“企业AI已经越过了采用门槛，但在证明价值的门槛前停下来了。”

这是Plug and Play 2026企业AI战略脉冲调研的核心结论，由该机构风险合伙人阿米特·帕特尔（Amit Patel）在接受福布斯采访时亲口表述。这份于8月6日发布的报告，覆盖了以Fortune 500和福布斯全球2000强为主的大型企业样本，同时引用了KPMG（覆盖20国2145名领导者）、Deloitte（3235名）、IDC/微软、BCG等机构的平行数据，构成了目前企业AI ROI研究中最系统的多机构交叉验证。其结论既令人欣慰，又令人不安。

注：本文侧重于从”为什么无法衡量”的视角分析企业AI的ROI困境，与此前分析”感知改善率”（93%）的调研角度不同——Plug and Play这份报告聚焦于生产环境部署率和量化ROI能力，提供了不同维度的独立数据视角。

令人欣慰的是：74%的全球最大企业已经将至少一个AI解决方案跑在生产环境中，93%处于试点或更进一步的阶段。”试点地狱”——那个AI项目在概念验证阶段无休止循环、永远无法到达实际应用的噩梦——在大型企业层面已经基本结束。

令人不安的是：在那74%已经将AI跑在生产环境的企业中，有一半无法告诉你这些AI部署究竟有没有产生商业价值。

这不是一个小公司或技术滞后者的问题，而是市场顶端的问题。调研的样本偏向Fortune 500，是全球治理最完善、资源最充裕的企业群体。如果就连这些公司都有一半无法证明AI的ROI，那么整个AI产业”AI正在产生巨大价值”的宏大叙事，就有相当一部分是建立在无法验证的感知上的，而非可量化的财务事实。

第一层：这份报告不同于其他ROI调研

在进入具体分析之前，有必要先解决一个混淆风险：这份Plug and Play的调研与此前广泛引用的其他企业AI调研，使用了不同的数据维度，不能相互等同。

此前（2026年8月7日）曾有一篇分析文章，引用了”93%感知改善，57%无法证明回报”的数据，那来自不同的调研机构（具体引用源为多份报告的综合分析，包含IDC和Gartner数据）。Plug and Play这份报告的核心指标是：74%在生产环境中运行AI，其中50%无法一致性地衡量ROI。

这两个数字反映的是同一问题的不同层面：一个是”感知改善”（定性感受），一个是”生产环境ROI衡量能力”（定量能力）。它们不矛盾，而是互补：许多公司能感受到AI带来的改善，但缺乏将这种改善转化为可量化财务指标的系统能力。

此外，Plug and Play的报告还有几个重要的辅助数据值得单独强调：

  • KPMG的同期调研（2026年6月，覆盖20个国家2145位领导者）：仅7%的受访者表示已建立AI ROI衡量框架
  • Deloitte的研究（3235位领导者）：66%报告了生产力提升，但仅20%看到了AI驱动的收入增长
  • IDC和微软的综合研究：GenAI投资的平均回报率约为每花出1美元回收3.7美元，但达到正ROI的中位时间是14个月

这些数据共同构成了一幅清晰的图景：AI正在产生真实的商业价值，但绝大多数企业缺乏将这种价值可见化的测量基础设施。价值在发生，但没有人能看见它在哪里、有多少、来自哪里。

第二层：三件正在做对的事，以及三个根本性错误

Plug and Play的报告框架把企业AI落地的问题分解为了三个做对的维度和三个做错的维度，这个框架提供了一种清晰的分析视角。

做对了：企业AI团队停止争论，开始行动

两年前，大多数大型企业的AI讨论还停留在”是否应该投入”和”如何挑选合适的AI供应商”的阶段，项目在无休止的评估循环中搁置。如今，74%已经在生产环境中运行AI，仅5%称自己是”AI原生”（意味着AI是从创立起就嵌入核心业务的），37%在单一业务功能中运行AI，32%已在多个业务功能中部署。

这种从”讨论”到”行动”的转变，是过去两年企业AI生态中最深刻的变化。”试点地狱”的结束，意味着AI不再被视为一个需要反复权衡的风险，而被视为一个必须尝试的战略必选项。

