——告别实验“特权”，让人工智能像ERP一样，为每一分钱的投资负责。
一个令人警醒的数据：根据麦肯锡的最新研究，71%的企业已经将生成式AI常规化地用于至少一个业务职能。这意味着，当您还在犹豫是否要“探索”AI时，您的竞争对手早已驶入快车道。
2026年的预算季即将来临，关于AI的讨论，正在从“我们该不该做？”的试探，迅速转变为“我们该投多少？回报在哪？”的价值拷问。AI不再是IT部门的“新奇玩具”，它正成为决定企业未来竞争力的核心引擎。
这份报告的核心，正是要为所有CEO和CIO敲响警钟：是时候停止将AI视为一个特殊的、需要被“呵护”的实验项目了。
读完本文，您将获得关于AI投资的 3个核心洞见和 5条可落地的价值衡量标准，彻底改变您对AI预算的看法。💡
许多企业在讨论AI时，总想为它发明一套全新的价值评估体系，仿佛它来自另一个星球。这是一个危险的误区。
报告明确指出，衡量AI价值的基础逻辑从未改变。消除AI炒作和泡沫最有效的方法，就是用我们评估其他任何商业投资（如ERP、云计算）的逻辑，来审视AI。
在我看来，这对于追求“降本增效”和高质量发展的中国企业尤其重要。我们不能因为AI技术新颖，就给予它“免于价值拷问”的特权。任何AI项目，都必须明确回答，它将在以下哪个或哪几个核心业务领域创造价值：
收入增长 (Revenue Growth):通过智能定价、个性化推荐或客户互动，提升销售额或利润率。
效率与成本降低 (Efficiency & Cost Reduction):自动化重复劳动，优化运营流程，节省时间与金钱。
资产利用率 (Asset Utilization):利用预测性分析，提升设备正常运行时间，优化供应链，减少营运资金。
风险与合规 (Risk Mitigation & Compliance):加强内部控制，监测异常，预警监管或安全风险。
这些都是企业经营的“母语”。AI的独特之处在于，它能以前所未有的规模和速度，同时撬动多个价值杠杆。例如，一个AI预测工具，可以同时提升销售预测的准确度（增收）、减少库存积压（降本）并优化物流（提效）。
将AI的价值主张，牢牢锚定在这些经典的商业价值上，是确保它不偏离航向、不沦为“政绩工程”的第一步。
绝大多数企业已经通过试点项目（Pilots）证明了AI的潜力。现在，2026年的核心命题不再是“AI是否有效”，而是“如何负责任且高效地规模化AI”。
这正是预算纪律至关重要的地方。规模化AI需要系统性的投入，包括数据治理、模型安全、变革管理和网络安全等。这些并非AI的专属成本，而是任何数字能力建设的共同基础。
报告建议，我们可以将AI投资清晰地划分为三类。这并非新概念，本质上，这就是睿信咨询专家常说的“运营（Run）、增长（Grow）、转型（Transform）”IT投资模型的AI版本。
嵌入式AI (Embedded AI):内置于您现有企业软件（如ERP, CRM）中的AI功能。这是未来12-18个月最确定的价值来源。重点应放在提升采纳率和生产力，而非自研。
差异化AI (Differentiating AI):那些能直接构筑护城河的AI项目，如智能供应链、预测性维护等。这些项目必须有清晰的商业论证、可量化的成功指标和严格的治理。
基础性投资 (Foundational Investments):支持所有数字能力的数据平台、治理和基础设施。没有坚实的地基，再好的AI应用也只是空中楼阁。
引用Gartner的数据揭示：到2026年，全球AI相关支出将超过惊人的2万亿美元。这说明AI将无处不在。在如此庞大的体量下，任何将AI投资置于常规财务纪律之外的做法，都是极其危险的。
为AI制定预算，最难的不是预测成本，而是定义价值。
许多企业管理者向我抱怨，AI的ROI（投资回报率）难以衡量。我的回答是：并非AI无法衡量，而是我们站错了衡量的起点。我们不需要为AI发明新的ROI模型，我们应该从业务最熟悉、最关切的指标入手，用它们来衡量AI的贡献。
我们提炼了5把经典的“价值标尺”：
生产力 (Productivity):将节省的工时、提升的处理量，量化为可避免的成本或被重新部署的人力。
质量 (Quality):衡量准确率的提升、缺陷率的降低，并将其转化为效率或利润的增长。
收入影响 (Revenue Influence):追踪AI驱动的个性化推荐、智能营销等功能，如何具体贡献于销售或定价的提升。
