大多数组织基本上一直无法衡量AI带来的财务回报，但分析人士表示，计算投资回报率（ROI）的新方法正在涌现。

"从技术研发，到对技术的投资，再到组织能够从中获取的价值，这中间存在时滞，"麦肯锡高级研究员Michael Chui表示。

但越来越多的高管正在提出疑问。"CFO在问CIO，投资者在问CEO：'这玩意儿（AI）的ROI到底在哪儿？'"他说。

在麦肯锡8月发布的《AI现状》（State of AI）调查中，约80%的受访者表示AI提升了他们的生产率。但只有37%的人表示AI的影响体现在利润上，与去年大致持平。比例更小的——仅6%——表示AI带来了显著价值，并至少贡献了其营业利润的5%。

Chui说，换句话说，在员工个人从AI获得的价值，与组织从AI获得的价值之间，存在一个落差。

根据麦肯锡的《技术趋势展望》，最大的收益将来自重新设计人与AI智能体协同工作的工作流与流程。仅仅把智能体叠加到既有流程上是不够的。"通常，一个端到端的工作流会涉及多个个体，而借助AI对其进行彻底重新设计，这正是高绩效公司的特征，"Chui说。

控制成本

Chui说，管理Token成本、并为任务匹配合适的模型，是实现更好回报的一部分。"在很多情况下，根本不存在透明度，到底哪些工作负载在真正推高你的成本？"他说。

Gartner副总裁级分析师Gareth Herschel在孟买举行的Gartner数据与分析峰会上作主题演讲时表示，五分之三的IT领导者担心AI智能体会带来意料之外的成本，而这种情况已经在发生。"一些组织已经发现，用于编码辅助的Token成本，比人类软件开发者的成本高得多，"Herschel说。

随着越来越多智能体协同工作，"你的财务风险只会越来越大。这就像把你的信用卡交给你的孩子，我相信你会学到很多，但多半是从账单上学到的"，Gartner高级总监分析师、该孟买主题演讲的共同演讲人Robert Thanaraj说。

Thanaraj说，企业应当追踪原型开发阶段的成本，比如核算单个智能体每完成一项任务的成本。"这会帮助你评估不同的大语言模型，或帮助你选择更实惠的方案，比如更小的语言模型或开放权重模型。"

用更宽的视角看ROI

分析师们指出了计算AI ROI的诸多挑战，例如意外成本、数据质量差、无法规模化，以及用户采纳缓慢。

但麦肯锡的Chui说，高管们正在提升追踪AI支出与回报的能力。"在CFO和CIO之间，我们开始看到这些规范正在形成。"

Gartner的分析师在主题演讲中表示，2025年，一项AI计划实现ROI的几率是五分之一。"ROI很重要，但要想实现它，我们不能只把它看作一项财务指标，因为价值并不总是只关乎金钱，"Thanaraj说。

企业应当把AI项目与财务和非财务的成果都挂钩，这正是Gartner所称的"智能回报"（return on intelligence）的一部分。"我们需要把重心从成本转向价值，"Herschel说。"成果可以是财务性的，比如收入，也可以是非财务性的，比如公民体验。"

打好基础：上下文、基础设施与治理

Gartner的分析师表示，实现AI的ROI需要强大的技术与上下文基础。

"治理增添信任。上下文增添意义。没有坚实的基础，AI很可能就代表'放大的无知'（amplified ignorance），"Thanaraj说。

例如，数据质量可能成为拦路虎。"没有清晰的上下文，大语言模型只是在猜测，"Thanaraj说，而这会放大误解。糟糕的数据和糟糕的AI设计，意味着更多的幻觉和糟糕的输出。"这个上下文层你没法现成买来。它必须根据你的需求量身打造，"Herschel说。

J. Gold Associates首席分析师Jack Gold说，强大的技术基础至关重要，比如用于数据流动的稳健网络骨干。"智能体与智能体之间的交互将变得司空见惯，并成为关键任务，与此同时，智能体的数量和分布将急剧扩大，涵盖跨远程智能体位置和设备的交互，"Gold在一份研究简报中写道。

大多数组织正在建立"harness"——这个软件层用于控制和协调模型、工具与工作流——以治理企业中的AI使用。根据毕马威上个月发布的《KPMG AI Pulse》全球调查，55%的组织已拥有正式的AI harness层。在报告已实现ROI的组织中，这一比例升至86%。

毕马威表示，"将清晰的问责、协同的治理、韧性以及可靠的价值衡量结合在一起的组织，最有可能把广泛采纳转化为持续的业绩表现。"