做对了：企业AI买家把可辩护性置于演示效果之前

在供应商选择标准上，调研结果令人印象深刻：92%的受访者将数据隐私、可解释性和合规性列为最高优先级，高于性能（74%）和灵活性（53%）。这种排序在2024年是不可想象的——那时候，基准测试分数是卖单子的最有力武器。

这种转变的背后，是过去两年里企业AI在监管压力（欧盟AI法案、各州AI法律）和实际使用中暴露的风险的双重驱动：那些在演示中让人惊艳但在实际使用中制造合规麻烦的AI工具，已经在很多企业的黑名单里了。企业采购者已经学到了一个教训：一个无法向监管机构、董事会或客户解释的AI模型，就是一个无法实际使用的模型。

做对了：AI的所有权回归业务部门

只有21%的企业AI所有权仍然停留在首席AI官（CAIO）、AI负责人或卓越中心（Center of Excellence）。37%已经转移到业务功能或事业部负责人手中，而波士顿咨询集团的另一份调研显示，72%的首席执行官现在是AI决策的主要拍板人。

这种所有权转移是正确方向：AI的价值在业务功能内部创造，而不是在IT部门或AI卓越中心里。让对结果负责的人掌控工具，才是实现真实ROI最可能的路径。

做错了：AI上线前没有建立基准

这是报告揭示的最关键的结构性错误，也是为什么50%的企业无法证明AI ROI的最根本原因。

调研发现，在单一功能中运行AI（最早期、最简单的部署阶段）的企业中，有74%表示ROI要么太早无法衡量，要么根本没有跟踪。这个数字比整体的50%更糟——而按直觉推理，越简单的场景应该越容易归因，越容易测量ROI。

这种反直觉的现象的解释很简单：大量企业在没有建立部署前基准数据的情况下就上线了AI。当一个AI工具被部署用于加速审计流程，如果事先没有记录部署前的审计平均耗时、错误率、人员成本，那么部署后的任何改善都无法被量化。这个本应该是项目启动第一步的工作，被遗忘了。

KPMG的全球调研数据从另一个角度验证了这个问题：在20个国家、2145位领导者中，仅有7%表示建立了AI ROI的衡量框架。也就是说，93%的企业在AI投入中处于”只知道花了多少钱，不知道得到了多少价值”的盲区。

做错了：所有权转移了，但会计框架没有跟上

报告指出的第二个根本性错误，是AI所有权从中央IT部门转移到业务功能的速度，远快于相应的会计和绩效评估框架的更新速度。

中央IT部门花了几十年时间建立了一套将IT支出归因到业务成果的方法论。但一个负责供应链的事业部负责人，有业务P&L（损益表），但很少有一套能够将AI支出跨业务单元进行可比较比较的统一度量标准。当财务总监（CFO）需要向董事会汇报”我们在AI上花了多少、得到了多少”时，他或她往往拿不到一个横向可比的数字。

这个问题的解决方案不是把AI所有权收回到中央IT，而是建立一套CFO主导的、全企业统一的AI绩效衡量框架。但目前，大多数企业连框架都还没有，更别说落地了。

做错了：用四个季度的日历衡量14个月才能见效的投资

IDC和微软的研究显示，生成AI投资达到正ROI的中位时间是14个月。但大多数企业的预算审核周期是四个季度，即一年。

这意味着很多AI项目在刚刚接近正ROI临界点时，就因为”过去一年没有看到明显回报”而被削减预算甚至砍掉。那些能产生快速、表面但浅层价值的AI应用得到奖励，而那些需要更长时间才能体现深层价值（比如通过AI重塑业务流程）的应用则遭到淘汰。这是一种系统性的对短期价值的筛选偏见，正在将AI应用引向”好看但肤浅”的方向。

第三层：根治路径——CFO主导的统一AI绩效框架

Plug and Play的报告和多位被引用的专家，都指向了同一个解决方向：CFO需要主动介入，建立全企业统一的AI绩效衡量框架。

这个框架的核心要素包括：

第一步：在任何AI项目启动前，强制建立基准数据。不是感性的”这个流程很慢，AI应该能帮上忙”，而是量化的”这个流程当前的平均处理时间是X分钟，错误率是Y%，人均成本是Z元”。只有有了基准，才能在6个月、12个月、24个月后回头进行可靠的对比评估。