风险降低 (Risk Reduction):通过更早的预警和预测，估算出避免了多少潜在的损失、罚款或停机时间。
采纳与参与度 (Adoption & Engagement):衡量AI工具的实际使用率，并将其与员工业绩或客户满意度等结果指标进行关联分析。
这些指标并不新鲜，但它们是与CFO沟通时最有效、最可信的语言。一个AI助理不仅节省了员工时间（生产力），也可能同时提升了回复准确度（质量）和客户响应速度（收入影响）。我们需要做的，就是将AI带来的复合型收益，精准地分解到这些经典的价值框架中。
对于正在加速数字化和智能化转型的中国企业，有三条至关重要的战略启示：
让业务部门，而非IT部门，为AI的价值主张“签字画押”。AI项目的发起和最终成果的衡量，责任主体必须是能创造商业价值的业务方。IT部门是赋能者，而非价值的承诺者。
将AI预算“化整为零”，嵌入现有业务流程的优化中。不要再设立一个笼统的“AI专项预算”。相反，在讨论销售预算时，就应包含AI如何助力增长；在讨论生产预算时，就应包含AI如何提质增效。
CEO和CFO必须亲自下场，建立与AI挂钩的绩效考核体系。如果AI的成果无法体现在业务团队的KPI和财务报表中，那么它永远只能停留在“锦上添花”的层面。
经过几年的探索，我们对AI最大的认知改变应该是：AI不会取代商业纪律，它恰恰会奖赏那些拥有严明商业纪律的企业。
最优秀的CIO和CEO，会抵制将AI视为“特殊事物”的诱惑。他们会用过去数十年指导企业做出正确技术决策的相同标准、相同价值分类和相同财务严谨性来要求AI。
AI不是一个需要被纵容的预算科目，而是一个需要被精细管理的核心能力。
当2026年的预算会议开始时，关于AI，您准备好回答“它创造了多少价值？”这个问题，而不是“我们为它花了多少钱？”了吗？
原文：《人工智能不是一个特殊的预算类别》
首席信息官（CIO）应该像评估任何其他投资一样评估人工智能，使用相同的价值杠杆、财务严谨性和对结果的问责制。
图片来源：Shutterstock / Kenchiro168
每一个CIO都知道，预算周期感觉就像试图把未来塞进一张电子表格里。今年，这个挑战有了一个新的变数：人工智能。
到2026年到来之际，许多组织将已经超越试点阶段。事实上，根据麦肯锡的数据，71%的商业领袖现在表示，他们的公司至少在一个业务职能中常规化地使用生成式人工智能。这一进展表明，我们不能再将大多数AI项目视为实验。
从我个人领导IT预算讨论的经验来看，我见证了AI如何迅速地从实验走向期望。我收到的问题不再是“我们是否应该探索AI？”，而是“我们应该投资多少，以及它将在哪里产生回报？”
这种势头意味着，2026年的讨论必须从AI的成本，转移到它所创造的价值上——不仅仅是生产力，更是可衡量的企业价值。
这意味着我们要像对待其他所有商业投资一样对待AI。它可能是几十年来最受热议的技术，但财务原则并未改变。CIO应该对AI应用与他们对ERP、云或网络安全相同的纪律、结构和问责制。
关键在于，要通过管理所有技术支出的相同价值类别来评估AI，并明确每个项目旨在影响哪些类别。
AI的价值就是商业价值
现在有一种越来越强的诱惑，即为AI创建特殊的框架或资金模型，仿佛它存在于自己独立的价值类别中。实际上，衡量技术价值的基本原理并未改变。我学到的是，戳破AI炒作最可靠的方法，就是应用我们用于其他所有项目的相同投资逻辑。
AI可以帮助公司增加收入、降低成本、提高效率和管理风险。这些是几十年来指导技术投资的相同的企业价值杠杆。新鲜的是这些成果的规模、速度和潜在的覆盖范围。
当您将AI项目与其他IT项目一起归类时，戳破炒作的最佳方式是应用您可能已经用于投资规划的相同业务价值类别。
这种方法呼应了安永（EY.ai）价值加速器的发现，即虽然成本改善仍然是主要驱动力，但AI也使组织能够改进决策过程、开启新的收入来源并提升其雇主品牌价值。
CIO的每一个资助项目，都应明确地与以下一个或多个价值领域挂钩：
收入增长：通过更智能的定价、个性化或客户互动来推动销售或利润率的提升。
效率和成本降低：自动化手动工作、简化运营或提高决策准确性，以节省时间和金钱。
资产利用率：使用预测性分析来提高设备正常运行时间、优化供应链或减少营运资本。
风险缓解和合规性：加强控制、监控异常情况并预测监管或安全威胁。
