只有13%的企业从AI中赚到了钱我们是不是高估了AI

最近Gartner发布了一份调查报告，有几个数字挺值得关注。

2026年5月至7月，Gartner调查了2002名CIO及技术高管，结果发现，只有13%的人认为所在企业已经通过AI获得显著或变革性价值。尽管过去两年AI应用落地明显加快，但整体成功率仍然只有20%左右。

这个结果，跟今天AI行业的热闹形成了很大反差。

现在几乎所有科技公司都在讲AI转型。大企业买算力、部署大模型，中小企业忙着接入各种Agent，管理层开会也离不开AI提效。但问题是，花了这么多钱，究竟创造了多少实际价值？

我觉得这是AI产业下一阶段必须回答的问题。

首先要弄明白一件事，AI能干活，不等于AI能创造商业价值。

比如一家企业原来需要10个人做客服，现在部署AI以后，可能只需要5个人。但如果AI的采购费、Token消耗、系统维护、人工审核和错误处理成本加在一起，最后比原来还贵，这就不能算成功。

再比如，员工用AI写周报，从两个小时缩短到20分钟，看起来效率提高了很多。但如果节省下来的时间没有转化成更多产出、更好的服务或者更低的成本，对企业来说，这种效率提升的价值其实很有限。

这也是为什么Gartner特别强调，AI项目不仅要考虑怎么开始，更要考虑什么时候应该停止。

调查发现，那些明确制定AI试点退出标准的企业，其CIO成为高绩效“先锋”的可能性是其他企业的2.3倍。那些敢于终止已经上线、但价值不高的AI项目的企业，这一可能性更高，达到2.6倍。

但现实是，只有31%的受访者制定了试点终止标准，真正建立生产环境中低价值项目退出机制的，只有17%。

这组数据其实说明一个问题。

今天很多企业最缺的，可能不是AI技术，而是承认AI项目失败的勇气。

一个项目立项的时候，大家都在讲战略价值、技术领先、降本增效。等钱花出去了，系统上线了，领导也看过演示了，反而很少有人愿意承认，这个东西可能根本不值得继续做。

还有一个很有意思的现象。

58%的CIO表示，利用AI降低成本的压力越来越大，但与此同时，51%的CIO预计AI会推高技术解决方案的总体拥有成本。

这其实并不矛盾。

传统软件通常按账号、按年收费，成本相对容易预测。但AI不一样，调用越多，Token和算力消耗越多。尤其Agent开始自主执行复杂任务以后，一个看起来简单的指令，背后可能调用多次模型、搜索和其他工具。

企业本来想通过AI省钱，结果先养出一笔越来越大的AI账单。

所以未来企业真正要管理的，不只是员工人数、软件采购和服务器费用，还包括每个任务究竟消耗多少算力，最终带来多少收益。

Gartner还有一个判断，我觉得特别值得企业管理者注意。

AI不一定意味着简单裁员。

调查中，40%的受访者预计2027年会增加IT岗位，尤其是网络安全、数据和分析领域。与此同时，明确规划重新设计“人与智能体协同工作”岗位的企业，其CIO成为高绩效先锋的可能性是其他企业的2.4倍。

但真正制定相关规划的企业，只有4%。

这意味着企业现在最需要考虑的，已经不是“能不能用AI替代几个人”，而是有了AI以后，整个团队应该怎么重新分工。

比如过去一个人负责策划，一个人负责数据，一个人负责制作。未来AI承担更多基础工作以后，员工可能需要同时具备策划、分析和执行能力。

岗位边界会越来越模糊，对人的综合能力要求反而越来越高。

所以看完这份报告，我反而没有觉得AI被高估了。

我觉得被高估的，是很多企业对AI落地速度和商业回报的预期。

过去两年，我们一直在讨论大模型能力提高了多少、Agent又能完成哪些复杂任务。

接下来应该换一种问法。

用了AI以后，企业到底多赚了多少钱，少花了多少钱，客户体验改善了多少？

如果这些问题回答不出来，模型再先进、演示再惊艳，也很难说创造了真正的价值。