文  | 多大NewMedia

——为什么先进的AI无法自动转化为商业价值？

当下，企业对AI投入应用最热烈的讨论阶段，可能已经过去了。

但真正棘手的问题，也许是另一件事，即AI究竟能为企业创造多少价值。

这个问题之所以值得重新讨论，是因为企业的AI投资与商业回报（ROI)之间，正在出现一个越来越明显的落差。

CCW Europe（Customer Contact Week Europe）近期发布的一项关于AI与客户体验的研究，提供了一个颇为刺眼的数据：没有一家受访企业能够证明AI目前已经产生了企业级的商业影响。

这项针对欧洲及全球企业 AI 部署与客户体验（CX）的调查，揭示了当下企业 AI 投资中极其深刻的“价值悖论”：

• 同一批企业中，62% 的企业 计划在未来 12 个月内继续增加 AI 投资；

• 只有 10% 的企业 将“收入增长（Revenue Growth）”作为 AI 投资的首要目标；

• 42% 的企业 认为“从试点（Pilot）走向全面运营规模化（Scale-up）”是目前最大的挑战；

• 0%（没有一家受访企业） 能够明确证明 AI 目前已经产生了企业级（Enterprise-wide）的商业影响或直接财务回报。

这组数据之所以在业界引发广泛讨论，是因为它精准抓住了今天企业 AI 转型中的核心痛点：绝大多数企业依然在用“局部效率”和“成本控制”的旧框架来套用 AI，导致项目大量停留在单点试点，无法穿透部门壁垒、融入完整客户旅程，最终陷入了“投资不断增加，ROI 却无法兑现”的困境。

投资继续增加，企业级商业影响却尚未出现。

如果把这两个数字放在一起看，问题就不再只是“AI的ROI为什么这么低”，而是：

企业是不是正在用一种不适合价值创造的方式使用AI？这可能比“AI是否足够先进”更加重要。

AI进入了企业，却没有真正进入价值创造链。

过去两年，AI进入企业的方式其实并不陌生。

智能客服、知识助手、Copilot、自动摘要、智能质检、营销内容生成……大量AI应用首先承担的任务，都是把原来的工作做得更快、更便宜。这当然能够创造价值。

客服处理时间缩短了，员工搜索资料的时间减少了，重复性的工作被自动完成，企业的人力成本因此下降。

但这里也存在一个容易被忽视的区别：

降低成本，是价值；创造新的商业价值，是另一回事。

企业大规模投资AI，却仍然用“效率”来定义AI的价值；AI项目越做越多，却很难从单点试验走向企业级运营。

于是，AI越来越多，ROI却没有同步出现。

问题不是AI没有价值。而是很多企业把AI放进了成本链，却期待它最终产生价值链上的结果。

从AI试点到规模化，真正被卡住的是组织

在现实中，我们不难看见，一个AI客服项目上线，但并不能改变企业整个客户服务体系；一个AI助手可以帮助员工写报告，但很难改变企业的决策方式；一个模型能够准确预测客户流失，但往往并不能真正降低客户流失率。

答案往往不在模型本身。

因为AI试点验证的是一个相对简单的问题：AI能不能完成某项任务？

而规模化需要回答的是另一组问题：谁负责？谁可以根据AI的判断采取行动？不同部门能不能共享数据？原来的流程是否允许改变？AI建议与人工判断发生冲突时谁负责？最终的业务结果由谁承担？

