AI投资回报失败的背后：企业如何应对AI落地困境

多项调查显示，企业在人工智能（AI）投资上普遍未能实现可量化的回报。对此，Forrester首席分析师伯恩哈德·沙夫里克（Bernhard Schaffrik）认为，问题的根源之一在于AI供应商忽视了技术落地过程中的人的因素。

"他们完全忽略了人的因素，也忽略了企业自身的特性。"沙夫里克在阿姆斯特丹举办的CamundaCon 2026大会期间接受《Computer Weekly》采访时表示。

员工对AI取代自身岗位的担忧确实普遍存在。英国工会联盟（TUC）于2025年发布的《构建有利于劳动者的AI创新战略》报告建议，雇主应在AI技术部署的每个阶段——从战略制定、问题定义，到招标、应用设计和上线——切实构建员工参与机制，以提升技术落地的实际效果。

变革管理本身并不是新课题，但沙夫里克指出，生成式AI与以往技术的一个显著区别在于：由于其门槛低、易于理解，这类讨论往往直接从董事会层面发起。"CEO们能立刻看到它的潜力，因此他们在组织内部对AI的推动力度更大。"他说道。

在他的观察中，CEO们通常默认，负责变革管理的HR团队或业务部门的转型负责人会妥善处理相关事宜。然而，"由于AI直接影响到岗位调整和人员替代，员工的恐惧与焦虑正在成倍增长。"

沙夫里克还指出，不仅普通员工感到迷茫和不安，就连那些负责具体落地AI的人员同样深受影响。

除了未能有效处理劳动关系之外，他表示AI供应商通常也没有充分考虑企业技术架构和业务流程的刚性约束。"企业不希望打乱薪酬流程。"他举例说，这意味着业务负责人必须在风险之间寻求平衡。"这正是为什么AI供应商在技术部署未能如预期运行时会感到意外——这是人类心理、组织惯性、法规合规等多重因素交织的结果。"

这些挑战本身并不新鲜，但沙夫里克认为，CEO和其他业务决策者有必要认真审视AI在组织中的具体用途。

"如果我是CEO，我会致力于将尽可能多的重复性工作自动化，并乐于引入任何企业级技术来实现这一目标——包括工作流引擎、机器人流程自动化、文档处理，以及AI智能体。"他说。

与此同时，他认为业务负责人还应着力推动那些人工操作容易出错的、重复性较低的流程的自动化。典型场景是法律团队成员需要对比多页合同的多个版本时，人工操作极易出现失误。"人会犯错，但如果暂时把幻觉问题放在一边，AI在处理这类任务上表现要好得多。"他说。

至于如何应对AI的幻觉问题，沙夫里克认为这正是"人在回路"机制发挥价值的地方。但他同时强调，要成为一名优秀的AI输出审核者并获得相应的薪酬待遇，员工必须在AI所接管的工作领域具备扎实的专业能力。换言之，一位法律专家必须真正精通多版本长篇合同的分析比对工作。

Q&A

Q1：企业AI投资为什么普遍无法实现可量化的回报？

A：根据Forrester首席分析师沙夫里克的分析，主要原因有两方面：一是AI供应商忽视了技术落地过程中的人的因素，员工对岗位替代的恐惧和焦虑严重影响了AI的推进；二是供应商未充分考虑企业技术架构和业务流程的刚性约束，导致部署结果与预期不符。此外，人类心理、组织惯性、法规合规等多重因素交织，也是造成落地困难的重要原因。

Q2：生成式AI的推行为什么容易从董事会层面直接发起？

A：生成式AI的门槛低、易于理解，CEO们能够快速感知到其潜力，因此往往直接在董事会层面做出推进决策，并向组织内部施压推动落地。然而，CEO们通常默认HR或业务转型团队会处理变革管理事宜，但由于AI直接涉及岗位调整和人员替代，员工的恐惧与焦虑往往被低估，导致落地过程出现较大阻力。

Q3：企业应该如何合理规划AI智能体的应用场景？

A：沙夫里克建议，企业应优先将重复性高的工作交由AI自动化处理，可引入工作流引擎、机器人流程自动化、文档处理及AI智能体等技术手段。同时，也应关注那些人工操作容易出错的低重复性流程，例如多版本长篇合同的对比分析。对于AI输出结果，建议保留"人在回路"的审核机制，且审核人员需具备相应领域的深厚专业能力。