为什么说人工智能投资回报率低的原因在于领导力，而非技术？

人工智能领域的投资规模令人瞩目，但绝大多数相关试点项目却以失败告终。真正的价值源于清晰的领导力、战略一致性，以及借助人工智能创造产能 —— 而非仅仅削减成本。

围绕人工智能的炒作热度持续攀升，不仅超过了以往任何一次技术变革，甚至堪称有史以来之最，与之对应的投资规模也水涨船高。据 Gartner 预测，到 2025 年全球人工智能领域的支出将逼近 1.5 万亿美元。尽管投入惊人，大多数组织仍在长期面临承诺与实际价值之间的鸿沟，难以突破。

这一现状有明确的数据佐证：今年早些时候麻省理工学院的一份报告显示，95% 的生成式人工智能试点项目宣告失败；麦肯锡的研究也发现，近 80% 的公司虽已应用生成式人工智能，但几乎同等比例的企业表示，这项技术并未对利润产生显著影响。

不过，有证据表明人工智能并非毫无成效，只是效果尚有限。2025 年思科人工智能准备指数显示，13% 的企业从人工智能中获得了持续且可量化的回报。尽管这部分企业占比不高，但领先的组织已率先尝到甜头。而这种价值的产生，越来越多地归功于清晰的领导力、战略一致性与执行力，而非技术本身。思科人工智能准备指数也验证了这一点：99% 实现人工智能价值的企业，都拥有明确的战略、积极拥抱变革，并通过正式项目帮助员工熟悉新技术。

如今的首席执行官与首席信息官正站在时代转折点上。他们必须重新定义人工智能的成功标准 —— 不再将其视为削减成本的工具，而是推动能力建设、创新落地与以人为本成果达成的引擎。前行之路需要拆解现有工作模式，重新评估自动化的有效性，赋能人才聚焦于增长与转型。

一、AI 的承诺与现实：目标偏差的困境

在众多首席信息官眼中，最大的挑战在于：高管层与董事会深知必须布局 AI，却不清楚具体应用场景。这导致人们对人工智能产生不切实际的期待，认为它能解决所有问题、推动生产力爆发式增长。当实际结果未达预期时，即便项目本身成功，也会因初始目标设定错误而被判定为失败。究其原因，许多业务单元缺乏足够的关键绩效指标（KPI），无法建立衡量 AI 价值的业务标尺。

以联络中心为例：人工智能可应用于坐席辅导、虚拟坐席服务、排班优化、通话评分、笔记记录等场景，但这些价值往往难以量化。因此许多企业默认通过裁减人工坐席来降低成本，若处理不当，反而会适得其反。比如 Klarna 曾裁撤约 700 名客服人员，导致客服评分大幅下滑，最终不得不重新招聘员工。这并非技术本身的问题，而是领导层未能制定合理计划来评估技术带来的影响。

二、问题诊断：技术短板还是领导力缺位？

人工智能与自动化技术在投资回报率上的困境，常常被错误归因。诚然，整合复杂数据、扩大自动化规模方面的技术准备不足仍是挑战，但更多时候，核心问题并非出在技术本身，而是技术应用的治理模式与领导方式。这意味着，技术成功落地的障碍更多来自董事会层面，而非代码编写或云端部署。项目失败的根源在于，企业领导者优先追求受市场炒作驱动的快速落地，却忽视了真正的业务转型需求。

在启动 AI 项目前，必须明确业务层面的一致性，理清计算投资回报率的指标。若项目仅作为孤立的技术实验推进，缺乏清晰的商业案例与战略优先级，其价值不仅难以衡量，还会模糊不清，最终极易被终止。

三、领导力的转折点：跳出 “成本削减” 思维

商业世界正迎来领导力的关键转折：劳动力转型首次不再仅仅围绕 “人性化” 展开。随着人工智能与自主智能体的快速普及，领导者需面对一系列复杂决策 —— 如何在组织内部创造并维系价值。这一转型要求企业跳出单纯的成本削减思维，重新思考人类技能与 AI 技术能力的关系，确保组织文化与流程能适应人机协同的新时代。

企业智能公司 r.Potential 的首席执行官 Greg Shewmaker 表示：“所有人都在竞相开发更多 AI 模型、算力系统与智能体，但企业 AI 落地的真正瓶颈并非技术供给，而是企业不知道该在何处、以何种方式运用 AI 完成实际工作。” 他进一步指出：“我们认为，缺失的关键在于人类与数字工作之间的协调层 —— 在这里，企业能够捕捉实际的劳动力需求，制定可落地的人机能力配置方案，并将其与实际业务成果绑定。若无法做到这一点，下一波自动化浪潮不仅会重塑企业，还会扰乱现有工作模式的稳定性。”

他的观点点破了许多高管忽视的事实：人工智能的价值兑现，不仅是技术或运营层面的挑战，更是关乎企业生存的领导力挑战。随着人类负责的任务与机器自动化任务的界限逐渐模糊，IT 与业务领导者需专注于通过深度整合人力、技术与文化，实现价值最大化。

因此，高管层必须重新考量投资周期，根据技术发展与市场需求扩大产能。这种人力资本管理的转型，意味着企业要能预判未来的劳动力需求，并与机器智能协同部署人力资源。创新应被置于优先地位 —— 不仅是提升现有绩效，更要确保组织保持敏捷性，为推动创新筑牢基础设施，并做好自我革新的准备。

四、拆解工作与价值创造：聚焦人机协同的核心

理解工作的关键构成，是从人工智能中获取可衡量投资回报率的核心。任何回报的实现，都必须兼顾技术的采用与流程的转型。目标应是利用人工智能放大人类在需要判断力、同理心与创造力领域的能力，而非仅聚焦于重复性任务；通过这种方式，将人力资源调配到更高价值的监督与人类专属角色中，实现生产力与价值的最大化。

成功的关键在于，重新聚焦利用人工智能推动人才创造收入增长与创新成果。具体而言，需战略性地应用人工智能，将高技能人才从 80% 的重复性工作中解放出来 —— 这些工作本就应该且能够实现自动化，让人才专注于剩下 20% 的核心工作，进而推动新的收入增长、提升客户忠诚度并实现创新突破。

人工智能时代将重塑所有行业，若首席信息官与首席执行官未能持续进化，巨额的人工智能投资终将付诸东流。实现人工智能真正价值的核心，在于确保领导力具备面向未来的准备度，主动拥抱新技能与变革。这并非要求领导者成为团队中最优秀的程序员，而是建立正确的领导架构 —— 秉持这样一种领导心态：利用人工智能推动以人为本的目标，而非仅仅用 AI 数据填充电子表格。这需要在决策的各个环节遵循严格的伦理与治理规范，在业务层面实现公司上下的一致性，让每个 AI 项目都锚定明确的组织目标。

由CXOUNION-CXO联盟（cxounion.cn）转载而成，来源于数智化转型网；编辑/翻译：CXOUNIONCXO联盟小O。

如需加入CXO UNION（CXO联盟）高管社群，请联系社群小伙伴哦~

免责声明: 本网站(http://www.cxounion.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使