这已经不是技术问题，而是组织问题。

CCW Europe的研究把这种困境量化为42%：从试点走向全面运营，是受访企业当前最大的AI挑战。

这也解释了为什么“AI试点成功”并不意味着“AI转型成功”。

试点可以被一个团队包围起来。规模化却会撞上部门边界、数据边界、权限边界和责任边界。

试点考验AI能不能做，规模化考验组织能不能让AI真正参与工作。

因此，AI时代一个越来越重要的管理问题正在浮现：

当AI能力增长速度超过组织能力增长速度时，企业拥有的可能不是新的生产力，而是一种组织无法充分利用的新能力。

真正的变化，不是AI替代谁，而是重新分配人的价值

金融服务是观察这一变化最好的行业之一。

以财富管理为例。传统财富顾问大量时间用于搜索研究资料、整理客户信息、准备会议材料。这些工作并非没有价值，但其中相当一部分属于信息处理。AI刚好最擅长这些事情。

在Morgan Stanley的AI应用实践中，其AI Assistant已经被超过98%的财富管理顾问团队使用；内部知识文档的访问率从20%提高到80%。Morgan Stanley与OpenAI披露的信息还显示，AI正在帮助顾问减少信息搜索和重复性工作，让更多时间回到客户关系本身。

真正值得关注的不是98%这个数字，而是AI进入工作流程之后，人的价值发生了什么变化。

如果机器承担越来越多的信息检索、总结和准备工作，那么顾问的价值就不应该继续建立在“谁知道的信息更多”上。

人的价值开始更多体现在理解客户真正的需求、解释复杂决策、处理不确定性、做出判断以及建立长期信任上。

这不是简单的“AI替代顾问”。相反，是一种工作的重新分工：

机器承担更多信息劳动，人重新获得更多判断和关系劳动。

因此，从AI工具走向AI顾问，并不是给AI增加一个“顾问”的身份那么简单。

真正发生的是：

AI开始进入客户决策过程。

当AI进入客户旅程，价值创造才开始发生变化

如果Morgan Stanley改变的是顾问与客户之间的工作关系，那么Bank of America的Erica，则展示了另一种可能：

AI开始改变银行与客户发生关系的方式。

Bank of America披露的数据显示，2025年客户与其数字渠道产生约300亿次互动，同比增长14%；Erica在一年内被约2060万名客户使用，互动接近7亿次。自2018年推出以来，Erica累计互动已经超过32亿次。

如果把Erica仅仅理解成一个更先进的智能客服，这些数字的意义无疑会被缩小。

传统客服的基本逻辑是：客户有问题，客户提出问题，银行回答问题。

而更成熟的AI服务正在尝试改变这个关系：银行理解客户正在发生什么，判断客户可能需要什么，主动提供信息，并帮助客户完成下一步。

这意味着AI开始从一个“触点工具”进入整个客户旅程。还有一个更重要的问题：

AI能够理解完整的客户，企业是否也能够按照完整的客户来组织自己？

这才是下一道门槛。

客户的一个需求，银行却常常把它切分到几个部门

银行长期以来按照产品业务来构建组织：存款、贷款、信用卡、保险、财富管理……

这种组织方式对于管理产品十分有效。但客户并不是按照银行的组织架构生活的。

客户不会说“今天我要进入贷款部门”，客户会说“我准备买房”、“我准备创业”、“我准备退休”或者“我需要给孩子准备教育金”。一个“买房”需求，可能同时涉及存款、贷款、保险、投资甚至后续财富规划。

这就是客户旅程。

而传统组织的问题在于：

客户经历的是一条完整旅程，企业管理的却是一组彼此分割的产品。

AI恰恰把这种矛盾暴露得更加明显。

因为AI可以越来越准确地理解一个客户的完整状态。它可以知道客户最近的资金变化、产品使用、行为特征和潜在需求。

但是，如果这些信息仍然停留在某一个部门或者碎片化在不同的部门，AI就无法把洞察转化为行动。

于是出现一种新的错配：

AI看到的是一个客户，组织看到的是几个产品客户。

这可能是今天很多AI项目难以产生企业级ROI的真正原因之一。

AI真正需要重构的，是“谁对客户结果负责”