第二步：建立跨业务单元的统一AI ROI指标体系。允许CFO用同一把尺子衡量市场部门的AI邮件个性化项目和供应链部门的AI需求预测项目的相对价值，从而在预算分配时做出更理性的优先级判断。

第三步：将AI ROI评估的时间视野拉长到18到24个月。将快速回报和长期转型分类，不用同一把日历衡量两者。允许那些需要长时间才能体现价值的深层业务流程重塑项目，在更长的时间窗口内接受评估。

第四步：将AI治理和ROI衡量纳入业务单元负责人的绩效考核。当AI所有权在业务部门，AI的ROI问责也必须跟过去。当业务负责人知道自己的绩效考核中有一部分来自AI投资的可量化回报，他们就有了去建立测量体系的真实动机。

这听起来简单，但实施起来并不容易。它需要CFO主动扩大自己的职责边界，进入以前属于IT和业务部门的决策领域；需要建立新的数据基础设施来支持跨业务单元的AI绩效比较；需要改变预算周期和审批流程。这些都是组织变革，而组织变革从来都是最难的。

第四层：这对AI供应商意味着什么

企业客户的这种ROI衡量困境，对AI供应商——从大型基础模型提供商到垂直AI应用软件公司——有直接的战略含义。

如果企业的ROI衡量能力不足，短期内可能对AI供应商是”好消息”：企业无法证明AI无效，也就无法停止AI投入，合同续签阻力较小。但这是一种建立在客户盲区上的商业模式，其脆弱性是内在的。一旦CFO开始要求量化ROI证明，那些无法提供可测量价值的AI工具将面临系统性的合同不续签。

前瞻性的AI供应商应该把这个趋势看作机会：主动帮助客户建立AI部署的基准数据和ROI衡量框架，不仅能加深与客户的关系，还能积累大量关于AI在真实业务场景中的价值创造模式的第一手数据。那些能够用量化数据证明”我们的AI为你带来了X百万元价值”的供应商，将在下一轮企业AI预算紧缩周期中具有更强的议价能力和留存率。

结语：从”AI上线了”到”AI值了”

从74%已上线到50%无法证明，这个巨大的测量鸿沟，是企业AI落地下一个阶段的核心战场。

已经上线的不难，证明有价值的很难。这种难度不来自于AI本身不够好，而来自于企业内部的测量基础设施和治理框架还没有准备好接住AI带来的价值。

修复这个问题，不需要更好的AI模型，也不需要更多的IT预算，而需要更好的管理实践：在开始之前量化，在进行中记录，在结束后比较。这是基本的项目管理逻辑，但当它遇到”AI”这个概念时，往往被兴奋感和急于求成所淹没。

Plug and Play的这份报告，是一个来自市场顶端的清醒信号：AI的价值是真实的，但证明它的工作，还有相当漫长的路要走。

补充视角：中国企业在AI ROI衡量上的不同困境

这份调研的样本主要集中在西方大型企业，但AI ROI衡量的困境在中国企业中同样存在，且有其独特的表现形式。（以下关于中国企业AI落地的分析，为作者基于行业观察的定性推断，而非Plug and Play调研的数据范围）

中国企业在AI落地上普遍呈现一种”快速部署、延迟评估”的模式：在国家政策驱动和竞争压力下，企业管理层往往优先关注”有没有做AI”，而非”AI是否产生了可量化的价值”。这与西方大型企业的情况有相似之处，但驱动力不同——西方的驱动力更多来自股东回报压力和监管合规要求，中国的驱动力则更多来自行业地位展示和政府考核。

在测量能力上，中国企业的特殊挑战在于数据基础设施的差异性。大型国企往往有相对完善的ERP系统和财务报告体系，但中小企业的数据记录可能相当粗糙，根本没有建立AI部署前基准所需要的历史数据。当你没有3年前的人工审核时间记录，你就没有办法计算AI把审核速度提升了多少百分比。