这些类别并非AI所独有。它们是普适的业务驱动力。不同之处在于，AI现在可以同时影响多个类别，有时是以意想不到的方式。例如，一个由AI驱动的预测工具可以提高收入预测的准确性、减少库存并降低物流成本。
通过与其他所有投资相同的视角来构建AI的价值，CIO可以避免将其孤立为一项实验性支出，并使其牢固地建立在财务和运营成果之上。
为规模化而非实验制定预算
大多数组织已经证明，AI可以产生洞察、自动化工作流并改善客户或员工体验。现在的问题不是AI是否有效，而是如何负责任且高效地规模化它。
这正是预算纪律最重要的地方。规模化AI需要在多个层面进行投资，例如数据就绪度、模型治理、变革管理和网络安全。这些投资并非AI独有；它们是任何数字能力的基础。
在准备2026年预算时，我发现将AI投资分为三种方式很有帮助：
嵌入式AI：内置于企业平台（如ERP、CRM和协作工具）中的能力。这是未来12到18个月内大部分价值的来源。CIO应专注于采纳和生产力，而不是定制开发。
差异化AI：AI是竞争优势主要驱动力的项目，例如预测性维护或智能定价。这些需要清晰的商业案例、明确的成功指标和有纪律的治理。
基础性投资：支持所有数字项目的共享赋能因素，包括数据质量、治理和基础设施。没有这些，即使是最好的AI创意也无法规模化。
这种结构并非AI预算所独有。它与CIO们多年来使用的“运营、增长、转型”（run, grow, transform）模型相同。其原则是让AI成为该模型中一个可见的部分，而不是一个游离于其外的特殊类别。
Gartner现在预测，到2026年，全球AI支出将超过2万亿美元，这反映了AI将被嵌入到每个系统中的程度。在这样的规模下，AI投资不能再游离于正常的财务纪律之外。CIO必须通过与其他所有重大项目相同的投资视角来评估它们。
用现有杠杆衡量价值
为AI制定预算最困难的部分不是预测成本，而是定义价值。我经常提醒我的团队，我们不需要仅仅因为工具更智能就建立一个新的ROI模型。传统指标：生产力、质量、收入影响、风险降低和采纳率仍然适用。关键在于以一致性和纪律性来应用它们。
以下五个价值视角，可以帮助用熟悉的商业术语来构建AI的贡献：
生产力：量化节省的时间或获得的吞吐量，并将其转化为成本规避或重新部署的产能。
质量：衡量准确性的提升、缺陷的减少或决策的一致性，并将其转化为效率或利润的增长。
收入影响：追踪AI赋能的能力（如个性化或推荐）如何为销售或定价的改善做出贡献。
风险降低：通过更早的检测或预测来估算避免的损失、罚款或停机时间。
采纳和参与度：衡量AI赋能工具的利用率，并将其与绩效成果相关联。
这些指标没有一个是新的。它们是CIO已经用来为技术投资辩护的相同杠杆。不同的是，AI常常同时触及多个方面。
例如，一个为员工节省时间的AI助手，同时也提高了准确性和客户响应速度。通过将收益映射到现有类别，CIO可以用可信度和一致性来评估影响，而不是重新发明衡量过程。
与首席财务官（CFO）进行更平衡的对话
当CIO像对待其他所有投资一样对待AI时，与财务部门的预算对话就会变得更简单、更富有成效。对话从为新奇事物辩护，转变为讨论价值。
CFO们已经理解了投资回报率（ROI）、投资回收期和净现值（NPV）的框架。CIO的角色就是将AI项目转化为这些相同的财务术语。这意味着要提交清晰的商业案例，定义可衡量的成果，并设立阶段性关口，以便根据结果来决定是继续、暂停还是停止资助。
这种方法也使AI与更广泛的企业优先事项保持一致。如果一家公司专注于利润率的提升，那么AI投资就应该聚焦于自动化或产出率。如果目标是增长，那么它们应该聚焦于客户互动或预测性销售。
以这种程度的财政纪律来对待AI，传递了一个重要的信息。它表明，技术不是在追逐潮流，而是在推进战略。
最后的思考：AI不是一个特殊的预算类别
经过几年的人工智能探索，我最大的感悟是，基本面没有改变。AI不会取代商业纪律；它会奖赏商业纪律。
最好的CIO们会抵制将AI视为与其核心投资框架相分离的东西的冲动。相反，他们会应用多年来指导技术决策的相同标准、相同价值类别和相同的严谨性。
AI不是一个值得放纵的预算项目；它是一种需要被管理的能力。它应该像其他所有投资一样，通过证明它创造了可衡量的商业价值，来在预算中赢得自己的一席之地。
我相信，这就是我们如何从试点走向盈利，从好奇走向问责的方式。
