一、 残酷的现状：95%的失败率与消失的耐心
目前的 AI 落地情况并不乐观。麻省理工学院的研究指出，高达 95% 的企业生成式 AI 项目在六个月内未能产生可衡量的财务回报。与此同时，CEO 和董事会的耐心正在耗尽。数据显示，61% 的高管比一年前感受到了更大的压力，而 53% 的投资者期望在半年内看到正向回报。
这一现状向所有 IT 领导者发出了明确信号：从炒作转向执行，从实验转向价值。
二、 破局之道：CIO的三大战略调整
面对压力，领先的 CIO 们正在采取以下三种核心策略来确保 2026 年的 AI 投资回报：
确立“损益表（P&L）思维”
纽约人寿集团（New York Life Group）的案例表明，成功的关键在于像对待任何商业投资一样对待 AI。
策略：不为技术而技术，而是关注运营成本削减、利润率提升、营收增长及客户留存。
执行：优先部署数据、系统和技能已就绪的领域，拒绝模糊的“改进”，只为可预期的价值买单。
从“修补痛点”转向“重塑流程”
West Monroe 和 Jamf 的高管们指出，早期的 AI 项目往往只是为了解决单一痛点，甚至与核心业务脱节，因此难以扩展。
策略：利用 AI 彻底重新构想工作方式，而非仅仅优化现有步骤。
案例：Palo Alto Networks 利用 AI 将 IT 运营自动化率从 12% 提升至 75%，直接使运营成本减半。这种“速度与效率”的质变，才是 AI 的真正价值所在。
构建“以 AI 养 AI”的良性循环
许多企业受困于遗留的技术债务（Technical Debt），导致 AI 无法扩展。Tata Consultancy Services (TCS) 提出了一个聪明的解法。
策略：利用 AI 实现 IT 现代化，偿还技术债务。
循环：AI 带来的效率提升会产生资金节余，将这些节余再投资于更高阶的 AI 创新。CIO 不再是伸手要钱，而是通过技术红利为企业的未来转型提供资金。
三、 结语
2026 年，模糊的愿景不再被买账。CIO 必须建立坚实的基础设施（数据管理、云原生应用），并以冷酷的商业逻辑审视每一个 AI 项目。只有那些能证明“这项技术让公司变得更好、更强、更便宜”的领导者，才能在这场变革中立于不败之地。
经过多年未能实现大规模扩展的 AI 实验和试点，CIO 们正感受到巨大的压力，必须为 AI 投资带来可衡量的价值。以下是他们为实现这一目标所做的一些战略调整。
总体而言，人工智能项目未能达到预期。
这是迄今为止大多数研究的结论，包括麻省理工学院发布的报告《生成式人工智能分歧：2025 年商业中的人工智能现状》。该报告发现，企业生成式人工智能项目的失败率高达 95%，即在六个月内未能显示出可衡量的财务回报。
此外，由于 CEO、董事会和投资者都明确表示希望看到 AI 项目有明显的投资回报率（ROI），对低回报的容忍度正在逐渐消退。
根据 Kyndryl 的《2025 年准备度报告》，在受访的 3700 名高级企业领导和决策者中，61% 的人表示，与一年前相比，现在感受到证明 AI 投资回报率的压力更大了。
全球 CEO 咨询公司 Teneo 发布的《2026 愿景首席执行官与投资者展望调查》也指出了类似趋势。报告写道：“随着工作重心从炒作转向执行，企业正面临从不断增长的 AI 支出中展示 ROI 的压力。”报告还指出，53% 的投资者预计在六个月或更短时间内实现正投资回报。
IBM 咨询全球管理合伙人 Neil Dhar 表示：“CEO 和 CIO 面临着交付回报的压力，这种压力还将持续。伴随压力而来的问题是：‘你将如何利用人工智能让公司变得更好？’”
一、为成功奠定基础
纽约人寿集团（New York Life Group）福利解决方案的首席信息官 Matt Marze 对在 2026 年实现 AI 投资回报率充满信心，因为他一直以来都获得了正向回报。关键在于什么？在于根据每个项目预期的产出价值，来推进并优先考虑 AI 的部署。
