为什么AI创造了价值，企业却看不见？丨FDE重新理解价值兑现

79%的企业说，他们看到了AI带来的生产力提升。

但只有大约25%的AI项目实现了预期的ROI（投资回报率），只有16%做到了全企业规模化，只有大约29%的企业表示自己能够相对准确地衡量ROI。

MIT Sloan复盘了300个公开部署案例和153份高管调查，得出一个更直接的数字：95%的生成式AI试点，没有在损益表上产生任何可衡量的影响。麦肯锡的数据讲的是同一件事：超过80%的企业没有从生成式AI里获得可感知的企业级利润影响，尽管88%的企业都在积极试验。

价值创造了，价值却没有被看见。

NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。

省下来的时间，去哪了

行业里最常见的默认假设是：AI真的有用，效果自然会体现在数字上。省了时间，提升了效率，财务报表上应该能看得到。

这个假设错在一个地方：时间不会自己走进利润表。

一个员工每天用AI节省了30分钟，这30分钟本身不是钱，它只是一种松弛——工作没那么赶了，下班没那么晚了。松弛要变成利润，中间必须发生一次具体的转化。

比如，这个岗位原本因为业务量增长要新招两个人，现在因为效率提升只招了一个——省下的是没有发生的招聘成本。客服响应从两小时缩短到二十分钟，一个原本准备流失的大客户续约了——省下的时间变成了保住的续约收入。某个团队因为常规工作被AI分担，多出来的产能被投入到一个原本没人手做的新项目，这个新项目直接产生了收入——省下的时间变成了新增收入。原本要花钱请外包处理的加班任务，现在内部按时完成，外包费用省了——省下的时间变成了减少的支出。

这四条，是MIT Sloan复盘里总结出的下游转化路径：控制招聘规模、保住续约收入、释放产能创收、减少外包和加班支出。

关键在于，这四条路径没有一条是自动发生的。招聘计划要不要因为效率提升而调整，是HR和业务负责人的决定，不是AI的决定。产能要不要被重新分配去做新项目，是管理层的决定。如果没有人主动做这个决定，30分钟就只是留在员工的一天里，然后消散——从财务的角度看，什么都没有发生。

为什么生成式AI比其他AI更难兑现

这里有一个更细的分野，能帮助理解为什么"看不见"这件事，在不同类型的AI身上发生的概率完全不同。

一项覆盖1006位高管的调查把AI粗分成四类，问哪类最有价值：结果是分析型AI（用于预测、评分、风险计算这类有明确输入输出的场景）和规则型AI（按预设逻辑自动执行的系统）合计被超过九成的组织认为最有价值，生成式AI（写作、对话、总结类工具）和Agent式AI（能自主执行多步操作的系统）加起来只有一成出头。44%的高管表示，生成式AI是最难衡量ROI的类型。

差别不在AI聪不聪明，在这两组AI进场的方式完全不同。

分析型AI和规则型AI，天生就嵌在企业的核心决策流程里——定价、风控、预测，这些流程本来就有一套既定的对照基线，AI替代或增强了其中一个环节，效果可以直接对照旧基线算出来：以前这个风控模型的误判率是多少，现在是多少，差值就是价值。

生成式AI和Agent式AI大多数时候不是这样进场的。它们通常是被"加装"在流程旁边的——一个聊天窗口，一个写作助手，一个能自己发邮件的Agent。员工用它，确实节省了时间，创造了价值。但因为它没有嵌入到某个具体的决策节点里，没有一个"以前怎么做、现在怎么做"的对照基线，这份价值创造出来之后，找不到一个自然的出口走向财务报表。

之前的文章「为什么企业真正缺的不是模型，而是现场？」里讲过，Context决定的是价值的上限。这里说的是同一个问题的另一面：Context不只决定AI能创造多少价值，还决定这份价值有没有一条现成的路，能走到财务报表上。 嵌入决策的AI，天然带着这条路。旁挂式的AI，这条路需要有人专门去修。

FDE重新理解价值兑现

这里需要立一个判断：AI不会因为产生价值而拥有ROI，只会因为价值被兑现，才拥有ROI。

这句话背后，是两个经常被当成一件事、实际上完全独立的动作。

价值创造（Create Value），是AI完成的部分。模型给出了更准确的预测，员工少花了30分钟，客服回复更快了——这些都是价值创造，而且大多数时候真实发生了，79%的企业看到生产力提升就是证据。

价值兑现（Realize Value），是组织需要完成的部分。创造出来的价值，要不要转化成一个具体的财务动作——招聘计划要不要因此调整，服务水平提升要不要被记录进续约谈判，释放出来的产能要不要被分配去做一件能创收的新事——这一步，AI做不了，只有组织能做。

大多数AI项目卡在"看不见"的原因，是把创造和兑现当成了同一件事，以为创造发生了，兑现自然会跟着发生。现实是，创造完全可以发生，兑现却完全没有发生——就像一笔钱，赚到了，但没有人把它存进账户，它就只是账面上一个模糊的印象，不是一个可以拿出来用的数字。

四条转化路径——控制招聘、保住续约、释放产能创收、减少外包支出——不是这一篇的核心，是价值兑现的具体机制。核心是那个更早的判断：在AI开始创造价值之前，要先决定这份价值准备走哪条路兑现，谁负责确认它真的走到了。这个决定，必须在项目开始的第一天做，不能等到项目结束之后再去财务报表里找答案——因为如果没有提前设计，答案根本不存在。

如果这一篇解释的是为什么价值证明越来越难，那么之前的文章「FDE价值量化：不是项目结束后的总结，是第一天就要设计的机制」回答的是如何设计一套能够证明价值的机制——基线什么时候建立，价值分几个层次去衡量，面对CFO、业务负责人、技术决策者分别用什么语言汇报。这一篇给出的是行业现象和判断，两篇合在一起，才是完整的价值兑现方法论。

写在最后

AI创造价值，组织兑现价值。这是两个动作，两个责任方。

只做对第一个，会得到一堆真实但零散的效率提升，员工都说好用，财务报表上却什么都看不见——这正是今天大多数企业正在经历的处境。只有两个动作都做对，价值才会真正地、可证明地，从员工的日常里，走到公司的账本上。

价值兑现的机制设计好了，团队开始把系统真正交付出去，系统上线了。但真正的工作才刚刚开始，为什么？

感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪GEO判断工程」在AI从“说”到“做”进化阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。