談到2025年科技圈的熱點，非生成式AI莫屬。可以說，生成式AI已經(jīng)成為推動企業(yè)業(yè)務(wù)創(chuàng)新和數(shù)字化轉(zhuǎn)型的核心焦點。根據(jù)Gartner調(diào)研顯示，過去兩年中，全球企業(yè)IT預(yù)算持續(xù)收縮，但AI與安全領(lǐng)域的投入逆勢增長。

對于大部分企業(yè)而言，他們希望通過生成式AI提升生產(chǎn)力，進而降低成本。然而，殘酷的現(xiàn)實是：75%的企業(yè)無法通過GenAI實現(xiàn)預(yù)期的成本優(yōu)化。 這一組數(shù)據(jù)，也是Gartner通過調(diào)研之后得出。而這一悖論背后，折射出企業(yè)對技術(shù)價值的認知偏差與管理邏輯的深層斷裂。

效率提升≠成本降低

雖然在代碼生成、文檔撰寫、數(shù)據(jù)分析等應(yīng)用場景中，生成式AI確實能顯著提升員工效率。例如，微軟Copilot為IT人員節(jié)省約3%的工作時間，金融機構(gòu)通過RPA將審批周期縮短50%。然而，這些“效率紅利”往往在轉(zhuǎn)化過程中嚴重耗散。

一方面，員工節(jié)省的時間未被有效利用。Gartner調(diào)研顯示，25%的時間節(jié)省中，80%因任務(wù)切換、流程冗余或管理松散而流失。另一方面，剩余時間需進一步轉(zhuǎn)化為業(yè)務(wù)價值。若市場需求不足或組織無法快速調(diào)整產(chǎn)能，效率提升反而導(dǎo)致資源閑置。

在主題為《放眼生產(chǎn)力之外，如何利用生成式AI降低成本》媒體溝通會上，Gartner高級顧問總監(jiān)李彬表示，雖然很多企業(yè)在生成式AI上投入了大量的資金和精力，也完成了新型工具的積極部署，提高了員工的效率，但這并不代表會直接降低企業(yè)的成本。他認為，很多企業(yè)的管理層存在技術(shù)樂觀主義與價值脫節(jié)的認知陷阱，一是認為“技術(shù)投入→工具普及→效率提升→成本降低”是必然路徑，忽視組織變革與業(yè)務(wù)適配的復(fù)雜性。二是將生產(chǎn)力等同于財務(wù)價值，忽略“開源”（收入增長）與“節(jié)流”（成本削減）的本質(zhì)差異。

除此之外，很多企業(yè)還往往低估GenAI存在的變革成本、系統(tǒng)集成成本和機會成本等隱性成本。

媒體溝通會現(xiàn)場，李彬通過引用高盛與《經(jīng)濟學(xué)人》的觀點，詳細介紹了效率提升≠成本降低的觀點。對于GenAI所帶來的成本降低，高盛直言，投入過多，收益甚微。《經(jīng)濟學(xué)人》則認為生成式AI不會快速立竿見影地帶來生產(chǎn)力的價值。

從生產(chǎn)力到價值的“驚險一躍”

如何破解生成式AI的成本悖論？活動現(xiàn)場，李彬提出了“兩次飛躍”的理論：第一次飛躍是讓更多的員工廣泛使用生成式AI，第二次飛躍是通過推動企業(yè)變革，實現(xiàn)價值回報。

“第一次飛躍看似簡單，實則充滿挑戰(zhàn)。”李彬指出，員工對新技術(shù)存在天然的抵觸情緒，尤其是涉及崗位替代風(fēng)險時。他以國內(nèi)某制造業(yè)客戶為例，進行了詳細的介紹。該企業(yè)擁有大量IT員工和外包團隊，但員工因擔(dān)心失業(yè)而不愿使用新型工具，導(dǎo)致AI工具的推廣受阻。此外，生成式AI的使用門檻也較高，需要員工具備一定的數(shù)字化素養(yǎng)和技能，這也限制了其普及程度。

“第二次飛躍則更加艱難，它要求企業(yè)從根本上改變業(yè)務(wù)流程和管理模式。”李彬強調(diào)，生成式AI不是簡單的“工具升級”，而是“生產(chǎn)力的革命”。為此，企業(yè)需要重新設(shè)計業(yè)務(wù)流程，打破部門壁壘，構(gòu)建以AI為核心的新生態(tài)。