“我们于 2023 年 12 月由 CEO 发出行动号召，开始了我们的人工智能之旅。从一开始，我们就希望成为一家技术、数据和人工智能驱动的公司，为客户、合作伙伴和员工带来无与伦比的体验。因此，在价值问题上，投资回报率始终是我们考虑的重中之重，” Marze 解释道。
Marze 和他的高管同事们对待人工智能投资的态度“与看待所有投资的态度相同”——即考虑这些投资对公司盈利计划的影响。“我们关注运营成本削减、利润率提升、营收增长、客户满意度和客户留存，但归根结底，这都归结于对我们盈利的贡献，”他说。
Marze 强调了一些能让组织保持关注 ROI 的实践做法，例如：优先在可用数据、系统和技能方面已具备“AI 就绪”条件的领域推动 AI 项目；利用这些项目产生的收益来资助后续项目；以及设计具有可重复使用性的人工智能系统，以便后续项目能更高效地启动。
“我们做这一切都非常有策略性，” Marze 说，这种方法使组织能够选择那些对 ROI 有现实预期的 AI 项目，而不仅仅是寄希望于模糊的改进。
“我们要灵活、紧迫地行动，但也要以正确的方式做事。而且因为我们的投资来源于损益表（P&L），所以我们会深思熟虑每一笔支出。我们具备这种损益负责的心态，不喜欢浪费钱，”他补充道。
Marze 还认为，公司持续致力于现代化建设，有助于确保 AI 项目带来回报。“我们建立了基础，这让我们处于利用人工智能的有利位置，”他说。“有效利用人工智能并推动 ROI 需要具备一定的准备度。你必须拥有战略性的数据管理、现代化的计算能力、现代化的应用以及云原生解决方案，才能充分利用人工智能的优势。”
随着他的公司希望利用 AI 重新构想工作流程，并将完整的智能体（Agentic）解决方案引入核心流程，Marze 期望这些纪律和方法能继续支持他选择那些能为组织带来可衡量价值的 AI 项目。
他指出，各种提案的回报周期各不相同，部分提案的预期回报时间可能需要几年，但他有信心积极的回报终将到来。
二、从难以捉摸到实现投资回报率
另一些人则不那么确信他们的 AI 项目能带来回报——或者至少不像某些人期望的那样迅速实现。根据 Teneo 的报告，约 84% 的 CEO 预测，新的 AI 举措需要超过六个月的时间才能带来积极回报。
研究人员、分析师和 IT 高管表示，这种看法可能受到了过去几年的影响，当时由于种种原因，投资回报率一直难以捉摸。
West Monroe 的首席人工智能官（CAIO）Bret Greenstein 表示，许多早期的 AI 项目只是实验和学习机会，与业务关联甚微。它们往往未能解决组织的实际需求或目标，结果逐渐萎缩。即使 AI 项目确实解决了真正的痛点或商业机会，也常常因为缺乏扩展所需的数据或技术，或者现代化改造成本高于预期回报，而未能带来价值。虽然有些项目带来了适度的提升或体验改善，但要么难以量化，要么规模太小，不足以产生实质性影响。
“如果你回溯到互联网和移动互联网的早期，情况也是一样的。在人们学会哪些新指标至关重要之前，总是需要时间去摸索的，” Greenstein 说。
如今，在 ChatGPT 和生成式人工智能问世三年后，企业对 AI 潜力的理解已更加成熟。
“我们显然正处于第三波浪潮中，越来越多的客户理解了人工智能的变革价值，并明白这关乎新的工作方式，” Greenstein 说。“那些获得投资回报率的企业，是那些将 AI 视为转型契机，并与业务部门合作重新思考现有做法、让员工以不同方式工作的企业。他们知道，只有通过转型工作才能看到 ROI。”
为了确保 AI 项目实现投资回报，Palo Alto Networks 的 CIO Meerah Rajavel 选择了能够带来速度（“速度是关键”，她说）、效率（“我能用更少资源做更多事吗？”）和提升体验的项目。“这迫使我们重新构想体验和流程，这绝对改变了游戏规则，”她说。
