AI如何重塑投资回报率：从生产力提升到价值对齐的实践路径

与许多公司一样，福利管理服务商Alight Solutions一直在探索人工智能如何提升运营效率并改善其盈利状况。

尽管AI对该企业而言并非新技术，但Alight自2025年起开始评估一种不同类型的AI工具。同年9月，Alight成为人力资源技术供应商Phenom所开发的一款欺诈检测招聘代理（fraud detection recruiting agent）的测试用户。该公司希望验证该代理能否在招聘初期即识别出欺诈性候选人。

它无需等待太久便获得结果。在测试过程中，该代理识别出一名候选人两次申请同一开放职位，且每次均使用不同姓名和电子邮件地址。

Alight人才招聘运营经理朱莉·伊格（Julie Eagy）表示：“即便仅捕获了这一名我们最终并未聘用的人员，也足以让我们断定，‘它对我们是有效的’。”

尽管该代理展示了其可能为公司节省资金的潜力——尤其是若能避免支付不必要的背景调查费用——但伊格指出，其更大价值在于节省时间。

Alight提供了一个典型案例，说明衡量人工智能投资回报率（ROI）可能变得混乱。对许多公司而言，投资AI工具的回报未必体现为货币收益，而更可能是生产力提升，或AI代理填补了组织内部某项缺失能力。

这种模糊性已导致部分企业放弃某些AI项目。例如，一家必胜客（Pizza Hut）特许经营商于5月起诉该特许经营体系，声称一款AI配送管理平台反直觉地使其损失数百万美元，而非带来任何节约。

尽管人工智能成效参差不齐，企业仍持续推进该技术应用，通常将生产力作为关键衡量指标。与此同时，一些中小企业（包括SMB）已能够追踪其AI项目的货币收益与投资回报。

一种复杂局面

据Gartner分析师阿伦·钱德拉塞卡兰（Arun Chandrasekaran）称，对企业而言，人工智能投资回报率（ROI）可能既微妙又不透明。

钱德拉塞卡兰表示：“这是一个非常复杂的讨论。广义而言，我认为许多客户仍在努力阐明人工智能带来的明确商业价值。”

软件工程、客户服务以及财务或人力资源等后台运营等领域已实现核心任务自动化，从而提升了生产力；但钱德拉塞卡兰指出，企业难以将此类提升与可量化的商业价值（如收入增长或成本降低）挂钩。

他补充道：“生产力提升与企业所关注的价值驱动型指标之间的对齐——我认为，在众多组织中，这仍是一项正在进行的工作。”

这种困难程度可能因组织规模而异。对部分中小企业而言，建立这种关联已被证明是其超越竞争对手并保持领先的最佳方式。

OBI创意业务价值

其中一家企业是OBI Creative，这是一家成立于25年前、总部位于内布拉斯加州奥马哈市的广告公司，客户包括TiVo和HD Radio。过去几年间，OBI Creative一直在试验各类AI工具，以期推动业务增长。

OBI Creative首席执行官兼创始人玛丽·安·奥布莱恩（Mary Ann O’Brien）表示：“智能体AI（Agentic AI）已成为我们拓展服务范围的一大高效契机，使我们得以将某些服务从一个行业扩展至另一行业。”

该公司员工人数不足50人，为实现其目标，自主开发了若干智能体AI工具。其中一款工具用于监控其数字团队所建网站的运行健康状况，并确保其内容及时更新。该广告公司还采用Gemma和Qwen等模型，将提示词编码进该工具，以辅助生成网站健康状况报告。此外，它还使用OpenAI的GPT模型及Anthropic的Claude模型，将提示词编码进其各类工具中。

另一款工具则使创意团队能够核查其正在开展的营销活动是否符合客户要求。

奥布莱恩表示：“我们最初将其作为原型开发，旨在协助我们的品牌战略团队与创意团队达成一致；随后客户也表达了使用意愿，因此我们开始向客户销售/授权该工具。”

她补充称，所获价值已转化为其广告公司的更高毛利润率。

她说：“我们无需再就修改事项五次返工联系客户。”

此外，她还指出，通过使用智能体AI工具，“公司年增长率至少可达20%。”

