对FOMO（错失机会的担忧）仍在推动AI投资，但由于只有25%的项目达到预期，首席执行官们可能正从“fail fast（快速试错）”转向一种更缓慢、更审慎的方法。

图源：Rob Schultz / Shutterstock

在ChatGPT发布引发新一轮革命近三年后，人工智能的稳定ROI（投资回报率）仍难以实现。

根据IBM Institute for Business Value（IBM商业价值研究院对首席执行官的调查，近年来只有25%的人工智能项目达到了ROI预期。与此同时，只有16%的人工智能项目实现了企业级推广。

部分问题在于企业并不清楚自己在涉足什么领域。近三分之二的首席执行官承认，在尚未清楚了解新技术价值之前，对错失机会的恐惧就促使他们投资。这往往导致为追求投资回报率而仓促推进人工智能项目，或者只是为了作秀而启动项目——这两种做法都不会成功。

目睹过去两年半AI热潮的IT专家们，对AI项目平淡的表现并不感到惊讶。

金融科技解决方案提供商B2BROKER的首席产品官Ivan Navodnyy（伊万·纳沃德尼）表示：“这些调查结果与我们在整个行业看到的情况非常相符。先别提实现可衡量的ROI了，实际上只有一小部分AI项目能进入生产阶段。”

Navodnyy（纳沃德尼）补充说，许多企业投身AI领域是因为它是一项“热门”技术，但企业领导者并没有弄清楚他们想要解决什么问题。

他说：“他们希望自己的品牌被视为以AI为先，但往往将其应用于非紧迫问题——比如进行内容生成方面的实验，而不是确定一个核心业务问题加以解决。这并非只是搭上AI这趟列车，而是要确保你在朝着正确的方向前进，并且首先要确定你真的需要它。”

一、专业知识不足

Navodnyy（纳沃德尼）认为，许多IT和企业领导者在采用AI时过于仓促，没有考虑内部专业知识，也没有考虑向内部用户推广这项技术的必要性，部分原因是担心错失机会。

他解释说：“当领导者感受到为保持竞争力而快速行动的压力时，他们有时会跳过关键步骤，将部署速度置于产品质量之上。这是一种非常草率的做法，很容易导致资源浪费和声誉受损。”

IBM咨询公司的全球管理合伙人Neil Dhar（尼尔·达尔）表示，AI转型的速度促使CEO们在企业还未准备好时就匆忙涉足这项技术。

他指出，AI的变化速度让CEO担心能否预见业务需求。在2025年的IBM调查中，预测准确性是CEO们最关心的问题，而在2024年，产品创新是首要担忧，在2023年，生产力和盈利能力则是CEO们关注的首要问题。

Dhar（达尔）补充说：“CEO们必须不断展望未来，关注各自业务和行业可能面临的颠覆。在这样做的同时，他们需要时刻关注宏观趋势，并做出反应。”

Dhar（达尔）还说，尽管如此，许多企业在还没有做好准备取得AI项目成功之前就贸然前行。例如，他说许多公司在启动项目时，都没有清理好内部数据以供AI使用。

他说：“由于AI发展得太快，很多人针对某些可能只对企业很小一部分产生影响的事情开展了一些非正式项目，而没有从更广泛的角度去思考，‘这有企业价值吗？’”

二、评估风险和收益

金融服务公司SWBC的质量工程总监Nagmani Lnu（纳格马尼·勒努）表示，除了没有为AI项目的成功奠定坚实基础外，许多企业还未能预估实现AI项目投资回报率所需的时间和投资。

他说：“在引入AI之前，我们必须确保拥有合适的生态系统，以便有效地训练模型，确保取得理想的结果。错误的代价会很高。我们要专注于那些容易实现、风险最小的领域。”

IBM咨询公司的Dhar（达尔）表示，尽管过去犯过错误，但企业仍然需要接受这项技术。他补充说：“这项技术将不断发展，并且会对每个行业、每个职能产生深远影响。如果你没有真正弄清楚如何利用生成式人工智能，那你就会被淘汰。”

然而，调查显示，CEO们可能开始重新思考他们采用AI的方式。只有37%的CEO表示，在采用新技术时，“快速犯错”比“正确但缓慢”更好，这与生成式人工智能早期的情况有所不同。

大约三分之二的CEO表示，他们现在倾向于基于ROI的AI用例，这标志着与过去几年的变化。CIO对AI的态度也在改变，最近从侧重于实验转向了注重实际应用。

三、谨防低估所需付出的努力

SWBC的Lnu（勒努）补充说，企业在行动之前需要谨慎考虑。他说：“稳扎稳打才能赢得比赛。在行动之前要了解风险，并评估投资回报率是否可观且大于风险。”

多家网络安全供应商的母公司Point Wild的首席技术官Zulifkar Ramzan（祖利夫卡尔·拉姆赞）表示，大多数公司严重低估了将一个有前景的AI原型转化为一个能够大规模创造价值的生产级系统所需付出的努力。

他说，许多AI项目失败并非因为技术有缺陷，而是因为企业缺乏让技术发挥作用所需的内部技能。

Ramzan（拉姆赞）还说：“AI是一个强大的工具，但拿着工具的傻瓜还是傻瓜。编写AI核心代码可能一个工程师花几天到一周的时间就能完成，但要将这项技术投入生产可能需要数月时间，而且需要很多人的协作。”

作者：Grant Gross（格兰特·格罗斯）

Grant Gross（格兰特·格罗斯）是CIO的资深撰稿人，是一名长期的科技记者。他曾担任华盛顿记者，后来担任IDG新闻服务的高级编辑。在他职业生涯的早期，他曾担任Linux.com的总编辑和科技职业网站Techies.com的新闻编辑。在遥远的过去，他曾在明尼苏达州和达科他州的报纸担任记者和编辑。

译者：宝蓝

睿观：受“错失机会的担忧”（FOMO）驱动的 AI 投资回报率普遍偏低（仅25%项目达预期），促使 CEO 们开始反思。多数项目因缺乏明确业务问题、内部专业技能、充分的数据准备以及严重低估生产化所需努力而受挫。未来，企业将更注重基于 ROI 的用例，从“快速试错”转向更审慎的规划，聚焦核心业务挑战，稳步推进 AI 落地。

金句提炼：

AI的价值不在于跟风的喧嚣，而在于解决真实问题的深耕与审慎前行的智慧。