ARTICLE · 1269643

【趋势】Gartner:58%的AI项目还没回本,钱花哪了

发布时间：2026-10-28 21:21:16 最近访问：2026-10-28 21:21:17

【趋势】Gartner：58%的AI项目还没回本，钱花哪了

小略AI · 2026-10-27 · AI发展趋势

钱在涌入，价值没跟上

企业往 AI 里砸的钱还在涨。IDC 的 Global AI Spending Guide 给出 2026 年全球企业 AI 投资约 6320 亿美元，比 2025 年高 38%。麦肯锡 2026 年 State of AI 调研也显示，已有 67% 的组织在至少一项业务职能里部署了生成式 AI，把超过 5% 技术预算投给 AI 的企业比例也接近翻倍。

这种「投入热、回报冷」的反差，正在把董事会的问题从「要不要上 AI」改成「上来的 AI 到底有没有用」。但回报的节奏明显慢了半拍。Gartner 的 CIO 与技术高管调研指出，2024 到 2025 年启动的 AI 项目里，约 58% 还没跨过企业内部的回报门槛。埃森哲的 Pulse of Change 调研更直白：82% 的企业在加 AI 投入，却只有 23% 报告拿到了持续可见的价值。投得近乎全员参与，赚到钱的仍是少数。从企业视角看，预算讨论早已从「要不要试」变成「投多少」，但评估口径还停在「上线没上线」，没到「赚没赚到」。这背后是同一笔账：花出去的算力是真金白银，回笼的价值却常常说不清。

鸿沟卡在哪

麦肯锡与 IDC 的判断比较一致：卡住规模化落地的，往往不是模型本身，而是数据底座、组织能力与变革管理。很多企业的资料散、口径乱、权限不清，模型接进去也只能做点边缘演示。于是大量项目停在碎片化试点阶段，真正跑通规模化应用的只是少数。

这中间还藏着一层尴尬：模型越强，越容易让人误以为「买了就能用」。实际上从试点到产出，差的是把 AI 嵌进业务流程、配上治理和责任人这一整套组织动作。

回报快的那批做对了什么

多家机构的复盘指向三个共同点：一是干净的结构化数据，先把资料理清楚再谈智能；二是人在回路的治理，关键决策留人把关，不把判断全交给模型；三是明确的业务负责人，把 AI 效果绑到具体 P&L 上，而不是散在 IT 部门的实验清单里。说到底，回报不是模型自动给的，而是组织把工具、数据、权责拧到一起才长出来的。做到这三点的企业，利润改善幅度明显高过同行。

给管理者的判断：2026 年的关键词不是「要不要投 AI」，而是「投进去的钱有没有长出能力」。预算从买模型转向买组织准备度，才是把支出变成回报的拐点。换句话说，把 AI 预算从「买工具」挪一部分到「搭能力」，是多数企业今年该做的那一步。