企业AI投资回报研究：82%报告正回报

为什么这项企业AI研究对投资回报决策很重要

Nathaniel Whittemore是AI Daily Brief的主持人和Superintelligent的CEO，他展示了可能是组织中AI投资回报最大规模基层研究的首批结果。有来自1000多个组织的2500多个自报用例，这些数据切穿了关于企业AI是否真正有效的猜测。

关于当前采用状态： “You actually are seeing pretty meaningful uptake of agents inside the enterprise… it’s jumped from 11% in Q1 of this year to 42% in their most recent study for Q3.”（你实际上看到企业内部代理的相当有意义的采用…从今年第一季度的11%跃升至第三季度最新研究中的42%。）这项KPMG数据显示代理部署在9个月内几乎翻了四倍——不是实验或试点，而是做真正工作的生产代理。

关于投资回报集中在哪里： “You see a real cluster between 1 and 10 hours, especially right around 5 hours. If you save 5 hours a week or 10 hours a week, you’re talking about winning back 7 to 10 work weeks a year.”（你看到1到10小时之间有一个真正的集群，特别是在5小时左右。如果你每周节省5小时或10小时，你说的是每年赢回7到10个工作周。）不那么性感的真相：大多数价值不是变革性的——而是每周节省一个工作日，这会在一年内累积成数月的恢复产能。

关于代理大大优于其他方法： “Where those use cases mention certain types of automation or they mention agents, they wildly outperform in terms of the self-reported ROI from them.”（在那些用例提到某些类型的自动化或代理的地方，它们在自报投资回报方面表现大大优于其他。）代理用例显示变革性影响率比平均水平高4倍。这是”代理之年”叙事背后的数据。

关于意外类别： “Risk reduction is our lowest category in terms of the percentage of use cases… But it is by far the most likely to have transformational impact—25%.”（风险降低是我们用例百分比最低的类别…但它是最有可能产生变革性影响的——25%。）合规、风险和审计用例仅占提交的3.4%，但以最高比率提供变革性投资回报。不那么性感的后台职能可能是AI最大的机会。

关于领先者与落后者的分化： “One of the things that tends to distinguish the companies that are leading is that they are just doing more of it… they’re thinking about their strategy as a whole… they’re doing multiple things at once.”（区分领先公司的事情之一是他们只是在做更多…他们在整体思考他们的战略…他们同时在做多件事。）相关性很清楚：拥有更多用例的组织报告每个用例更高的投资回报。系统性采用胜过零星实验。

来自最大企业AI投资回报研究的6个洞见

• 82%报告正投资回报 - 44%看到”适度”回报，38%看到”高”回报；只有5%报告他们的AI投资为负回报
• 代理采用在9个月内翻了四倍 - 企业中的生产代理从第一季度的11%跃升至第三季度的42%（KPMG数据）
• 每周5小时是甜蜜点 - 大多数时间节省集中在每周5-10小时，转化为每年恢复7-10个工作周
• 代理大大优于其他方法 - 提到代理或自动化的用例显示显著更高的变革性影响率
• 风险降低被低估 - 只有3.4%的用例针对风险/合规，但其中25%报告变革性影响——任何类别中最高的
• 更多用例=更高投资回报 - 系统性、多用例采用与每个用例更好的结果相关

这对企业AI战略意味着什么

这项研究提供了关于企业AI实际在哪里有效的首个广泛数据。答案是：到处都有，但尤其是在代理方面。42%的大型企业现在运行生产代理（九个月前为11%），代理用例在投资回报方面大大优于其他，“代理之年”的论点正在被实际组织结果验证。对于仍在实验的公司，数据很清楚：停止零星实验，系统性思考，不要忽视AI可能提供最高变革性价值的不那么性感的后台职能。