这也是DBS星展银行等领先实践值得关注的地方。

星展银行长期强调围绕客户生活场景和体验重新设计银行服务，其核心思想并不是简单增加数字工具，而是逐渐从传统产品逻辑转向客户场景。

这背后其实隐藏着一个重要的组织变化：

企业不能只问哪个部门负责这个产品，还必须问：谁对客户整个旅程的结果负责？

这意味着组织治理开始从 Product Ownership 向 Journey Ownership 延伸。

产品部门依然存在。但在产品之上，需要有人能够看见完整的客户旅程。

这正是AI真正进入价值创造链以后，组织必须面对的问题。

如果AI发现一个客户正在进入退休阶段，它不仅需要给出一个投资产品推荐，更需要理解客户的资产状况、收入变化、风险承受能力、家庭结构、未来现金流以及退休目标。

更重要的是，这些洞察必须能够进入真正的服务过程。否则，AI只是知道得更多。客户却没有因此得到更好的结果。

所以，AI的价值不是“效率—体验—价值”的简单升级，效率、体验、信任和商业价值并不是四个彼此独立的阶段。

它们是在客户旅程中不断咬合发生的。

一个AI系统首先可以让服务更快；如果它能够理解上下文，服务就会变得更准确；如果它能够理解客户的真实需求，服务开始变得更有价值；如果这种价值能够持续发生，客户才会形成信任；信任进一步影响留存、使用和关系深度；最终才可能影响客户生命周期价值和企业收入。

所以，AI价值创造真正需要关注的，不是简单的 Efficiency → Experience → Value，而是：

AI能力如何通过组织进入客户旅程，并在旅程中不断转化为客户价值和企业价值。

这也意味着，不同AI价值目标，对组织能力的要求完全不同。

如果目标只是降低客服成本，传统职能型组织已经能够承载。但如果目标是提高客户留存，就需要跨部门共享客户信息。如果目标是提升客户终身价值，就需要重新思考产品、客户经理、数据、运营和风险之间的协作方式。如果目标是帮助客户实现一个完整的人生或商业目标，那么企业甚至需要重新定义组织的边界。

AI能力越强，对组织重构的要求反而越高。

AI ROI真正的鸿沟，因此不是技术鸿沟

现在回头看CCW Europe的那组数据，答案可能更加清楚。62%的企业准备继续增加AI投资。但没有一家受访企业能够证明已经产生企业级商业影响。42%的企业卡在从试点到规模化。只有10%的企业把收入增长作为AI投资的首要目标。

这些数字并不能说明AI没有商业价值。

它们更像是在提醒企业：

AI已经进入了一个新的阶段。

过去的问题是：“AI能不能做？”

现在的问题是：“企业能不能让AI参与价值创造？”

两者之间，隔着一道并不显眼，却十分坚硬的鸿沟。

这道鸿沟的一边，是越来越强大的AI能力；

另一边，是仍然按照过去产品、部门、流程和KPI运行的企业。

所以，AI ROI的真正鸿沟，不是技术差距，而是AI能力与组织结构、客户旅程之间的错配。

技术能力决定AI能够做什么。组织目标决定企业希望AI创造什么；组织结构决定AI能否真正参与其中；

客户旅程决定这些能力在哪里转化为客户价值；治理机制则决定这种价值能否持续。

AI转型的终点，不是AI无处不在

如果企业只是把AI部署到更多部门，AI可能只是越来越广泛的效率工具。

真正的AI转型，需要改变的不是AI的数量，而是AI在价值创造链中的位置。

从完成任务到支持决策，从支持单个员工到支持整个客户旅程，从降低成本到改善客户结果，从改善单点体验到创造长期关系，最终从“企业使用AI”，走向“企业重新组织自己，以便让AI创造价值”。

这也是未来企业竞争可能出现的一道新分水岭。

不是谁拥有更大的模型，不是谁部署了更多Agent，甚至也不只是哪个企业的AI应用更多。而是：

谁能够让AI能力、组织能力和客户旅程真正咬合在一起。

机器越来越强之后，技术本身反而可能不再是最稀缺的东西。

真正稀缺的，是企业有没有能力把机器的智能转化成客户能够感受到的价值，并进一步转化为可以持续的商业价值。

AI不会自动创造ROI。

能够创造ROI的，是一个已经学会如何承载AI的组织。

【作者简介】 陈婷，资深金融管理与数字转型顾问，长期关注数智时代的商业价值重构、组织转型与客户体验治理。