半年后没人再提的那笔AI预算

这是一个真实的数据，全球企业累计在AI上花掉2.52万亿美元。其中只有14%的CFO能在董事会上拿出"这笔钱赚了多少、省了多少"的证据。

这是Rotascale《2026企业AI状态报告》刚发布的数字。麦肯锡今年4月的调查从另一个角度印证——73%的企业AI部署没能实现预期回报。

注意，这73%里大部分项目并没有"失败"。Forbes同期分析的140个企业案例显示：所有失败AI项目里，77%的根因不是技术，是组织——批了预算，没建衡量机制；项目交付了，没人把它接进流程。

这是企业AI最常见的死法——不是失败了，而是悄悄"成功"了，却没人能证明。

把这140个案例的复盘清单拆开看，CIO们反复写下来的问题大致就是这三条：

发现一：功能买对了，场景买错了。

团队选了市面上最完整的AI套件，功能覆盖竞品分析、内容生成、数据报表。签合同的时候技术团队很满意。

上线第三个月发现，市场部真正需要的只有一个功能——竞品动态速报。其他模块打开率不到5%。

采购逻辑是"功能越多越值"，使用逻辑是"我用不到的功能就是零"。

发现二：团队确实在用，数据却对不上。

活跃度指标显示AI使用率不低。但每周的报告结论都不一样——不是AI算错了，是输入的数据源每次不一样。团队没有标准化的数据录入流程，AI出来的结果自然参差不齐。

技术团队后来加了几轮培训。没用。问题不出在工具，出在流程。

发现三：老板问效果怎么样，没有人能回答。

这是最致命的一条。项目上线前没有定义清楚"成功是什么样"，上线后也没有量化指标。

没有基线，没有对标，没有复盘路径。用起来的感觉是"还行"，但"还行"不是证据。

同一份麦肯锡调查里，还有一个角度更值得记住：近九成企业在至少一个业务环节用上了AI，但问到有没有因此提升经营业绩，这个比例掉到了四成以下。

问题不出在技术。

问题出在选型逻辑——多数企业问的第一个问题是"这个工具强不强"，但真正的问题不是工具强不强，而是你把AI放到了什么类型的决策里。

MIT Sloan研究把企业决策分成两类。

窄决策：目标清楚、数据完备、结果可量化。比如库存预测、价格调整、风险评分。这类决策适合AI，模型稳定，效果直接可衡量。

宽决策：目标有争议、信息不完整、需要多方对齐。比如要不要进入新市场、品牌要不要转型、要不要砍掉一条产品线。这类决策需要的不是更快的分析，而是更充分的讨论和共识。AI可以辅助，但最终判断要靠人。

前面那个被市场部"打开率不到5%"砍掉的竞品分析任务，属于哪一类？

仔细看，是一个混合体——产出目标看起来很清楚（一份报告），但质量标准不清晰，使用方不知道怎么把结论落地到决策里。

结果是：AI生成报告的速度很快，但团队不知道怎么用这些结论。

这不是工具的问题。这是选型的时候没有人先问清楚这个任务到底是什么类型的决策。

回到这类企业。如果重做一次选型，正确的问题顺序是什么？

第一个问题：这件事的目标清楚吗？

目标清楚、数据完备、能快速验证结果——这是窄决策。选AI工具看准确率和响应速度。

目标本身有争议、使用方不知道怎么处理结论——这是宽决策。AI的角色是辅助讨论，而不是给出最终答案。

第二个问题：失败的成本高吗？

高失败成本的决策，不管宽窄，都不能把AI当唯一判断依据。AI是参考系，不是决策者。

第三个问题：谁对这个决策负责？

技术团队负责集成和选型。业务负责人应该负责判断"这个问题值不值得被AI解决"。

但现实里这个判断往往没人做。业务说"你们技术定的"，技术说"业务提的需求"。最后变成供应商在帮你做判断。

在Forbes追踪的140个案例里，做对的少数企业，路径几乎一样——

没有先去比较产品，而是先花两周和业务团队聊清楚：这个报告到底是给谁用的、用来做什么决策、判断标准是什么。

聊完之后发现，市场团队真正需要的不是"更完整的报告生成器"，而是"能快速抓到竞品数据异常"的工具。目标清楚了三倍。

最后选的工具功能比第一次简单很多，价格往往低一半。但使用率和满意度完全不同。

真正的问题从来不是"哪个工具更强"。

而是"我们把这个AI放到了哪类决策里"。

下次技术团队来找你批AI采购预算，先问这个问题。

如果答不上来，这个预算先不批。

参考来源：
《State of Enterprise AI 2026》—— Rotascale 2026年Q1年度报告
《The ROI Crisis: Why Companies Fail to See Returns From AI Pilots》—— Forbes，Tim Keary，2026年4月
《From AI Table Stakes to AI Advantage: Building Competitive Moats》—— McKinsey QuantumBlack
《Calibrate AI Use to the Decision at Hand》—— MIT Sloan Management Review