企业正以远超验证成效的速度向AI砸钱。Gartner发布的2026上半年CIO报告显示，83%的CEO正在加大AI投入，然而59%的AI项目从未真正落地投产。在接受调查的11000名CIO中，有71%表示，他们难以筛选出能带来可量化成果的AI应用场景。
现在，账单正在到来。基于Token的定价模式意味着成本随使用量线性增长，供应商也已注意到这一问题。今年7月初，Anthropic为Claude企业版新增了成本管控功能，包括消费预警、模型默认设置以及将消耗量与输出结果相关联的分析工具，这是业内遏制"Token滥用"现象的首批举措之一。
然而，这些工具只能反映企业花了多少钱，而无法呈现业务成果。总部位于孟菲斯的区域性金融服务公司First Horizon的执行副总裁兼CIO莫汉·尚卡拉拉曼表示，将AI应用与"真实价值"挂钩才是关键。他说："每个AI应用场景都应有明确的目的，并确保该目的能带来投资回报。"
要实现AI部署的投资回报，CIO需要与CFO及其他高管团队成员紧密协作，共同确定衡量AI在组织内落地成效的正确指标。
为何衡量AI的投资回报率如此困难
曾在沃尔玛和ICANN担任高级职务的资深技术高管、董事会顾问阿什温·朗安指出，混乱的根源在于将AI当作普通软件对待。他认为，AI更应被理解为一种通用技术，更接近于电力。他说："让每位员工都能通过插座使用电力，是成功部署的标志，但这并不代表高效利用。"
按照这一逻辑，新出现的成本仪表盘不过是电表：有用，但局限明显。它们能告诉你从电网取用了多少电量，但缺少的是"一块专门用于衡量业务成果的配套仪表"，他补充道。
朗安表示，大多数组织目前只汇报部署数据，极少数会衡量AI的实际产出，能够追踪投资回报率的则更是凤毛麟角。
支出管理平台Ramp的首席经济学家阿拉·卡拉齐安表示，向错误指标靠拢的诱惑之所以强烈，正是因为正确的衡量方式难以落地实施。他说："衡量AI对业务的影响非常困难，因此领导者被迫使用那些虽然方便获取、却未必合适的指标。"Token使用量、使用AI的员工人数、代码行数——"这些指标对工作质量的优劣毫无说明"，他解释道。
尚卡拉拉曼认为，更深层的问题甚至出现在更早阶段。他说："技术领导者面临的最大风险是在缺乏目的的情况下盲目行动。做更多的AI实验，并不等于创造更多的AI价值。"
西门罗咨询公司CIO凯文·鲁尼认为，标准本身也在不断变化。"过去六个月，核心问题已经从炒作、落地转向成本管控，如今又演变为'依赖模糊的生产力描述而不将其与真实业务成果挂钩'"，他说。
追踪AI成果，而非仅盯住Token成本
专家建议，衡量工作应在AI上线之前便着手展开。
TransUnion全球AI平台高级副总裁尤格什·乔希解释道，在选择AI工具之前，管理层需要先明确具体的业务流程。"我们先确定需要完成的任务，了解涉及的人员、流程和相关材料，并建立基准绩效指标。然后随着时间推移，衡量AI是如何改变这些指标的。"他表示，这并不需要从头发明一套新方法，因为技术领导者几十年来一直在评估技术投资的价值。
在First Horizon，不同项目涉及的关键干系人各有不同，但技术负责人与负责该职能的业务负责人在项目启动前，始终会就衡量标准达成一致，例如办理贷款的时间、产品上市周期或客户体验评分等具体指标。尚卡拉拉曼说："我们专注于在扩大AI投入之前，先在这些指标上取得有意义的进展。"
朗安提出了一套平行的操作流程：先对当前工作流程建立基准，尽早引入CFO以确保记录所有成本要素，运行测试案例以证明AI辅助版本确实更优，再将投入与产出转化为货币价值。
