吃透这个AI价值公式，把AI从成本项变成增长杠杆

很多企业AI投入达不到预期回报，问题不在于技术故障或变革管理不到位，而是那个撬动价值最大的变量——AI与战略的契合度，常常被人们忽略。战略，本质就是选择要解决哪些问题，AI领域也一样。把资金投到能创造价值的地方。

如今，各大企业都在热烈讨论AI。企业高管们落地试点项目、组织员工培训、升级数据平台，追逐最新的AI模型。但当他们和首席财务官聊起AI带来的财务成效时，话题常常陷入尴尬。企业积极投入AI，却很难量化对应的回报。

AI相关动作与可衡量财务回报之间的落差，已经成为大企业AI项目负责人面临的核心难题。普华永道今年早些时候发布的一项全球调研显示，大多数首席执行官表示，企业应用AI并未带来可量化收益。

我们在众多行业都观察到了这一现象：本文作者之一戴维，曾为金融服务、消费品、工业等多个领域企业提供咨询；另一位作者克里希南，则在资本密集型的油气与化工行业深耕多年，在这个领域，重大战略押注一旦失误，损失可达数十亿美元。

结合两人的实践经验，我们找到了AI价值缺口的根源，也梳理出管理者该如何破局，从而最大化AI带来的收益。

AI价值缺口

当AI无法产出可衡量价值时，大多数管理者会认为问题出在技术或是人员身上。但根据我们的经验，回报不及预期，本质上往往是战略问题。

直白来说，企业常常把AI用在低价值机会上。我们亲眼见过大量这类案例：

- 解决管理层看得见，但对企业而言实际成本并不高的内部摩擦；

- 新增对客户来说无关紧要的功能；

- 照搬成熟应用场景，只因为其他公司已经做过；

- 用新形式展示数据，却没有改变决策方式；

- 给员工工具，帮他们节省任务时间，但无法为公司带来可量化的成本节约。

以上每一种情况，给企业带来的直接收益最多只能算微薄，更无法形成长期竞争优势。

而当AI真正创造出可衡量价值时，一定是企业把重心放在关乎盈利能力的核心问题上：

- 耐克搭建AI系统预测需求波动，减少库存积压，同时避免缺货（这两点直接影响现金流与客户满意度）；

- 网飞借助AI优化内容推荐，影响用户观看时长和退订率；

- 雀巢利用AI加快全流程产品创新，抢先对手把新品推向市场；

- 默克运用AI减少生产环节的“误判报废”——也就是产品在生产中被错误剔除，延缓救命药物交付的情况。

AI价值公式

在企业场景下，我们可以用一个简单公式定义AI价值：

价值 = 技术 × 落地采纳 × 战略契合度

第一个要素“技术”，包含AI模型、基础设施、算力与数据。第二个要素“落地采纳”，是变革管理的核心目标，戴维在他近期出版的著作中对此有专门论述。第三个要素“战略契合度”，衡量你用AI解决的问题，和公司战略重点、资产负债表、利润表的匹配程度。

这个公式的关键在于乘号：三项要素是相乘关系，只要其中一项接近零，整体价值就会归零。不妨设想三种情形：模型很出色，但缺少合适数据；方案设计精巧，却没人愿意使用；工具功能强大，解决的却是无关紧要的问题。以上任何一种场景，AI都无法为企业创造价值。

被忽视的要素：战略

理论上，三大要素同等重要。但实践中我们发现，战略契合度最容易被忽略，同时也是撬动价值潜力最大的一环。

多数企业已经意识到前两项的重要性：用正确的数据训练合适模型，推动员工接受新工作方式；但却忽视战略契合度。造成这种情况的原因有很多：AI项目交由IT或创新团队负责，而这些团队不用对盈亏负责；管理者以为只要强大的模型接入全部数据，就不用艰难抉择该解决哪些业务问题；把AI目标限定在培训和落地层面，仿佛它只是一项需要习得的技能；或是整个项目从技术本身出发，单纯害怕被竞争对手甩在身后。

我们固定技术与落地采纳两个变量，只改变AI要解决的业务问题，就能直观看到战略契合度的巨大作用。

举个例子：有一套方案可以帮员工在常规工作上节省一分钟。在一家企业里，这一分钟毫无价值：节省下来的时间变成闲散工时，这项任务不在关键流程上，后续环节不会产生任何变化。换到另一家企业，同样省下的这一分钟，却能带来颠覆性改变。原因在于这项任务处在制约产能的瓶颈环节（比如额外往货车装载待运商品），或是员工每天要重复这项操作上万次，又或是这一分钟减少了员工暴露在危险环境下的时长。同样的“优化改进”，最终价值天差地别。差异完全来自战略层面：取决于这项任务在企业盈利逻辑与风险链条中的位置。

把资金投到能创造价值的地方

想要借助战略契合度撬动价值，就必须让每一笔AI投入锚定企业经营基本面——把资金投到真正能产生价值的地方。

具体可以分为四步：

1. 定义价值驱动因子

价值驱动因子，指一旦调整，就能实实在在改变企业盈利能力的杠杆。

以重工业为例，采购就是核心价值驱动因子，采购支出可占到企业年收入的30%–60%。企业采购流程可能对接上百家供应商，每家供应商报价包含数百条明细成本，附带服务协议条款。靠人力无法逐条完成优化。但已有企业成功搭建AI平台优化谈判流程，将采购开支降低10%–20%，直接影响每股收益。