这种基础数据的缺失，在某种程度上比西方企业的”有数据但没有框架”更难解决——因为那需要从数据采集的最底层开始重建，而不只是优化上层的分析框架。

数据来源的多重交叉验证

值得特别说明的是，Plug and Play的报告并不是孤立的数据点，而是与其他多份同期调研形成了清晰的交叉印证，使得其核心结论的可信度相当高。

KPMG 2026年6月对20国2145位领导者的脉冲调研，显示仅7%建立了AI ROI框架——这是从”衡量能力”维度的独立验证。Deloitte的3235位领导者研究，显示66%有生产力感知提升但仅20%见到收入增长——这是从”感知改善 vs. 实际财务结果”维度的独立验证。IDC/微软的研究提供了”14个月中位正ROI时间”这个具体参数，为企业设定评估预期提供了基准参考。BCG的数据表明72%的CEO现在是主要AI决策人——这与”所有权已经回归业务”的发现形成互补。

这四份来自不同机构、不同样本、不同测量维度的调研数据，共同指向同一个方向：企业AI的”感知层”普遍正面，但”量化层”极度薄弱。这种一致性，大幅增加了我们对这个结论的信心。

最后一公里问题的哲学本质

从更根本的视角看，企业AI的ROI衡量困境，是一种更深层现象的表征：知识工作的价值创造，在历史上从来就是难以量化的。

一个法律助手用AI把合同审查时间从4小时缩短到20分钟，这44分钟的节省很容易量化。但一个高级管理者用AI洞察工具更快地做出了一个关键战略决策，这个决策带来的价值如何量化？当一个研究员用AI辅助工具在3个月内发现了一个本来需要18个月才能发现的市场机会，这15个月的时间优势如何货币化？

AI最深层的价值，往往不在于”让已知工作做得更快”，而在于”让之前不可能做的工作成为可能”。这类价值是结构性的、非线性的，很难装进传统的ROI框架。如果我们只用”节约成本”和”提升现有流程效率”来衡量AI，我们就可能系统性地低估了AI对业务模式本身的潜在改变能力。

这不是说不应该衡量ROI，而是说ROI框架本身需要进化，以捕捉AI带来的非线性价值创造。而这种框架的进化，需要CFO、业务负责人、AI团队，以及外部研究机构共同努力，而不是任何一方能单独完成的事情。

74%上线，50%无法证明。这个鸿沟的存在，既是问题，也是机会。谁能率先找到可操作的、可扩展的AI价值衡量方法论，谁就将在企业AI落地的下一个竞争维度上占据先机。这个维度，不比AI技术本身更不重要。

而对那些还没有建立AI基准数据和衡量框架的企业来说，今天就是最好的开始时机——因为每推迟一天，就多一天无法追溯的历史基准数据，多一个无法量化的AI价值黑洞。从今天开始记录，哪怕是最简单的人工操作时间和错误率，都将成为未来评估AI价值的宝贵出发点。这不需要复杂的技术，只需要对可量化的AI未来保持足够的认真和耐心，以及对不确定性的坦然接受。

参考资料

  1. Forbes/Sandy Carter, “Most Enterprise AI Is Live. Half Of Companies Can’t Prove It Works,” Aug 6, 2026. https://www.forbes.com/sites/sandycarter/2026/08/06/enterprise-ai-roi-production-survey/
  2. Plug and Play, “2026 Enterprise AI Strategy Pulse Survey,” Aug 2026. https://www.plugandplaytechcenter.com/insights/enterprise-ai-strategy-2026-pulse-survey
  3. KPMG, “Global AI Pulse Q2 2026,” Jun 2026. https://assets.kpmg.com/content/dam/kpmgsites/be/pdf/TA-Global-AI-Pulse-Q2-2026-EN-Brochure-033-16-9-LR.pdf
  4. Deloitte, “State of AI in the Enterprise,” 2026. https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html
  5. IDC/Microsoft, GenAI ROI research（$3.70 per $1 spent，14-month median）, 2026.
  6. BCG, “AI Isn’t Keeping CEOs Up at Night, But It Should,” 2026.（72% CEO as main AI decision-maker）