍回报，并将人工智能视为首要任务。 我们的见解揭示了一个需要在削减成本和渴望利用人工智能促进增长之间的紧张关系，这表明人工智能价值等式仍在摸索中。 对人工智能价值的希望 组织们热情拥抱人工智能，许多机构正在增加预算，并预期在一年内实现高达四倍的回报率（ROI）。 回报率预期集中于提高生产力，84%的人认为人工智能投资的目的是为了替换员工以节省成本。这种成本节省的思维模式因人工智能导致的人员编制预期逐年下降而加剧。 尽管人们认为减少员工人数是投资人工智能的关键原因，但很少有人以这种方式衡量其影响。仅有9%的企业根据重新投资或节省的人力岗位数量来衡量人工智能的回报率。相反，69%的企业将生产力和运营改进作为它们主要的AI成功指标和价值驱动因素。 在未来12个月内，60%的企业将把人工智能列为顶级IT优先事项，53%的企业预计将增加生成式人工智能预算，增幅高达25%。 60% 将AI提升为顶级IT优先事项 高达4X返回预计每1美元将产生59%的收益。花费在AI辅助驾驶员和智能代理上 53%预计将通用人工智能（gen Al）的预算增加高达25%。 尽管生产力是衡量价值的首要指标 生产力真的被置于增长之上吗？ 将人工智能价值与成本节约和效率联系起来 如何比较C级管理层角色：%同意通过投资AI来裁减员工以节省成本的人 我们的研究揭示了决策者对人工智能价值的两种引人入胜的矛盾观点： 1. 近一半的人预期投资回报将来自生产效率，同时表示首要任务是创造新的收入渠道。 2. 绝大多数人说，人工智能投资是为了裁员和节省成本，但很少有人积极地衡量这种结果。 自从生产力提高通常导致完成任务更快，一些企业是否将错过人工智能在重塑和提升竞争力方面的潜力？又或者生产力节省下来的空间会为创新创造机会？回答这些问题需要一个更长远的视角——但一个战略路线图仍难以捉摸。近半数（48%）的企业正在制定商业案例，44%的企业则卡在了概念验证的阶段。 问题：您认为您的组织是否在投资AI同事和代理等技术以替代员工，目的是为了节约成本和提高效率？受访者被要求在1至的范围内表示同意或不同意。–4. 对人工智能价值的希望 我们的观点 没有愿景的人工智能会阻碍价值发展。虽然成本节约的吸引力很大，但这种过于狭隘的焦点分散了人们对人工智能变革潜力的关注。我们的数据显示，30%的企业正在制定他们的愿景人工智能战略，近一半的企业正在寻求制定商业案例——这表明需要深呼吸，突破围绕短期满足的炒作。这需要对于人工智能有一个稳固的愿景和投资案例，同时采取一种深思熟虑的方法，避免为了短期收益而牺牲长期利益。 衡量你所重视的。 我们建议在评估人工智能预期价值时采取全面的方法。领导者不应仅仅依靠人数节省作为“英雄关键绩效指标”——尤其是考虑到如此少的人是根据保留或重新分配的人类角色来计算人工智能回报率的。同样，生产力的定义也需要适应，因为我们面临着工作方式以及价值创造的重大转变。新的指标可能会取代我们衡量生产力的更传统方式。 重新定义生产力 解决生产力问题，不仅仅在于开启技术或减少人力资源。维持生产力增长需要重新思考我们如何评估各种形式的工作。同样地，如果组织计划减少人力资源，这也进一步强调了在处理转型过程中需要注入人性化因素的重要性。人工智能应促使我们更加人性化地对待被取代或重新部署的员工。 快速人工智能回报缩小预期与现实之间的差距 我不认为公司可以推迟使用AI工具的实施，否则他们只会落后很多。 副总裁，工程，汽车一级供应商 组织面临快速转型的压力，许多组织正在通过一种“跳出框框”的方法加速转型。 同时，对于速度的追求受到妥协，因为在人们、数据和科技方面，大多数人仍在努力打好人工智能的基础工作。 尽管有加速的愿望，组织需要调整步伐，平衡人工智能对近期和长期的影响。 快速人工智能回报 许多地方都有“一点点AI”。 组织正在积极推进人工智能的实施。 当谈到人工智能的实施方式时，81%的人使用的是现成的或将其隔离到特定功能中。这表明可能是一种随意的做法，将人工智能散布在各个领域，但没有一个连贯的策略。那些在人工智能之旅上走得最远的人选择现成的解决方案，其中超过一半（52%）选择了这种方法。 对速度的需求 决策者有着清晰的紧迫感——其中85%担心如果不加速人工智能的采用，他们可能会失去竞争优势。从行业角度来看，这种紧迫感在医疗保健行业中感受最为强烈，高达95%的人表示同意或强烈同意。我们的数据还凸显出，前台职能——包括销售和市场营销——显示出他们组织可能会落后的最高焦虑水平。 此外，无论回报是体现在收入增长还是成本节约，组织都希望快速看到成效。