去年秋天，你只要翻开商业媒体，就避不开形式如出一辙的头条新闻：AI的ROI究竟在哪?绝大多数报道的核心依据都来自MIT的《GenAI分水岭》报告，该报告指出，尽管企业在生成式AI上的投入高达300亿至400亿美元，但95%的试点项目未能对损益表产生任何可衡量的影响。一时间，泡沫破裂的言论纷至沓来，董事会抛出了一个个令人尴尬的难题，相当一部分AI预算也在这个冬天被冻结。

然而，在恐慌中有一个细节被大家忽视了：该研究将“成功”定义为试点完成后六个月内实现可衡量的KPI影响，请仔细品味这句话，如果一个项目彻底改变了团队的工作方式，但从一开始就没有通过埋点检测来证明这一点，它就会被归类为失败。UC Berkeley的研究人员正是针对这一点提出了质疑，他们认为，95%这一数字反映的或许是95%的企业在错误的时间测量了错误的事物，而非95%的项目未能创造价值。

换句话说，2025年的AI ROI危机本质上从来就不是AI本身的问题，而是可衡量性验证的问题。大多数企业级AI项目并未失败，它们只是在构建之初就注定了“成功无法被证明”。如果你是一位正在捍卫预算的CIO，这种细微区别并不能给你带来多少慰藉，因为在你的CFO看来，“我们无法确定它是否有效”和“它无效”并没有区别，但这项诊断至关重要，因为两者的治理药方完全不同：你无法通过换一个更好的模型来拯救一个“无法被证明”的项目，你只能通过选择一个更好的问题来解决它。

我此前曾主张，AI项目应当从那些已经具备优质数据和可信指标的问题切入，而在2026年上半年，市场本身也得出了这一结论。

2026年静悄悄的修正

观察今年上半年企业AI资金的真实去向，你会发现一个未曾登上头条的规律：资金正强势转向面向员工的运用场景。从辅助客服代表、销售团队、理赔处理员到IT服务台的智能体。传统观点认为这是保守之举，是企业在蓄积勇气推出面向客户的AI之前所采取的“过渡性练习”。

这种理解是错误的，转向面向员工的AI并非为了安全，而是为了记分牌。

想想看，面向员工的工作流具备哪些全新的AI项目所不具备的优势?答案是：你早已在对其进行测量。平均处理时长、首次呼叫解决率、每周结案数、业绩达成率……这些KPI背后拥有多年的基线数据。更重要的是，它们在政治层面上是真实可信的。在许多企业中，员工的绩效奖金直接与这些数字挂钩。对于已经在薪酬计划中挂钩了五年的指标，会议室里绝不会有人对其计算方法提出异议。当你把一个智能体植入该工作流，且整个员工群体的KPI都朝好的方向变动时，ROI就不再是一场哲学讨论，而变成了简单的草稿纸算术：人头数、全额成本、提升百分比，乘一下即可。

调查数据印证了我(在实地观察中)所看到的一切，Foundry发布的《2026年AI优先事项研究》显示，提高员工生产力目前已成为推动AI投资的最大单一商业目标，有55%的IT决策者提及了这一点。第25届年度《CIO现状调查》也从测量维度反映了相同的情况：缺乏明确的ROI指标依然是阻碍AI成功的重要瓶颈(32%的IT Leader提及)，而在对AI成功进行测量的企业中，运营效率与流程改进(40%)、员工生产力(34%)以及成本降低(30%)占据主导地位，而营收影响则以27%落后。此外，德勤的《企业AI现状报告》发现，三分之二的企业报告了AI带来的生产力和效率提升，但仅有20%的企业能指出具体的营收增长。

请注意这些数字所揭示的现象：行业并没有变得更擅长测量AI，而是变得更擅长选择那些已经被测量的领域。

没人第一时间追问的复盘难题

这就带出了我们的诊断思考，当一个AI项目无法证明ROI时，人们的本能反应往往是质问技术本身：模型选错了、供应商不对、上下文不足、出现幻觉……有时确实如此，但在项目复盘时，首要追问的应当是一个在生成第一个Token之前就已做出的决定：我们当初选择的是什么问题?

那个问题背后是否有优质的数据支撑?在AI引入之前，是否拥有一个大家都信任的记分牌?如果其中任何一个问题的答案是否定的，那么无论这项技术表现有多好，该项目都注定无法证明任何价值。你无法基于一个根本不存在的基线去证明提升，也无法通过一个在试点实施当周才临时凑出来的指标去打赢一场论争。MIT研究中那95%的案例并不全属于技术失败，其中相当大的一部分属于选择失误，是数月前在规划会议上，由那些选择了“令人兴奋的问题”而非“可衡量的问题”的人所造成的。

到了兑现账单的时候

残酷的地方在于：正当行业刚刚摸清“可衡量性”的门道时，评价标准却开始发生转移。

Futurum在2026年上半年对830位企业IT决策者进行的调查记录了这一转变：生产力提升作为买方用来证明AI投资合理性的首要ROI指标，其占比从23.8%下滑至18.0%，而硬性的财务指标(顶线营收与底线利润结合)则近乎翻倍，达到了21.7%。生产力叙事支撑了试点时代，CFO们曾在一段时间内接受“KPI提升了”这种解释，但现在，他们要的是实打实的真金白银。

这正是新一代AI项目拉开胜负差距的地方，而它需要一种几乎没人会在前期去谈判协商的东西：ROI兑换率，这是一种在部署前经过财务部门签字认可的预设公式，用于将KPI的变动转化为货币单位。例如：首次呼叫解决率每提升一个百分点等于多少美元，节省一个小时的工程时间等于多少资金，这听起来像是官僚主义，实则恰恰相反。兑换率的作用在于，一旦KPI发生变动，项目就能立即主张其价值，而无需在事后花费两个季度去进行方法论辩论、试图倒推功劳。

没有兑换率，即便是埋点完善的项目，其上限也终究只是一段生产力故事，而有了兑换率，同一个项目就能转化为损益表上的精彩篇章，同样的技术，同样的结果，与CFO之间的对话却会截然不同。

胜局在部署前就已经奠定

深入研究获得了可衡量的商业价值的项目，你会看到大量令人印象深刻的技术，但它们共同拥有的绝非某种特定的模型或架构，而是“可衡量性”早在问题选择阶段就被设计进了基因里。成功的企业选择了拥有真实数据和可信记分牌的问题，并在开局之前就与财务部门就“得分价值几何”达成了一致。