李彬以金融機構(gòu)為例，進行了詳細的介紹。該機構(gòu)在疫情期間使用OCR、RPA等技術(shù)提質(zhì)增效，但走出疫情后卻發(fā)現(xiàn)生產(chǎn)力未得到充分利用，且無法快速裁員。這反映出，單純的技術(shù)應(yīng)用無法自動帶來價值，必須與組織變革相結(jié)合。

利用GenAI降低成本的六大策略

既然效率提升≠成本降低，那么對于企業(yè)而言，如何利用生成式人工智能降低成本？在本次采訪過程中，李彬現(xiàn)場也給出了六大實操策略。

一方面，CIO可以通過削減IT外包支出、削減第三方可變支出、重新簽訂外包和托管服務(wù)合同來降低成本。

削減IT外包支出：降低成本應(yīng)直接關(guān)注資金使用和現(xiàn)金流運轉(zhuǎn)，找到損耗環(huán)節(jié)進行優(yōu)化。這意味著，通過優(yōu)化現(xiàn)金流管理，企業(yè)可以釋放巨大的成本節(jié)約潛力。

削減第三方可變支出全：球全行業(yè)的IT支出中有13%用于外包，通過引入生成式AI，企業(yè)可以減少對外包服務(wù)的依賴，降低可變支出。李彬以東芝為例進行了詳細介紹：該企業(yè)要求法務(wù)部門在發(fā)郵件或打電話給供應(yīng)商前，先用智能體生成內(nèi)容，從而減少了外包成本。

重新簽訂外包和托管服務(wù)合同：企業(yè)應(yīng)定期審視外包和托管服務(wù)合同，利用生成式AI的談判能力，爭取更優(yōu)惠的價格和服務(wù)條款。

另一方面，企業(yè)還可以通過削減運營資金、削減循環(huán)債務(wù)、采用更強硬的合同來降低成本。

削減運營資金。利用GenAI分析歷史數(shù)據(jù)與市場趨勢，預(yù)測驅(qū)動的現(xiàn)金流管理，提升銷售回款與應(yīng)付賬款預(yù)測精度。李彬以全球運營資金總量為例，指出近五年內(nèi)，全球企業(yè)運營資金增長20%。

削減循環(huán)債務(wù)：企業(yè)借貸利息常占營收的1%-5%。李彬表示，通過AI優(yōu)化資金調(diào)度（如動態(tài)還款計劃），某科技公司年省利息支出1200萬美元，綜合企業(yè)的成本節(jié)約和團隊管理的代價，效果要好于將IT員工裁員20%”。

重新簽訂外包和托管服務(wù)合同：全球企業(yè)因合同管理漏洞年均損失5%的營收。GenAI可自動識別條款風(fēng)險與履約異常。

除了以上策略外，李彬還給企業(yè)科技高管提出了一些建議。他表示，科技高管應(yīng)明確企業(yè)愿景和方向，制定生成式AI的長期規(guī)劃。同時，也要考慮速贏舉措，如選擇成本節(jié)約潛力大、實施難度低的項目進行試點。除此之外，科技高管應(yīng)提前布局，建立變革管理機制，確保AI技術(shù)的順利落地。最后，科技高管應(yīng)加大數(shù)字化人才培養(yǎng)力度，營造鼓勵創(chuàng)新、包容失敗的企業(yè)文化。

寫在最后：從生產(chǎn)力工具轉(zhuǎn)變?yōu)槌杀緝?yōu)化引擎的轉(zhuǎn)變

雖然生成式AI在降低成本方面面臨諸多挑戰(zhàn)，但李彬?qū)ζ湮磥沓錆M信心。他認為，隨著技術(shù)的不斷成熟和應(yīng)用的不斷深入，生成式AI將逐漸從生產(chǎn)力工具轉(zhuǎn)變?yōu)槌杀緝?yōu)化引擎。并預(yù)測，未來幾年我們將看到更多企業(yè)通過生成式AI實現(xiàn)顯著的成本節(jié)約，甚至引發(fā)一場成本革命。

“生成式AI的成本革命不會一蹴而就，它需要企業(yè)、技術(shù)提供商和政策制定者共同努力。”李彬最強調(diào)，只要我們保持理性、審慎和創(chuàng)新的態(tài)度，就一定能夠破解生成式AI的成本悖論，釋放其巨大的價值潛力。