导语：企业中的AI优先级并非总能被完全理解。技术和投资可能协同增效，也可能相互掣肘。例如，南非IT领导者的做法是谨慎行事。

（图片来源：PeopleImages.com - Yuri A / Shutterstock）

在Foundry的《2025年AI优先级研究》中，企业透露他们正为AI项目分配比以往更多的资金，近半数组织现已为AI项目设立预算，高于2023年的36%。此外，他们将近四分之一的IT支出分配给了AI计划。

尽管一些组织比其他组织采取了更为审慎的方法，但南非科技领袖尤其普遍的共识是，AI投资必须带来切实的成果，并且AI预算必须在整个企业内进行战略性分配。金融服务集团Sanlam的集团首席信息官Theo Mabaso表示，重点不在于增加AI预算，而在于将更多预算投向高影响力领域。他说：“经过一段时间的实验、推出多个AI成果并从实践中学习后，我们已经弄清楚了客观AI价值的集中所在，因此我们将重点缩小到交付数量更少但影响力更大、能为集团带来投资回报率（ROI）的AI成果。”

例如，众所周知，生成式AI有助于提高生产力，使员工能够专注于高价值任务。Sanlam已经通过GitHub CoPilot之类的工具以及使用大型语言模型（LLM）审查冗长合同与标准条款和条件，看到了时间节省和效益。“然而，我们认识到生产力并不总能驱动客观指标，因此我们对在何处部署此类技术持批判态度，”他说，“我们寻找的是那些能够影响某个变量以产生客观下游效应的领域，而不是大规模部署那些带来与多年合同相关的软性收益的生产力工具。”

Werner Leithgöb, Lactalis南非公司 （图片来源：Lactalis）

乳制品制造商Lactalis南非公司的IT总监Werner Leithgöb对此表示同意。他认为，围绕AI的过度宣传仅仅触及了这些工具能力的皮毛。“当亚马逊Alexa首次问世时，每个人都觉得它太棒了，因为你可以用语音命令与家庭生态系统中的设备互动。但我保证，99%拥有它的消费者纯粹用它来播放音乐。所以，它本质上就是一个美化了的扬声器。对我而言，AI非常相似。为了正确利用这项技术，你必须非常审慎，并为其定义清晰的用例，这样人们才能看到它能增加什么价值。”作为审慎的一部分，他说，你必须经常使用这项技术，使其成为你工作方式的一部分。

一、最大化潜力

DHL南非公司的IT高级总监Jenny Mohanlall表示，随着用例的演进，仅仅为了创新而试验AI已不足够。“关键在于利用它来解决实际问题，提高效率，并创造有意义的影响，”她说。对大多数组织而言，AI的优先事项集中在增强客户体验以及革新运营和工作方式上。

Jenny Mohanlall, DHL南非公司 （图片来源：DHL）

Foundry的AI优先级研究结果支持了这一点，强调IT部门更愿意与其他业务部门（如客户服务和市场营销）合作，以确保AI的采用与更广泛的业务目标保持一致。通过利用AI工具简化和改进客户支持等工作，可以解放人工客服去处理更复杂的问题。而通过使用情感分析工具深入研究客户反馈，企业可以识别改进领域并在问题升级前进行处理。“有些公司甚至更进一步，采用预测性支持，即AI预测客户需求并在问题升级前主动解决，”Mohanlall说，“想象一下，一个聊天机器人不仅能回答问题，还能根据客户的行为预测他们接下来可能需要什么。正是这种创新正在改变客户服务。”

AI在行动

为了普及金融指导、建设金融素养并以简化的方式支持金融决策，Sanlam开发了一款名为Coach的AI产品。其第一个版本是一个全天候免费工具，旨在提高金融素养并帮助用户更有效地管理其信用。

Theo Mabaso, Sanlam （图片来源：Sanlam）

Mabaso说，Coach背后的技术包括先进的数据和分析能力，并利用了40个大型语言模型为用户提供高度个性化的财务指导，使他们能够根据自己独特的背景做出明智的财务决策。“在其最初几个月，该产品促成了45,000次独立对话和数千份贷款申请，转化率是网页或WhatsApp渠道的三倍，”他说。几个月后发布的Coach第二个版本，提供了一个由生成式AI驱动的理财性格评估，旨在帮助客户发现其独特的财务行为，使Sanlam能够定制财务建议。它还使其顾问能够为客户提供最佳解决方案，帮助他们实现财务目标。

在泛谈AI如何改变物流行业时，Mohanlall表示，AI计划通过帮助行业更好地管理不可预测性，正在重新定义可能性。“例如，通过分析历史数据、天气模式、交通状况乃至全球事件，企业可以实时预测需求并优化配送路线。”

对于Leithgöb而言，这段旅程才刚刚开始，但他并不担心落后，因为他明白为AI成功奠定必要基础的重要性。“我们购买了一批Copilot许可证，正在特定用户中进行测试，鼓励他们试用，尝试不同的提示，并自学如何使用它，”他说，“让我们在奠定必要数据基础的同时，先让人们熟悉它。”他承认，目前，整理好他们的数据是主要优先事项。“AI依赖数据，所以如果你的数据一团糟，你的AI也会一团糟，”他补充道，“如果你想从海量数据中获得有用的洞见，你需要合适的工具，但你也需要正确的数据。”

对于这些科技领袖而言，目标是利用AI最大限度地减少手动和重复性任务，简化流程，并释放新的洞见。但最终，所有这些努力都应共同帮助企业削减成本、增加销售额和提升利润。

睿观：首席信息官（CIO）必须战略性地引导人工智能（AI）投资，超越宣传炒作，通过聚焦高影响力用例、确保坚实的数据基础并要求可衡量的投资回报率（ROI），来实现切实的业务成果。

• 1、战略聚焦与投资回报率（ROI）优先。

• 案例：

  Sanlam在实验后收窄了AI项目范围，更注重能驱动客观指标的领域。

• 企业应从广泛实验转向专注少数能产生高影响力且具有明确ROI的AI项目，避免仅追求“软性收益”的生产力工具。

• 企业AI预算投入持续增加，但关键在于战略性分配，而非单纯增加预算。

• 2、明确用例与审慎采纳，避免表面化应用。

• 类比：

  Lactalis的IT主管将未充分利用的AI比作主要用于播放音乐的Alexa，强调需审慎规划。

• 必须为AI定义清晰、具体的用例，解决实际问题，使其融入日常工作并体现真正价值。

• 鼓励员工常态化使用AI工具，使其成为工作方式的一部分。

• 3、坚实的数据基础是AI成功的基石。

• 高质量、有序的数据对AI的有效性至关重要；“混乱的数据会导致混乱的AI”。

• 企业（如Lactalis）在推广AI工具的同时，将整理数据基础作为优先事项。

• 4、业务协同与价值创造，关注客户与运营。

• 案例：

  Sanlam的AI产品Coach通过个性化指导显著提升了金融服务转化率。DHL利用AI分析多维度数据以优化物流。

• IT部门需与客户服务、市场营销等业务单元紧密合作，确保AI举措与企业整体目标一致。

• AI应用应致力于提升客户体验（如DHL通过AI预测客户需求、Sanlam的Coach提供个性化金融指导）和革新运营模式（如DHL利用AI优化配送路线、Sanlam用LLM审阅合同）。

• 5、最终目标：驱动核心业务指标的提升。

• 所有AI努力的根本目的在于：最大限度减少手动重复任务、简化流程、发掘新洞见，并最终帮助企业实现削减成本、增加销售额和提升利润。