亚当·杜米负责World Wide Technology的企业前沿实验室战略。图片来源：Courtesy of World Wide Technology

阿波罗全球管理公司（Apollo Global Management）首席经济学家托斯滕·斯洛克于10月24日撰文指出，在科技行业之外，AI至今尚未带来任何财务回报。尽管“美股七雄”的人均营收和利润率都在上升，但标普500指数中其余493家公司的相关指标却基本毫无起色。他指出，在科技行业之外，词元调用支出只是一项拖累企业利润率的成本项。AI热潮的命运“将由标普493决定，而不是七巨头”。

斯洛克对受益者的判断切中要害。迄今为止，AI创造的价值主要流向了出售AI基础设施的公司，而非采用该技术的应用端企业。10月28日公布的财报印证了这一点：截至9月30日的季度内，受AI强劲需求拉动，Azure营收增长48%，Google Cloud营收激增103%。反观购买这些算力的企业，公布的却是裁员，而不是利润率改善。更值得讨论的课题在于，这些企业内部究竟存在何种障碍，阻碍了技术投入转化为实际收益？需要作出哪些调整？这些变化又将于何时真正见效？

回报落在了个人身上，而非企业账目上

圣路易斯联储（St. Louis Fed）和美国人口普查局（Census Bureau）今年的调查显示，约40%的员工已在工作中应用生成式AI，但正式部署AI的企业仅占四分之一左右。员工个人的应用步伐已超越企业整体层面。员工利用AI显著缩短了实际工时，一些团队乃至个别部门，也已经看到了切实收益。然而，由于核心运营模式并未发生根本性改变，这些局部收益未能有效汇聚为企业整体的效能提升。现有的工作流、业务流程与决策审批，均是围绕人工操作节奏构建的；即便AI接管了具体任务，复核、移交与签批环节依然原封不动。在引入AI的运营体系中，原本适应人工节奏的流程反而成了发展制约，这正是收益局限于局部而无法惠及企业整体的根源所在。

重塑运营模式的实质含义

高管层对“运营模式”一词普遍予以认可；董事会则需追问：落实到具体业务中究竟意味着什么？其中涉及三个层面，而在斯洛克所描述的企业中，每一项的落地都面临挑战。

第一，AI必须升格为由首席执行官主导的战略工程。这并非形式上的背书或支持，而是需要确立唯一的责任主体，由其构建全新的运营体系，并做出随之而来的艰难决策：明确目标成果、设定推进节奏、重构工作流程、评估对模型的信任边界，以及确立具体的衡量指标。在首席执行官之下，没有任何主管具备跨部门推行上述决策的同等权威。在未从AI中获益的企业里，最常见的模式却恰恰相反：首席执行官将AI项目划归IT部门或转型办公室，核准预算后便静候结果——然而组织本身并未获得交付该结果的充分赋权。

第二，精准选定核心问题，并围绕这些问题重构工作流程。筛选标准不在于工作流程的形式是否新奇，而在于其是否具有实质影响：能否推动营收增长、提升利润率、防范风险或缩短业务周期？是否由单一业务负责人对最终成果完全负责？通过这一筛选后，重构工作流程才进入攻坚阶段：拆解原有工作流以淘汰过时流程；重新定义岗位和职责，使过去全由人工执行、复核与批准的工作，在清晰问责的前提下转化为人与AI协同模式；将审批权限下放至施加专业判断的实际节点；同时建立能够在实际运行过程中发挥作用的治理机制，因为AI产出内容的规模与速度，已远超人工审核的处理极限。大部分时间正是消耗于这一重塑过程。

第三，回归AI技术本身。斯洛克指出多数企业无需追求最新模型，这一观点切中事实，且正被越来越多企业所认同。然而，该议题之下更深层的问题尚未得到透彻理解。首先需评估是否确有必要引入AI模型：许多企业从未尝试过的确定性自动化，本身就足以带来显著改进，而现实中不少企业却在调用前沿大模型处理例行性事务。其次是基础设施配置。我现在越来越多地讨论开源与闭源模型之间的最佳组合。这让人不由回想起当年关于“云端还是本地部署”架构的思考，二者的差异在于：云计算历经十年才演化出多云策略，而模型部署从一开始便呈现多供应商并存的格局。最后，模型选择绝非一次性决策。企业需要持续评估和切换模型，而这种能力在当下多数组织中仍极为匮乏。

上述内容均非纯粹的技术项目。它涉及企业的每一个职能部门，并深植于核心业务流程之中。

接下来，董事会必然会追问：实现回报尚需多久？高管团队最终都会得出相同的共识：项目投入远超最初设想。原因不在于词元本身的价格，而在于体系建设完成之前，前期成本将持续高于其带来的财务回报。波士顿咨询集团（BCG）的应用AI指数（Applied AI Index）显示，目前企业AI支出占营收的比重已从2025年底的1.7%上升至3.3%。从企业内部视角来看，这恰恰验证了斯洛克所指出的“成本中心”属性。

裁员并非降本增效的捷径

企业容易陷入一种误区：试图跳过体系重构而直接裁员。10月22日，巴克莱银行（Barclays）宣布裁员约5,000人，并将AI列为原因之一，市场随即将其解读为AI效应开始兑现的信号。然而巴克莱银行首席执行官仅将AI定位为“锦上添花”，且该行并未说明在上述裁员名额中，究竟有多少比例可确切归因于AI的应用。

精准核算工作的成本

评估AI成效的标准包含两个维度：其一是产出质量：工作成果是否达到企业设定的关键绩效指标（KPI）或服务水平。其二是产出结果的全口径成本，包括模型开支、数据成本、系统协调、数据校验、人工处理异常的开支、返工成本及治理费用。词元支出仅占其中一项，且往往并非最高项。未来，企业级AI最终会以这种方式来衡量，即仅为验收合格的业务成果付费，而非为消耗的计算智能付费。然而，目前极少有企业能够准确核算该项数据。企业的管理仪表盘仅显示按模型分类的使用量，却未能体现相关投入带来的实际回报。结果导致账单先行到达，而技术价值尚未显现，市场因而将其误读为裁员信号。

何时才能看到回报？

考虑到多数企业在确立责任主体、重构业务流程及建立衡量标准方面仍有大量工作亟待完成，我认为，在2027年底之前，市场预计难以普遍观察到明确、可量化的AI财务收益。至于标普493家企业实现广泛获益，至少仍需数年时间。

在此之前，以下四个问题可帮助企业评估自身所处的实际阶段：

单位产出成本。企业能否精准核算AI工作的成本与回报，还是仅仅统计了技术所覆盖的人员范围？

应用情况。究竟是哪些人员在哪些具体工作流中真正应用了相关工具？订阅账号数量并不等同于实际应用率。

推进顺序。企业是在实施裁员之前还是之后，着手重塑运营模式？

模型纪律。企业是否在用前沿模型的高昂成本，去处理例行性基础事务？

斯洛克所指的那条平坦走势线，本质上是标普493家企业对上述问题作答的平均映射。当这些问题的答案发生改变时，那条曲线才会随之发生变动。（财富中文网）

本文作者亚当·杜米在私营科技公司World Wide Technology（WWT）主管企业前沿实验室战略。WWT提供本文所建议的企业级AI集成业务，并与英伟达（NVIDIA）、戴尔（Dell）、思科（Cisco）和微软（Microsoft）建立了合作伙伴关系。杜米本人未持有本文所提及公司的任何股票。

Fortune.com上发表的评论文章中表达的观点，仅代表作者本人的观点，不代表《财富》杂志的观点和立场。

译者：刘进龙

审校：汪皓