投资于人工智能合作者和代理的企业预计在6至12个月内（40%）看到回报，另有27%的企业只愿意等待3至6个月。 问题：在多大程度上，你同意或不同意以下陈述：我们因未能迅速实施人工智能而面临失去竞争优势的风险？受访者被要求在1到10的范围内表示同意或不同意。–4，图表显示那些同意或强烈同意的人。 快速推进，同时解决人工智能基础问题 决策者显然希望快速推进人工智能的发展。但在这速度需求与长期谨慎考虑之间存在着紧张关系。技术考虑是一个明显的起点——超过90%的企业已经加速了IT现代化和云服务的采用——但基本的人和数据原则不容忽视。 与负责任的人工智能并肩前行：我们的年度趋势显示，表示已经建立完整责任人工智能（RAI）指南的人数下降了9%——只有39%的中端市场组织拥有这些指南。而且，完全信任人工智能输出的比例也从48%下降到了26%。这可能反映了在不断变化的法规中保持同步的挑战，以及随着人工智能更广泛地应用，持续重新评估、更新或嵌入RAI指南的必要性。因此，42%的计划制定RAI指南，以确保为他们的AI工具和模型提供的数据准确可靠。 人类因素劳动力准备情况仍然是一个挑战，因为组织可能还没有足够的培训、由明显领导力支持的长期学习计划，以及整个组织的参与。值得注意的是，79%的计划增加对AI培训和熟练度的投资，认识到人们需要知识和工具来与AI协同工作。此外，77%的人专注于变革管理，以确保AI支持新的和现有的工作方式。然而，AI培训并非一刀切的政策，51%的人选择将负责任的AI培训推广到特定部门。 强调在人工智能领域关注伦理问题和透明度的重要性。 数据考虑因素：获取符合目的的数据可能是希望实施人工智能的中等规模组织面临的主要障碍。主要关注点包括克服将人工智能与现有系统集成起来的复杂性以及保护数据安全和隐私。连续第二年，数据和分析平台成为受访者投资优先事项的首选，以确保数据安全且适用于人工智能。 组织是否能够跟上负责任人工智能的步伐？ 51%需要它用于具体部门 快速人工智能回报 我们的观点 我们投资了Disrupt Avanade和我们的AI学校等计划，旨在为所有Avanade员工——而不仅仅是技术人员——提供导航生成式AI、负责任AI和提示工程的有价值技能。 你正在将员工和组织放在首位吗？人工智能流畅度？ 人工智能正在改变工作场所，但成功采用需要将人置于技术之上。人类影响不容小觑——人工智能熟练度对所有组织至关重要，而不仅仅是少数部门、角色或经验水平。 您是否信任人工智能处理您的数据？一个稳固的数据策略——定义数据的收集、存储、管理、分析和使用方法——是成功人工智能的基础。我们遇到的一个主要困难是如何协调和准备来自不同系统和格式（包括非结构化文本、图像和音频）的数据，以便人工智能能够分析和解释它们。 提升技能和培训同样至关重要，因为尽管受访者持乐观态度，但相对较少的人认为自己准备好迎接人工智能。组织的战略应该是其人工智能战略，充当领导者在今天何处采用技术以及如何为未来进行重塑的“指南针”。而不是将“一点人工智能”投入到各个领域——这可能会削弱其影响力，压倒团队或导致后续工作返工——创建一个统一的路线图有助于在各个职能间实现规模经济。此外，负责任的AI框架通过一种包容性的方法考虑所有员工的数字技能，减轻了偏见、安全问题以及不希望的人工智能分裂等风险。 我们同样注意到，许多组织在利用AI进行决策时，同时对结果的可靠性或支撑数据并不完全自信。这种信任缺失，以及相关的风险，将在AI技术在日益增长的过程中的应用中，使组织面临更大的暴露风险。 尽管有推进人工智能的积极性，每个组织都必须按照自己的步伐前进。例如，早期采用者可能比高度监管行业的参与者行动更快。领导者应为自己的人工智能采用设定自己的节奏，并据此调整其战略和投资。 我们的Avanade与微软Copilot的合作经验表明，随着训练和经验的积累，对AI的信任度会提高。如果员工在尝试AI时感觉没有被纳入过程，他们可能会对领导者的动机产生怀疑。赋予所有员工使用AI的权力可以提高采用率和倡导度——这对个人和组织都有益。正是出于这些原因， 欢迎AI加入团队领导者观察到工作动态正在改变 我认为我们仍然需要人在回路中。我们也需要人类理解这是一个可以帮助他们节省时间、更好地完成工作的工具……我曾有团队成员问我，“这会取代我吗？”不会。它将为您节省更多的时间，让您能更好地完成工作。虽然在探索性测试中，人工智能和机器学习正在进步，但它们仍然处于发展和成熟阶段。 人工智能正成为团队中的主动一员，与员工并肩工作，自动化流程并节省时间。 决