资产利用率是重工业另一大价值驱动因子。降低单位生产成本至关重要，保障工厂持续运转就是重中之重。在美国二叠纪盆地，头部油气企业落地了 AI 无人机项目：依据预设运营标准，判定是否需要人员赴现场巡检。这套预测性维护方案，将非计划停机时长削减 30%–40%，省下数亿美元成本。

其他行业则有各自核心价值驱动因子：B2B服务企业，销售团队收益优化是关键；订阅制媒体企业，重点是客户留存、压低获客成本；服务业看重劳动生产率；零售企业聚焦定价优化与库存管理；包装消费品行业，驱动因子包括产品创意、产品组合管理、营销组合优化。

2. 找准自身在行业价值链上的位置

不同行业价值驱动因子差异巨大，就算同一行业内，不同企业的驱动因子也各不相同，很大程度取决于企业在行业价值链中的位置。

以化工制造举例，西莱斯特这类大宗商品生产商，主营氯气与聚乙烯；而奇华顿是特种化学品生产商，生产香精香料与化妆品原料。二者都属于化工制造，但价值驱动因子截然不同。

西莱斯特投入数十亿美元建设蒸汽裂解装置这类大型生产设施，生产在全球市场交易的化工品，它的价值驱动依靠运营效率压缩成本。

奇华顿生产高毛利产品，研发投入占营收比重是西莱斯特的5至10倍。利润来自知识产权，创新周期更短。它的价值驱动重点在于新品开发的速度、成本，以及深度嵌入客户生产流程的能力。

3. 在利润表中寻找机会

下一步，把目光投向利润表。逐行研读公司或业务单元的利润表，思考：AI能改变哪一项？能带来多大变化？营收、销货成本、运营费用，每一个科目都要去设想创造价值的可能性。

以一家资产集中在上游业务的大型油气公司为例，分析利润表就能发现，储量存续年限和低成本生产至关重要。对应的AI方向，一是减少生产停机，保障营收；二是优化开采，延长储量使用周期。

利润表同样能帮企业挖掘新增收入来源，盘活已经投入的资本。对这家油气企业来说，可以利用AI开展资本租赁，或是借助现货招标、期货、期权开展原油现货交易，开辟新收入。

4. 设定财务回报衡量指标

最后，你需要确定如何衡量AI对选定价值驱动因子（也就是目标待解决问题）产生的影响。

默克要衡量生产环节误判报废率，以及可供患者使用的产品产能；网飞的指标包含用户留存、观看时长、长期满意度，同时搭配严谨的A/B测试，评估AI推荐系统效果；耐克统计库存错配率（积压与缺货两类）、过剩库存持有成本，以及新品上市阶段需求预测准确率；雀巢的指标聚焦研发各环节提速幅度、新品上市周期。

指标必须在搭建AI方案、接入业务流程前确定。如果无法提前定义项目衡量方式，以及谁来确认价值成效，那就还没准备好启动项目。

AI锚定战略带来的影响

让所有AI项目紧扣企业战略，是把投入转化为可量化收益的关键。我们观察到，坚持这套战略原则的企业，跳出了“只做事，无回报”的陷阱，能够规模化落地AI，拿到可衡量成果。

本文作者克里希南曾任职的沙特阿美，披露AI技术带来丰厚回报，仅2025年收益就达26亿美元。网飞依靠AI推荐系统影响用户日常观看行为，每年减少客户流失相关损失10亿美元。默克依托自研AI平台HawkAVI，多条产品线的产品误判报废率下降超50%。耐克上线AI预测模型后，库存错配率降低20%，缺货率下降15%，依靠需求预测在目标区域提升10%销售额。雀巢借助AI压缩产品创意周期，新品研发前期构思时间从六个月缩短至六周。

把AI锚定价值，带来的改变远不止提升单个项目成效，还会重塑AI在组织内部的定位。当每个项目提前绑定价值驱动因子和利润表科目，负责盈亏与投资决策的管理者信心会快速提升，进而带动全公司建立信心。

同时，企业构建的竞争优势也会发生转变：从短期零散成果，升级为可持续优势。厂商提供的通用AI落地案例，无法构筑护城河，竞争对手可以拿到完全相同的模型和应用场景。但当AI深度结合企业业务经营逻辑，情况就不一样了：战略本身就是护城河，AI成为落地这套战略的工具。

我们提出这套价值公式，是简单实用的工具，帮助AI项目找准方向、实现商业化变现。很多企业AI投入达不到预期回报，问题不在于技术故障或变革管理不到位，而是那个撬动价值最大的变量——AI与战略的契合度，常常被人们忽略。战略，本质就是选择要解决哪些问题，AI领域也一样。把资金投到能创造价值的地方。

关键词：

戴维·L·罗杰斯（David L. Rogers）、克里希南·桑卡兰纳拉亚南（Krishnan Sankaranarayanan）|文

戴维·L·罗杰斯是哥伦比亚商学院教授。克里希南·桑卡兰纳拉亚南是伊士曼公司AI转型负责人，拥有24年行业经验，先后任职埃克森美孚、沙特基础工业公司、伊士曼，有丰富价值落地成果。

周强|编校

联系方式

投稿、广告、内容和商务合作

newmedia@hbrchina.org