Shifting AI from activity to outcomes in the year ahead

夯实数据基础以实现真正的AI投资回报率 | Elastic | Elastic博客

将AI从活动转向成果：未来一年的转变

作者：

Jeremy Pell

2026年7月6日

• 在Twitter上分享 [在Twitter上分享]
• 在LinkedIn上分享 [在LinkedIn上分享]
• 在Facebook上分享 [在Facebook上分享]
• 通过电子邮件分享 [通过电子邮件分享]
• 打印本页 [打印]

Elastic最新研究显示，三分之一的澳大利亚企业去年AI支出超过了预算，近三分之一的企业因成本无法被产出证明而暂停或缩减了部署。其中一半的企业仍计划在未来12个月内增加支出。

但单纯增加投入无法解决问题。数据明确指出了真正需要行动的领域。未来一年，每位企业领导者都应优先关注以下五项关键任务。

1. 停止衡量AI活动，开始衡量AI成果

我们的研究发现，只有8%的澳大利亚企业追踪AI是否真正带来收入增长或成本节约。更多组织关注AI使用情况而非实际业务成果。

这是领导者最紧迫的转变。展示AI使用频率的仪表板并不能证明AI的有效性。在增加投入之前，必须明确业务层面的成功定义：体现在账面上的成本节约、可归因的收入增长、释放真实产能的效率提升。如果无法将AI活动与CFO可采取行动的业务成果关联，你拥的不是投资回报故事，而是活动故事。

实际切入点是选择两到三个AI应用场景，能够清晰指向可衡量的成果，正确实施监控，从这些场景构建证据基础。缺乏测量的广泛部署会导致预算超支和董事会信心丧失。

2. 在任何其他事情之前完成基础数据工作

本地企业对待AI的方式存在明显矛盾：72%的澳大利亚企业在建立正式数据准备就绪基准之前就仓促部署。然而，当这些系统不可避免地表现不佳时，领导者有两倍的可能性将AI表现不佳归咎于数据质量（32%）而非基础AI模型的局限性（14%）。

数据准备就绪不是一个令人兴奋的议程项目。它无法为董事会制作出引人入胜的幻灯片。

但你能在AI性能上做出的最高影响力投资，就是确保数据的相关性。当AI系统接收低质量、冗余或范围界定不当的信息时，模型必须加倍努力从噪音中提取信号。你实际上是在为本应首先过滤掉的数据支付处理费用。

修复数据基础并不是要放慢AI部署。这是让AI足够高效，从而真正证明你投入的价值。

实际操作上，这意味着了解数据所在位置，评估其准确性及适用性，并在数据到达模型前消除重复。完成这些工作的组织，每查询的支出将显著减少，产出效果也会显著提升。

3. 在扩展代理之前建立可观测性

只有31%的澳大利亚企业对其组织内运行的AI代理或自主工作流程数量拥有集中视图。然而，50%的企业计划在未来12个月内扩大代理使用规模。仅有2%的企业建立了针对AI的正式事件响应流程。

这一差距正是下一轮AI问题的来源。

代理不同于通过传统方式部署和监控的软件。它们会在真实系统中执行实际操作，通常无需人工干预。如果你无法通过完整日志和明确归属追踪它们的行为，就无法对其进行治理，也无法在发生故障时做出解释。

正确的顺序是先构建可观测性基础设施，再扩大代理使用规模，而不是相反。这意味着在赋予自主AI更广泛权限之前，需要先建立使用日志、监控系统、定期风险评估以及清晰的事件响应流程。代理带来的生产力提升是真实的，但只有那些能够治理已部署AI的组织才能真正受益。

4. 整合你的数据平台

大多数企业AI效率低下本质上是碎片化问题。当关键业务数据存储在完全分离的独立数据存储中时，每个AI查询都会在计算能力和运营可见性方面付出隐藏代价。信息需要在系统间持续传输，关键上下文在转换过程中丢失，没有团队能清晰了解AI实际在做什么或产生了什么成本。

整合到统一的数据架构不仅是技术偏好，更是能全面提升效率的关键业务决策。精简数据基础设施可以消除由分散系统造成的运营延迟和安全盲区，同时让AI模型在无需重处理开销的情况下立即获得完整的业务上下文。

这也是技术领导者可以腾出真实预算用于未来创新的地方。通过整合重叠的点解决方案并梳理遗留供应商，企业可以释放资金专门用于AI投资，创造财务空间而不产生新的运营孤岛。

5. 持续创新，但要同步投资人才与技术

成本控制与创新并非对立。确保数据基础正确、建立可观测性、妥善衡量成果的最终目标不是限制AI潜力，而是让AI足够高效，使每笔支出都有机会产生实际回报。

研究显示，当AI成功管理常规和重复性行政任务时，四分之三的企业报告员工正在将节省的时间转向高价值工作。员工们正在将重点转向战略规划、新产品开发、客户互动和主动技能提升。

此外，数据还凸显了对专业技术能力的强烈且持续增长的需求。与停止招聘相反，45%的组织预计将在未来一年内创建全新的AI专属岗位，其中18%的组织已经在积极招聘这些职位。

明年领先的企业将是那些同时投资AI基础架构和与技术协同工作的人员的组织。这种协作正是复利效应产生的地方，也是真正拉开竞争差距的关键所在。

今年所需的重置

这五件事本身并不特别复杂。它们的共同点在于都需要以纪律性取代对新颖性的追求：在追逐下一个能力之前先完成基础工作，在庆祝采用率提升之前先衡量实际效果，在扩大规模之前先建立治理机制。

那些将去年视为AI实验之年的组织，现在需要将未来12个月作为AI问责之年。数据清楚地显示了哪些地方出了问题。对于那些愿意认真对待这一问题的组织来说，前进的道路同样清晰。

关于研究

由PureProfile进行的Elastic AI成本研究，调查了澳大利亚50名或以上员工、当前正在正式或非正式部署AI工具或进行AI试点的组织中超过500名高级决策者。所有受访者都是其所在组织中AI、数据或数字化转型领域的最终决策者或具有强大影响力和推荐权的人士。实地调研于2026年6月进行。

分享