随着企业部署更多的AI，它们对这项技术的投资回报率期望也越来越明确。
根据Gartner的数据，至少30%的GenAI项目在概念验证阶段后可能会于明年年底前被“放弃”，然而，《安永AI脉搏调查》显示，在部署AI的高级业务领导者中，近四分之三的人报告了以下三个关键指标的投资回报率：运营效率(77%)、员工生产力(74%)和客户满意度(72%)。
在此，AI领导者分享了企业应如何评估AI的投资回报率，以及何时可以期望从AI中获得回报。
定义AI的投资回报率指标
生产力
Wovenware运营副总裁Carlos Meléndez表示，AI投资回报率的最大指标是生产力。
Meléndez说，企业的AI生产力指标可能因部门而异。例如，对于软件工程师来说，一个指标可以是开发的代码行数。在招聘中，一些指标可以是新候选人、回复的电子邮件和进行的面试数量。
“这都是关于制定一个生产力基线并与之进行比较。”Meléndez说。
企业可能对生产力有不同的定义，但Indicium咨询负责人Pedro Portela表示，“流程简化应直接影响运营成本”。
Portela说，决策时间是AI的一个衡量标准，因为“寻找信息的时间越少，成本就越低”。他表示，企业可以利用GenAI显著减少“洞察时间”。
运营效率
ARCO Construction数据、平台、产品和工程负责人Robin Patra表示，当企业衡量使用AI自动化重复任务(如数据录入和质量控制)所带来的成本节约时，可以将运营效率设为投资回报率指标。
客户满意度
Portela表示，在客户方面，当企业使用GenAI工具来改善互动、忠诚度和留存率时，客户满意度就是一个投资回报率的衡量标准。他还表示，企业还可以衡量与AI相关的客户获取成本和客户终身价值。
Patra说，当AI与企业的净推荐值(NPS)、客户流失率和客户解决时间挂钩时，客户体验(CX)就是一个投资回报率的衡量标准。
收入
Patra补充说，收入是一个关键的投资回报率指标，因为企业可以衡量来自AI技术(如个性化推荐和动态定价)的销售收入。
ServiceNow的首席分析官Vijay Kotu表示，为了评估AI的投资回报率，企业应首先通过试点项目来“展示价值”，然后再进行扩展，并使用几个关键指标，如节约、收入和风险降低。
价值优于投资回报率
然而，UserTesting的首席产品和技术官兼首席创新官Kaj van de Loo表示，“为AI寻找一个严格的商业案例是有误的”。
“你有电子邮件的商业案例吗?有电的商业案例吗?”van de Loo说，“AI将成为我们做生意方式的一部分，就这么简单，同理，也不要试图去衡量投资回报率，要专注于创造价值。”
在企业中追踪AI的投资回报率
Kotu表示，企业应通过“明确AI将解决的业务问题”并将其与可衡量的目标联系起来，来开始追踪AI的投资回报率。
员工职能
Patra表示，企业可以监控在特定部门(如运营、财务和人力资源)中使用AI所带来的效率。例如，人力资源部门可以追踪招聘周期的长度。
Meléndez表示，IT和人力资源部门“从AI中获得的投资回报率最高，但随着大型语言模型(LLM)的兴起，每个人的生产力都有所提高”。
Portela表示，在技术指导方面，数据产品经理可以“帮助确定哪些指标能够捕捉用户从解决方案中获得的价值”，而AI工程师则可以提供提取使用指标的技术专长。
Kotu表示，从组织层面来看，企业可以通过查看关键角色(如代理、流程所有者、开发人员、最终用户和领导层)的“价值计算”来追踪AI带来的生产力。
客户行为
Meléndez表示，通过在使用AI前后收集客户反馈，可以确定与客户相关的AI投资回报率。例如，他说，在一个已经部署了聊天机器人或智能体的呼叫中心中，企业可以调查客户以确定他们的满意度水平。
Portela表示，企业可以分析客户数据和偏好，并在使用AI个性化营销活动、产品推荐和客户体验后追踪投资回报率。
Patra表示，企业还可以通过检查由于AI驱动的个性化而导致的购买频率和平均订单价值的变化来追踪AI的投资回报率。
内部流程
Meléndez表示，在内部，追踪AI投资回报率的关键是建立员工生产力的基线，并且“了解员工满意度”也很重要。
“通过收集员工反馈、进行测量和基准测试，你可以确定AI是否改善了员工的工作，以及他们是否感受到组织的重视。”Meléndez说。
Portela表示，内部投资回报率的一个“成功案例”是追踪AI如何影响信息检索并减少寻找信息所花费的时间。
Patra表示，企业还可以追踪其整个供应链运营中的AI投资回报率，如预测性维护和减少设备停机时间。
为何应确立AI的投资回报率
Meléndez表示，企业需要像对待其他IT投资一样衡量和量化AI的结果。他说，AI可能是“一项昂贵的投资，因此拥有这些可以量化的数据来与首席财务官和掌管资金的人分享非常重要”。
然而，Meléndez表示，如果AI的投资回报率在实施后不久没有得到证明，“这并不意味着组织不会从AI中受益——只是它可能目前不是合适的工具”。
Patra表示，AI不仅是一种技术部署，它还是一个“战略杠杆”。
“衡量、追踪并根据AI投资回报率采取行动的企业将获得持续的竞争优势。”Patra说。
“如果没有明确的投资回报率，AI项目就有可能成为昂贵的试验品，而不是价值驱动因素。”
Patra表示，当企业确立了AI的投资回报率时，就能确保AI投资集中在关键业务领域，预算分配更加有效，高投资回报率的项目得到扩展，并能发现差距以便进行重新校准，包括调整AI模型和重新投资方向。
Portela表示，无法证明投资回报率或至少无法证明预期投资回报率的AI解决方案“最终将被贴上技术时尚的标签，并很可能被抛弃”。
Portela说，确立、追踪并持续评估AI的投资回报率“可以确保战略影响力和长期资金”。
何时能期望AI的投资回报率
虽然部署AI并让团队熟悉这项技术需要时间，但Meléndez表示，在三到六个月内，企业“应该期望看到一些变化”。
“这并不意味着它会100%实现，但他们应该看到生产力是否有所提高，”Meléndez说。“如果没有，他们可能需要重新评估和调整。”
Patra表示，AI投资回报率的实现时间取决于项目的复杂性。
例如，Patra说，在三到六个月内，企业可以看到使用AI自动化常规流程和部署聊天机器人所带来的投资回报率。
他说，在六到十二个月内，动态定价和预测分析等AI用例在“收集到足够的数据后，可以产生可衡量的商业影响”。
Patra表示，在一年多的时间里，更具战略性的转型，如AI驱动的研发和大规模供应链优化，可能开始产生显著价值。
Kotu补充说，虽然企业可能会因为等待AI市场成熟和AI价值显而易见而采取观望态度，但“现在是时候”应用、衡量和改进AI了。
