2027年的AI预算,应该继续买工具,还是开始改业务?

又到制定下一年度预算的时候。

业务部门要买新的Agent平台，职能部门想给全员配AI账号，技术部门要增加模型和算力，数据部门要建知识库，人力部门还要安排新一轮AI培训。

每一项单独看都很合理。

但如果老板继续追问三句，会议往往就会安静下来：这笔钱具体改变哪个业务结果？谁对这个结果负责？做到什么程度继续加钱，出现什么情况立即停止？

这不是哪一家企业的特殊困惑。

德勤中国与香港大学今年发布的一项企业AI调研显示，企业的AI生产部署比例正在上升，但48.5%的受访企业实际回报低于预期，44.4%仍无法清楚计算实际回报，60.4%缺少系统化的价值衡量框架。

企业不是不愿意投钱，而是AI已经走进业务深水区，预算方式却仍然停留在采购软件的时代。

过去两年，企业主要解决的是“有没有AI”：有没有模型、账号、知识库、开发工具。到了2027年，更重要的问题应该变成：这些能力究竟能不能进入核心业务，持续产生结果？

这不是要求企业少买AI，而是要改变AI预算的基本单位：从购买一个产品，转向经营一项业务结果。

AI预算不是采购清单，而是业务下注。

AI预算越涨，为什么反而越来越难算清回报？

过去购买一套SaaS，通常可以按照账号数、功能模块和使用年限做预算。系统上线，员工使用，项目基本就算完成。

AI不是这样。

模型只是能力底座。要让它真正进入业务，还需要企业数据、知识和规则，需要连接CRM、ERP等原有系统，需要重新设计流程和权限，也需要持续评测、监控和迭代。

一个部门使用得很热闹，并不等于公司创造了新的价值；一名员工每天调用几十次AI，也不等于客户体验、收入、成本或周转效率真的发生了变化。

在前述德勤调研中，87.3%的受访企业会衡量处理速度和节省时间，70.7%关注成本节省，但只有21.5%把收入或客户指标纳入AI价值衡量。

这组数据很能说明问题：很多企业仍在统计“AI被用了多少”，还没有真正衡量“业务被改变了多少”。

因此，明年的AI预算不能只是把今年的账号续费，再增加几个新工具。预算的基本单位，要从“产品”变成“业务结果”。

2027年AI预算，要从一个采购科目变成四个业务账户

所谓从工具转向业务，并不是以后不买模型、不买软件。工具仍然要买，但每一笔投入都要放回完整的业务系统中审视。

我建议企业把AI预算拆成四个账户。

四个账户不是四等份。探索期可能更多投入工具和验证，进入生产以后，数据、系统连接、持续运营和组织投入会明显增加。预算比例不应该预先拍定，而应该随着项目证据不断迁移。

第一个账户：模型与工具，保证企业拥有基本AI能力

这里包括模型调用、通用AI账号、开发工具、算力和基础平台。它们像水、电和道路，是企业使用AI的必要条件。

但这一层最需要做的，不是不断增加新品，而是整合。企业要看真实使用率、单位任务成本、工具之间的替代关系，以及哪些能力已经成为业务不可缺少的基础设施。

一个部门买一套、每个员工再自己订一套，最后得到的往往不是能力叠加，而是账号闲置、数据分散和管理复杂度上升。

第二个账户：数据与企业上下文，让AI真正懂这家公司

同样一个模型，有的企业只能让它写一封格式正确的邮件，有的企业却能让它根据客户历史、价格规则、产品策略和当前目标，给出可以执行的方案。

差别不只来自模型，更来自上下文。

这一账户包括数据治理、企业知识、权限、接口、业务规则和历史经验。重点也不只是“把文档放进知识库”，而是数据能否被调用、结果能否回写、权限是否清楚、知识能否持续更新。

如果这些问题没有解决，再强的AI也只是一个不了解公司的聪明新人。

第三个账户：业务架构与Agent系统，让AI持续交付结果

这将是2027年最值得增加投入的部分。

当AI从演示走进生产，困难不再是模型会不会回答，而是它能不能在真实流程中稳定完成任务：要调用哪些工具和系统，遇到异常怎么办，哪一步必须由人确认，怎样判断结果是否合格，能力又如何在下一轮继续进化。

这需要企业投入业务架构、流程重构、Agent与Harness、评测、监控、灰度、回滚和迭代式运维。

过去，软件上线以后相对稳定；未来，Agent更像一支需要持续训练、验收和管理的数字团队。只给它模型预算，不给它运营预算，就像招了一批员工，却没有岗位、流程、考核和负责人。