随着增长而来的是额外开支。

奥布莱恩表示：“我们的间接成本确实有所上升，但这些上升已迅速被部分效率提升所抵消。”她补充道，该机构最初选择试验具有固定成本并提供订阅服务的AI模型，从而使员工能在既定预算范围内开展工作。

除投资技术外，奥布莱恩还向员工明确表示， 智能体AI与生成式AI工具 的使用不会危及其工作岗位。事实上，她曾挑战一名员工担任效率大使，并将其成果纳入其绩效考核。

奥布莱恩表示：“我公司内部仍有员工对这些工具深感恐惧，因此当务之急是让员工感到舒适，并使其相信自己头脑中的能力仍是客户最看重的价值。但这些工具确实存在，你为何不用呢？”

康奈尔大学方法

康奈尔大学虽非中小企业，却采取了多维度方法来探寻其AI投资的回报率（ROI）。

康奈尔信息技术部AI创新主管艾哈姆·布歇尔（Ayham Boucher）表示：“我们将这项技术视为一种工具。”他补充道，早期康奈尔大学允许教职员工在安全私密环境中访问任何前沿模型，但并不强制使用。该校使用AWS平台，用户可在该平台上创建、管理和部署其智能体，以及面向用户的工具（包括Microsoft Copilot和Claude Desktop）。

布歇尔表示，智能体AI对康奈尔大学的主要价值在于其扩展人类能力的潜力。

他称：“我们并非超凡生物……我们的记忆力有限……长久以来，我们一直借助技术拓展人类所能完成之事，而AI不过是又一种强大工具，用以进一步拓展我们的能力。”

他补充道，康奈尔大学亦不专注于以 Tokenmaxxing——即近期部分组织将员工消耗AI模型token数量作为其绩效部分衡量指标的趋势——来衡量价值。

他表示：“我们的成果与本校使命保持一致。”换言之，大学以所服务学生人数及所取得科学发现数量来衡量价值；其部门则通过支持上述事业来衡量自身价值，而非统计所消耗token数量。

一些公司已开始尝试人工智能，但收效甚微，或难以将AI试点项目转入正式生产阶段。根据 Gartner于2026年发布的一份报告大约一半的生成式AI项目在概念验证阶段后被放弃，原因包括数据质量差、成本不断攀升或商业价值不明确。

布歇（Boucher）表示：“由于我们部署并开始使用AI的时间非常早，因此我们没有陷入‘错失恐惧症’（FOMO，fear of missing out）的陷阱。我们本就不必如此——我们已处于曲线前沿，这使我们能够保持一种平衡的方法，而不是急于追赶。”

一项价值衡量指标

高德纳（Gartner）公司分析师钱德拉塞卡兰（Chandrasekaran）表示，对于那些正在尝试和实验却仍未能发现价值的企业，或许应考虑采用除收入或生产力之外的其他衡量指标。

他表示：“我们必须将更多运营指标与更侧重价值的指标挂钩。”例如，在软件工程领域，衡量指标不应是代码行数，而应是交付速度，比如向应用程序交付的新功能或新能力。

钱德拉塞卡兰继续指出，成本削减或收入增长可能会限制企业对AI如何创造价值的理解。

钱德拉塞卡兰表示，对于尚未实现投资回报率（ROI）的企业，关键可能在于首先明确：在某个选定的应用场景中，生成式AI或智能体AI（agentic AI）所能带来的必要回报究竟是什么。

他表示：“我们不希望先实施用例，然后再思考如何衡量其价值。如果我们无法清晰地看到价值实现路径，我们甚至根本不会推进这些用例。”

然而，企业应意识到，其所试验的应用将决定AI项目试点所需的时间长度。

钱德拉塞卡兰表示：“投资回报周期实际上高度依赖于你所追求的用例类型。我通常认为，对于80%的企业级用例，你应在一年内实现投资回报。”

然而，他指出，商业价值仍是企业内部AI应用所面临的挑战这一事实，也表明供应商仍有工作要做。

他进一步表示：“供应商需要做得更好，不能仅销售技术，更要销售成果、销售价值给企业；企业自身则需做好准备，以价值作为核心指标来遴选用例，并在AI项目的实际价值实现过程中保持高度专注与毫不松懈。”