AI能否产生回报？实现更高投资回报率的五大步骤

人工智能投资回报率提升五步法

核心观点： 企业整体AI投资回报率平均仅为17%，主要受组织管理因素影响，如流程碎片化、衡量标准不一致、可见性差以及技术债务。通过优化管理，而非技术投入，可有效提升AI投资回报率。

关键数据和研究结论：

• AI投资回报率现状： 大型企业平均AI投资回报率为17%，近三分之二的AI计划未能达到预期目标。少数成功项目产生了不成比例的价值。
• 第一步：使AI支出与已证明的AI性能相匹配
  • 痛点：AI预算分配不均，IT、销售和市场部门产出回报高于其资金份额，研发和创新以及风险与合规部门投入产出比低。
  • 潜在收益：专注于AI回报率最高的业务领域的组织，其特定功能的AI投资回报率比同行高22%。
  • 建议：基于AI能创造最大企业价值的地方进行投资，关注连接不同职能部门的工作流程，并持续将资源转向高回报机会。
• 第二步：确定成功标准，然后进行衡量
  • 痛点：84%的技术领导者表示其组织尚未完全实现人工智能财务管理的运营化，68%的首席人工智能官即使没有可靠方法也启动AI计划。
  • 潜在收益：使用AI绩效数据指导资金和人才决策的组织，其AI投资回报率比同行高出112%。
  • 建议：将AI计划与业务成果挂钩，从多个维度评估AI机遇，并基于成果决定是否继续投资。
• 第三步：全面优化人工智能支出
  • 痛点：85%的技术领导者缺乏对人工智能支出的实时可见性，云成本比最初预计的高出48%。
  • 潜在收益：整合并优化使用多种模型的组织，预计到2030年生产率提升24%，运营利润率改善55%。
  • 建议：将AI视为动态组合，主动分析支出、所有权、绩效和预期回报，并根据经济性选择合适的模型组合。
• 第四步：降低技术债务对投资回报率的拖累
  • 痛点：69%的高管表示技术债务将使至少部分人工智能计划在财务上无法维持，每5美元的人工智能价值中就有1美元因企业内部摩擦而损失。
  • 潜在收益：在其AI商业案例中明确考虑现代化和技术债务修复的组织，其AI投资回报率比将现代化视为独立话题的组织高29%。
  • 建议：识别技术债务、数据碎片化和系统依赖，将技术补救成本计入预期回报，并逐步修复关键约束条件。
• 第五步：建立随采用规模而扩展的治理机制
  • 痛点：77%的高管表示其所在组织的AI应用正快于治理能力的发展，糟糕的治理会导致资源集中于部署而非成果。
  • 潜在收益：通过实现三个关键基准，组织可以创造2.5倍的净利润新AI价值：将75%的AI项目投入生产，在75%的AI项目中实现预期成果，并将因摩擦而损失的AI价值降低至10%。
  • 建议：建立与AI采用规模相匹配的治理机制，明确目标成果并衡量进展，定期评估模型选择，并建立问责制和透明度。

结论： 通过以上五个步骤，组织可以有效提升AI投资回报率，将AI转变为真正的增长引擎。