貝恩報告：企業AI成本節約效益大幅低於預期
chuong wang
貝恩調查951家大型企業發現，40%已量化節約的企業實際省下不超過10%，遠低於預期——而近半數企業仍在用尚未兌現的節約為新一輪AI支出買單。
企業花了這麼多錢做AI，到底省了多少？
貝恩今年4月完成調查，覆蓋9個行業、951家年收入逾1億美元的企業高管。
在已量化AI成本節約的企業中，佔比最大的一組（40%）實際節約不超過10%。
這意味著→ 大多數企業當初批預算時預期的「大幅降本」，到了落地階段大打折扣。
錢沒省到，為甚麼還在繼續投？
44%的大型企業正以「上一輪AI投資省下的錢」來支付這一輪新投入。
問題在於：這些節約本身尚未兌現——貝恩稱預算規模是基於預測而非實際數據制定的。
簡單來說＝ 企業在用一筆還沒到手的錢，押注下一筆更大的開支——貝恩將其定性為「帶有結構性漏洞的循環押注」。
AI項目跑不好，卡在哪一步？
貝恩將AI項目表現不佳的首要原因歸結為數據可及性——企業無法可靠地獲取自身數據。
這反映出一個悖論：全球企業在數據現代化上已累計投入數千億美元，但數據問題依然是頭號瓶頸。
貝恩建議：不必等全部數據結構化完成，先用現有數據驅動AI模型，再借AI反過來整理剩餘數據。
不只貝恩這麼說——Gartner的數據指向同一結論？
Gartner報告指出，超過40%的智能體AI項目將在2027年底前被取消。
原因包括成本攀升、商業價值不明確、風險管控不足——Gartner分析師Anushree Verma稱多數項目「主要由炒作驅動，且往往被錯誤應用」。
簡單來說＝ 兩份獨立報告得出同一判斷：企業AI投入的問題不在技術本身，而在於落地路徑和預期管理出了系統性偏差。
成功的企業和失敗的企業，差別在哪？
貝恩發現一個反直覺的現象：已達成節約目標的企業，在數據結構與可及性方面遭遇的障礙反而更多。
但這些企業在預算不足、優先級衝突等組織層面的問題上反映較少。
這意味著→ 區分成敗的關鍵不是「數據有沒有問題」——所有企業都有；關鍵是組織層面是否把AI當作真正的優先級來推。
Content is for reference only, not financial advice.