Rajavel 根据这些类别中的产出成果来评估每个 AI 项目的成功。她指出，她的公司一直采用这一关注点，并继续用它来决定进行哪些 AI 投资。
作为例证，她提到了一个当前项目，利用人工智能实现了 90% 的 IT 运营自动化——该项目已经在速度、效率和体验上取得了显著提升。Rajavel 表示，自动化 IT 运营比例从 2024 年初项目启动时的 12% 跃升至 2025 年底的 75%，这一提升使 IT 运营成本减半。
三、指标与目标
IBM 的 Dhar 表示，许多组织在决定何处实施 AI 时并未采取战略性方法，这也解释了为何 AI 的 ROI 一直难以实现。“有些人只是‘全面撒网、祈祷好运’（sprayed and prayed），而不是系统地追问：‘这项技术将如何让我的公司变得更好？’”他补充道。
但他指出，高层管理团队越来越多地将人工智能视为“一种转型方式——并借此彻底改变其业务”。“他们正在重塑所有职能，通过转型使职能部门变得更好、更强、成本更低，在某些情况下还实现了营收增长。两年前，大家在做大量的实验和概念验证；现在则是转型阶段，最成熟的管理团队都寻求在 12 个月内获得回报。”
Jamf 的 CIO Linh Lam 一直致力于利用人工智能解决痛点，但现在她正在利用 AI“重新思考我们的做事方式”。她认为这些才是创造最大收益的机会。
“我觉得我们会越来越多地看到这种情况，技术迫使我们重新思考做事方式，这才是真正的价值所在，”她说。
这在 Jamf 目前优先考虑的 AI 项目中无疑得到了体现。
“两年前，人们更宽容，会说：‘让我们试试看。’现在我们已经远远超越了这个阶段。所以，如果有人提出一个项目，除了‘它会让生活更美好’之外没有展现出任何潜在价值，我们会驳回。我们正在审视利益相关者的目标，并设定衡量成果的指标，”她说。“虽然我觉得 AI 和 AI 智能体（Agents）能做的事情几乎是无限的，但你仍然在经营一家企业，你希望以合乎逻辑、明智的方式做决策。所以我们必须确保引入的是正确的价值。”
四、将 IT 挑战转化为 AI 转型的良性循环
当然，要在 AI 项目上获得正向回报也面临挑战——即使这些项目是因其潜力而经过精心挑选的。Tata Consultancy Services (TCS) 北美 AI 与技术转型部门负责人 Jennifer Fernandes 如是说。
据 Fernandes 介绍，许多组织因遗留技术、流程债务和数据债务而受阻，这阻碍了他们扩展人工智能项目并获得可衡量的价值。
她补充说，除非还清这笔“债务”，否则他们无法扩展 AI 雄心并获得显著回报。
思科（Cisco）的《人工智能准备指数》发现，只有 32% 的组织认为其 IT 基础设施已完全为 AI 做好准备，认为数据准备就绪的仅占 34%，而认为其治理流程已为 AI 做好准备的仅占 23%。
Fernandes 建议CIO们战略性地应对这些债务，并利用人工智能来偿还债务。此外，利用人工智能实现 IT 现代化将提升 IT 运营效率，同时增强 IT 支持更多 AI 应用场景的能力，并解决组织数据层的不足，她说。
Fernandes 解释说，效率提升带来的回报可以再投资于其他 AI 项目。而由于早期 AI 项目带来的现代化成果，后续项目更有可能产生投资回报率。
此外，这种自筹资金模式不仅有助于构建 IT 及其他业务部门 AI 所需的现代技术栈和数据程序，还从一开始就聚焦于投资回报率，确保 CIO 及其业务伙伴追求的是能够带来积极回报的 AI 举措。
“你正在产生足够的储蓄来偿还债务，你在逐步建设，边做边转型，” Fernandes 说。“通过这种方法，CIO 们不必去说：‘给我钱来修复这些问题。’相反，他们可以说：‘我有这个模型，如果我们在这里引入人工智能，就能产生回报，然后我们可以再投资以推动其他变革。’现在 CIO 可以说：‘我正在为你创造发展 AI 的资金。’”
