在生成式AI席卷全球企业的浪潮中，技术显著提升了生产力，却未能如预期转化为可观的成本削减。这一现象引发了企业决策层的深度焦虑。

Gartner高级顾问总监李彬指出，在上一轮试图通过生成式AI提升生产力进而降低成本的企业中，超过75%的比例可能以失败告终，ROI很难达到预期。

当前企业普遍陷入一个认知误区，认为投入新技术后将提升工具效能、提高生产力并自然降低成本。然而，现实远非如此理想。高盛和福布斯等机构观察到，企业在生成式AI上的投资存在“花费过多，收益甚微”的问题。

李彬分析，生成式AI带来的生产力提升需要经历两次艰难的‘价值飞跃’：首先是广泛使用与时间节省，其次是推动更广泛的企业变革。即使员工使用了工具并节省了时间，这些时间也未必能有效转化为企业价值。他形象地称之为‘生产力泄漏’，泄漏率可达20%～80%，最终仅剩5%～20%的有效节省时间。加上任务创造价值时的二次损耗，整体生产力提升可能仅剩1%～14%。

李彬强调，企业必须正视‘全生命周期成本’，包括技术开发部署、持续运维以及至关重要的变革管理成本。这些工具的价值可能更多体现在代码质量提升、协作改善或员工留存率提高上，而非直接显著的成本削减。

面对生产力转化效率低下的困境，李彬建议企业决策层将目光从‘内部IT生产力提升’转向‘财务效率’领域。具体策略包括削减外包支出、优化现金流管理、削减运营资金、减少循环债务利息以及强化合同管理。

成功跨越‘二次飞跃’门槛的25%企业，核心在于将变革管理纳入‘总成本’考量，并践行‘总账思维’。生成式AI的落地需要业务部门深度参与流程重塑、员工培训甚至市场推广，共同确保价值转化。

尽管生成式AI对生产力的提升已获验证，但科技高管仍需未雨绸缪。李彬提醒，到2026年，管理层将更加关注财报影响。他呼吁CXO与CIO制定系统化的生成式AI路线图，聚焦资源投向速赢领域，同时布局长期变革。

李彬借Gartner技术成熟度曲线分析指出，业务领导层多处于‘过高期望峰值’，而科技高管则更早进入‘幻灭低谷期’，清醒认知到应用成本、变革难度及预期管理压力。他透露，Gartner正协助客户‘管理一号位预期’，呼吁业务领导提出真实场景需求。

最后，李彬强调，成本优化策略的本质是引导科技高管从‘成本中心’思维转向‘价值创造’思维，通过释放现金流、减少损耗，为企业贡献更直接、更受管理层重视的财务成果。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。