---
title: "AI投入的账，多数CEO还没算清"
canonical_url: "https://supawriter.sevnday.com/articles/bc77e705-ad67-431c-b795-0a2909456563"
channel: "每日科技商业热点深读"
channel_slug: "tech-daily"
author: "Nuyoah"
published_at: "2026-10-27T02:17:45.905334+00:00"
updated_at: "2026-11-20T13:04:14.097486+00:00"
word_count: 3975
keywords: ["企业AI","投资回报","CEO决策","运营模式","Gartner调研"]
---

> 摘要：Gartner调查显示，56%的CEO认为AI项目与财务结果缺乏清晰联系，但75%仍计划加码。本文指出瓶颈不在资金或技术，而在归因机制：仅14%的企业为所有AI项目界定利润表影响。读者可从中获得三个可追问的判断标准，区分理性加码与盲目跟风。

# AI投入的账，多数CEO还没算清

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067605_fdef25.jpg)## “说不清”不等于“亏了”：44%背后的归因真空

### 56%的CEO认为AI与财务结果缺乏清晰联系

Gartner一项面向152名CEO的调查里，56%的人把“AI项目与具体财务结果之间缺乏清晰联系”列为规模化创造财务价值的最大障碍。这个数字容易被读成“AI不赚钱”，但调查同时显示，近九成CEO表示公司已在部分领域从AI获得成本或收入收益。收益并非缺失，问题在于收益无法被归集到一张账上。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067606_2046d6.jpg)AI项目通常分散在客服、营销、研发、供应链等多个部门，每个部门有自己的预算科目和考核指标。一个客服对话机器人减少了人工工时，这笔节省可能留在运营费用里；一个营销推荐模型提升了转化率，增量收入记在销售报表上。单独看都有收益，合起来却无法回答“公司整体在AI上投了多少、赚了多少”。缺乏统一的P&L归因口径，CEO看到的是一堆局部改善，而不是一个可比较的投入产出结论。

### 资金不足仅18%

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067607_660783.jpg)如果问题出在钱不够，CEO们应该把“资金不足”排在前列。实际只有18%的受访者选择这一项，远低于56%的归因缺失和55%的流程、人员与激励机制未针对AI重新设计。预算不是主要约束，度量才是。

这也能解释另一个看似矛盾的数据：56%的CEO认识到AI需要与利润表挂钩，但只有14%的企业为所有AI项目明确界定P&L影响。认知已经到位，执行没有跟上。CEO说不清AI赚没赚钱，不是因为AI亏了，而是因为多数企业还没有建立把AI项目连到利润表上的机制。

需要保留一个边界：这是152名CEO的主观归因，56%是受访者自述的障碍，不是对客观回报的测量。近九成CEO所说的收益也限定在“部分领域”，不等于整体利润改善。归因真空是真实存在的管理问题，但它描述的是度量状态，不是AI投资的最终结局。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067605_e8806b.jpg)## 加码的逻辑：70%的价值不在算法里

### BCG估计约70%的AI价值来自运营模式变化

如果回报说不清，继续投钱看起来像赌博。但把BCG的一个经验估计放进来，这笔账的性质会变。BCG认为，约10%的AI价值来自算法，20%来自数据，剩下70%来自运营模式变化和新的工作方式。算法和数据是采购和招聘能解决的部分，运营模式变化则要动流程、动岗位、动汇报关系，周期以年计。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067604_90b05d.jpg)这解释了一个时间错位：试点阶段的账本来就算不清。一个AI工具上线三个月，节省的工时可以统计，但它是否改变了决策质量、是否让某个环节的人手配置得以调整，要等组织真正按新方式运转之后才看得出来。CEO在回报不明时加码，赌的不是现有项目已经赚钱，而是运营模式重构的窗口期。停在这一步，70%的价值永远不会释放；继续投入，至少保留了进入下一阶段的可能性。

### 高绩效与低绩效企业的差距在责任机制

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067604_650ae4.jpg)这个判断有调查数据支撑，但只能作为相关关系来读。高绩效企业中有46%重构了AI项目的责任机制，低绩效企业为24%；25%的高绩效企业能为所有AI项目定义利润表影响，低绩效企业只有5%；业务重塑一项，两者分别是14%和2%。差距集中在责任归属和财务定义上，不在算法采购上。

边界同样清楚。BCG的70%是经验估计，不是这项调查测量出来的比例，口径也未详述。高绩效与低绩效的对比是分组观察，不能证明重构责任机制必然带来回报，也可能存在反向因果：业绩好的企业更有余裕做组织调整。更能说明现状的是另一组数字：64%的企业仍在推进试点，仅26%把AI嵌入更广泛的业务转型。多数企业还没走到价值释放那一步，此时的加码更像在为入场付费，而非为已实现的收益追加投资。

押注运营模式重构，和真正把AI嵌入业务转型，是两件事。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067606_a37857.jpg)## 分水岭不在投多少，而在敢不敢挂钩利润表