CFO和董事会对AI的立场
CFO的提前介入至关重要，因为财务负责人往往以不同于技术人员的视角来审视AI。对于规划软件公司Anaplan的CFO赫曼特·卡帕迪亚而言，衡量AI的价值，应把它当作资本配置决策，而非单纯的软件采购。
"企业经常用评估普通软件采购的方式来评估AI：'这个工具具体帮我们省了多少钱？我能不能直接对应到某个具体的预算项？'"卡帕迪亚说，"结果就是你评估的只是一个试点项目，而不是一种能力本身。"他指出，资本视角要问的是更宏观的问题：不是某个试点节省了多少时间，而是它是否带来了改变成本结构、加快决策速度或提升组织竞争地位等业务成果。
这使得CIO与CFO之间的关系从事务性合作升级为战略性伙伴关系。卡帕迪亚表示，CIO负责保障AI的可用性、安全性与合规性，而CFO则评估AI是否真正影响了企业的经济效益。关键在于，两位高管必须在部署上线之前，而非之后，就部署目标达成共识。
技术领导者的汇报对象已经完成了这一转变。朗安说："董事会已经到位了。"他指出，那些经验丰富的CEO、CFO和董事们所在的会议室里，"对话已经明显转向投资回报率。管理团队还没有跟上。"他警告称，随着AI加速发展，董事会成员正日益对迟迟无法展示的投资回报感到不满。
在企业内部，压力同样具体而实在。尚卡拉拉曼表示，进入2026年，董事会和高管团队希望看到AI正从试点阶段迈向真正创造回报的证据，希望看到AI切实带来业务价值，以及技术团队在风险管理中运用了正确的治理机制。
如何着手衡量AI的投资回报率
面对不断攀升的AI Token账单和持怀疑态度的CFO，各方建议不谋而合——从有纪律的起点出发。尚卡拉拉曼建议，挑选两三个"大胆的应用场景"，切实落地推进，并确保它们与业务成果相互关联。
乔希的建议是："从小处着手，深入突破。"他说，一旦在某个高影响力的工作流程中证明了价值，就能更容易地将衡量体系推广到整个组织。同时要清楚何时该及时止步。他补充道："AI不能成为那把到处找钉子的锤子。在某些情况下，选择不使用AI，很可能才是最合适的决策。"
与此同时，Token成本将继续攀升。那些能够说清楚这些Token究竟换来了什么的IT领导者，将持续赢得投入；而那些只能汇报花了多少钱的人，则可能发现自己的AI预算面临的审视，与当年云计算支出所经历的如出一辙。
Q&A
Q1：为什么这么多企业的AI项目无法落地产生实际价值？
A：根据Gartner报告，59%的AI项目从未真正投产。核心原因在于企业在缺乏明确目的的情况下盲目推进，将AI当作普通软件评估，又习惯依赖Token使用量、员工使用人数等方便获取但并不恰当的指标，而没有在项目启动前建立与业务成果挂钩的基准指标。专家指出，做更多AI实验并不等于创造更多AI价值。
Q2：CIO应该如何与CFO协作，共同推动AI投资回报的落地？
A：专家建议将CIO与CFO的关系从事务性协作升级为战略伙伴关系。CFO应在AI部署前期就介入，确保记录所有成本要素，并以资本配置视角而非软件采购视角来评估AI。两者必须在项目上线之前，就部署目标和衡量标准达成共识，评估的核心应是AI是否改变了成本结构、决策速度或竞争地位，而非简单追问某个工具省了多少钱。
Q3：企业应该从哪里开始建立AI投资回报的衡量体系？
A：专家建议在AI上线之前就着手建立衡量体系。具体做法包括：先明确需要完成的业务任务，建立当前工作流程的基准指标；挑选两三个与业务成果紧密关联的重点场景，从小处着手深入突破；一旦在某个高影响力流程中验证价值，再向整个组织推广。同时要保持判断力，在AI不适用的场景中选择不用，也是合理的决策。