第四个账户：组织与负责人，保证每个项目有人对结果负责

AI项目最容易缺的，常常不是钱，而是合格的一号位。

这个人既不能只懂技术，也不能只提业务需求。他要能够判断AI解决什么问题，调动数据和跨部门资源，在关键节点作取舍，并对最终业务结果负责。

大型企业当然不可能只做一个AI项目。企业可以同时布局多个方向，但能做多少个，不只取决于有多少预算，更取决于有多少个合格的AI项目一号位。

这也意味着预算责任需要改变。模型、账号、安全和通用平台可以由公司集中建设；进入具体业务的项目，则应该由业务一号位共同立项、共同投入、共同承担结果。不能再由IT负责采购、业务负责提需求、供应商负责交付，最后却没有人对经营指标负责。

没有负责人，预算越多，试点越散。

四个账户决定钱花在哪里，三道闸门决定钱什么时候花

预算拆成四个账户以后，还有一个问题：钱不能在年初一次批完，然后年底再看结果。

AI项目不确定性高，更适合像管理投资组合一样分阶段投入。方向对了就加仓，证据不足就调整，长期无法验证就停止。

第一道是机会闸门：这是不是值得公司下注的业务问题？

企业需要先画AI价值地图，从行业变化、业务价值、可行性和自身独特能力中，找出真正值得做的P0项目。

不是哪个工具最火就做什么，也不是每个部门平均分一点预算“都试试看”。大型企业可以保留多个选项，但要把更多资源集中到真正影响增长、成本、客户和竞争力的业务问题上。

我们在AI院陪一家企业梳理项目时，他们最初想做一条AI短视频内容生产线。这个方向容易看到产出，也容易展示，但重新分析供需关系以后，团队发现内容正在被AI快速推向泛滥，真正稀缺的是用户信任和长期运营能力。

于是，项目重点转向了AI私域智能运营：如何让Agent持续理解和服务大量用户，在提高效率的同时保持个性化与长期关系。预算没有减少，但从“更容易生成内容”，移向了“更难建立客户价值”。

AI院企业AI项目实战课堂现场。图片用于呈现企业项目研讨场景。

第二道是负责人闸门：有没有人能把项目带到结果？

一个项目如果只有供应商负责交付，只有技术团队负责上线，却没有业务一号位对结果负责，就不应该进入重投入阶段。

负责人要在项目开始前说清楚业务基线、目标指标、可调动的资源，以及30天、60天、90天分别验证什么。没有这些条件，项目越大，最后越容易变成一套“已经上线、没人真正使用”的系统。

第三道是证据闸门：什么结果出现以后，项目才值得扩大？

AI项目不能只看调用量、活跃人数和节省工时。效率很重要，但还要同时看质量、客户、收入、转化、风险和组织复杂度。

如果AI让团队一天多产出十倍内容，却增加了审核负担，降低了整体质量，这不是真正的生产力提升；如果一个Agent节省了局部人力，却让客户等待更久、投诉更多，也不能算成功。

Gartner今年的调研显示，只有22%的组织已经把AI规模化到多个业务单元。表现更好的企业，一个共同点是把AI作为价值项目组合来管理：持续跟踪回报，把资源加到有效项目上，也主动停止或重新配置表现不佳的项目。

AI项目不是验收以后结束，而是用结果决定下一笔预算。

明年的钱到底从哪里挪到哪里？

到了预算会，企业最终仍然需要作出具体选择。可以用下面这张表，给现有AI项目重新分组。

这里最重要的变化，不是把工具预算砍掉，而是把“买到能力”与“经营出结果”放在同一张预算表里。

工具解决的是行业共同能力，数据、业务架构、Agent系统和组织能力，才可能把共同能力变成一家企业独有的竞争力。

如果要把这套方法直接带进预算会，老板可以对每一个项目追问五句话：

一个项目如果答不清这五问，可以继续小规模探索，但不应该直接进入重投入。

老板真正要批的，不是一批工具，而是一套增长能力

SAP今年针对中国企业的调研显示，受访企业预计2026年平均AI投入达到3590万美元，并预计未来两年继续增长46%。企业对Agentic AI高度乐观，但表示已经完全做好准备的只有6%。

预算会继续增长，工具也会继续更新。真正的分水岭不会是谁买得更多，而是谁先把工具、企业上下文、业务系统和组织责任连成一体。

老板不需要亲自比较每一个模型参数，但有三个问题无法外包：公司准备在哪几段业务上建立AI优势？每段业务由谁负责，可以调动哪些资源？用什么证据决定加仓、转向或停止？

工具可以买来，业务结果只能经营出来。

2026年，很多企业还在回答“要不要用AI”。

2027年，真正的问题将变成：我们准备在哪一段业务上，用AI建立别人拿不走的优势？

预算，就是企业对这个问题最诚实的回答。