### 仅14%企业为所有AI项目界定P&L影响

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067608_d60b9a.jpg)把AI项目挂到利润表上，听起来是财务部门的技术活，实际是一次权力和责任的重新分配。一个AI项目如果不界定P&L影响，它的成败就只能由项目负责人自述，预算审批靠故事，复盘靠印象。一旦要求每个项目说清它影响哪一行收入、哪一项成本、影响多少，项目就从“战略探索”变成了有财务标尺的经营单元。资源该给谁、什么时候停、谁来担责，都有了可比较的依据。运营模式重构之所以能落地，靠的正是这套标尺提供的组织支撑；没有它，重构只是口号。

调查里56%的CEO认识到AI需要与利润表挂钩，真正为所有AI项目明确界定P&L影响的企业只有14%。这个落差说明挂钩本身极难：多数企业不具备把AI投入归因到具体财务科目的能力，数据、核算口径、项目边界都不支持。它同时构成一种反向风险——投入越多，归因越难，越容易在收入无法证明支出合理性时集中暴露。Gartner估计，若AI收入无法证明支出合理性，到2030年超过3.5万亿美元的AI基础设施投入可能面临减值。这是有前提的估算，不是必然结局，但它标出了不挂钩P&L的代价上限。

### 25%对5%：高绩效企业的P&L定义差距

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067609_a2fbe2.jpg)高绩效与低绩效企业的对比把分水岭画得更清楚。为所有AI项目定义利润表影响的比例，高绩效企业是25%，低绩效企业只有5%；重构AI项目责任机制的比例是46%对24%。差距不在预算规模，而在敢不敢把AI放进财务问责框架。

这组对比是分组观察，不能证明挂钩P&L必然带来回报，也可能存在反向因果：业绩好的企业更有余裕做组织调整。挂钩P&L还有另一个副作用——企业可能只投短期可量化的项目，忽略回报周期长、难以归因的能力建设。14%的低比例本身也提示，财务归因能力的建设不是一年能完成的事。判断一家企业能否穿越“说不清”的阶段，看的不是它宣布了多少AI预算，而是它愿意让多少个AI项目接受利润表的检验。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067609_af6379.webp)## 读者的判断框架：三个可追问的问题

### 你的AI项目有没有P&L口径

第一个问题最直接：这家企业能不能说清楚，某个AI项目省了多少钱、多赚了多少钱，或者至少改变了哪项成本结构。前文提到的14%是一个参照点，但更值得追问的是口径本身——是项目立项时就有财务基线，还是事后补一份汇报材料。有基线，投入加码才有讨论基础；没有基线，加码只是把更多钱放进一个无法结算的账户。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_30_1793067609_61cf65.jpg)### 运营模式变了没有

第二个问题指向价值来源。BCG的经验估计是，AI价值约10%来自算法、20%来自数据，70%来自运营模式和新工作方式的变化。这个比例不是精确测量，但它提示了一个判断方向：如果一家企业上了AI工具，审批链条、岗位分工、考核方式都没动，那么它买到的很可能只是局部效率，而不是那70%。运营模式是否在变，比采购了多少模型更能说明投入的性质。

### 投入是在买时间还是在买安心

第三个问题区分两种加码。买时间的企业，清楚自己处在能力建设期，愿意用阶段性亏损换取组织重构的窗口；买安心的企业，则是因为同行都在投而投，项目没有退出标准，也没有止损线。国内大厂的情况可以作参照：有来源判断，AI能赚钱，但相对百亿级研发与营销成本，目前几乎还没有公司靠AI实现正现金流，AI更像一种让市场重新定价的战略投入。这个判断描述的是大厂，不能直接套到所有企业，但它说明“边亏边投”本身不构成盲目，关键在于企业是否知道自己买的是什么。

三个问题不能保证判断正确。外部读者很难验证一家企业P&L口径的真实性，公开信息通常只呈现结论不呈现基线；不同行业AI价值释放的周期也差异很大，制造、金融、内容行业的节奏不能一刀切。它们的作用是缩小猜测范围：面对一笔AI加码，至少可以问清账算没算、模式变没变、时间买没买。

## 参考来源

- [Anthropic联手Hg在欧洲组建AI咨询公司，直接向企业派驻顾问-AMZ123跨境导航](https://www.amz123.com/kx/8QrAap9v)
- [AI越便宜，中国企业越该算清哪几笔账？_澎湃商学院_澎湃新闻-The Paper](https://www.thepaper.cn/newsDetail_forward_34333683)
- [CEO开始从AI中看到价值：现在考验执行力](https://www.199it.com/archives/1842692.html)
- [大厂搞AI，谁赚到钱了？](https://www.cbndata.com/information/294089)
- [AI信仰”摇摇欲坠! 资金从追逐增长转向追问AI投资回报](http://m.zhitongcaijing.com/content/detail/1512121.html)
