伦敦科技周期间，英国企业宣布了超过60亿英镑的新增AI相关投资。英国至今仍是欧洲最大的AI市场，全球排名第三。从客服、知识管理到软件开发、内部运营，企业都在寻找AI能提升生产力、决策质量和业务表现的位置。

但投资加速的同时，另一道裂缝越来越难被忽视：企业扩张AI的速度，往往快过它们衡量、治理和解释AI价值的能力。当CIO和CFO被追问的不再是"有没有用上AI"，而是"组织到底换回了什么"，这个问题就绕不过去了。

打开网易新闻 查看精彩图片

从单次提问到嵌入工作流的智能体

当企业从员工各自使用的助手，转向嵌入各类工作流的智能体，账就算不清了。一个用户敲一次提示词，成本相对好理解；而一个智能体为了完成一项任务，可能发起多次模型调用、检索信息、调用工具并执行动作。

取决于平台和定价模式，这会带来额外的消耗、基础设施和监管成本。CIO需要搞清楚的，不只是AI部署在了哪里，还有它在做什么、花了多少钱、结果是否对得起这笔钱。

AI那笔不算隐蔽的成本

AI投资正被当作其他重大技术投资一样审视。难点在于，衡量它的回报异常复杂。使用量可能分散在各部门、各应用、各模型和各工作流中，而收益的形态从节省时间到提升质量、降低风险、增加收入，五花八门。如果事先没有就"什么算成功"达成一致，组织最后衡量的往往是活动量，而不是价值。

当企业扩张AI时，如果没有先定义它在工作流中的位置、谁对结果负责、成功长什么样、成本如何计量，支出就会碎片化地散落在许可证、模型、基础设施、平台和按量付费的服务里，没有一个统一视角能看清这些投资是否在产生价值。

挑战的规模已经显现。Emergn委托的研究估算，英国大型企业每年在未能交付成果的转型和AI项目上损失670亿英镑。另一项由Censuswide对500名英国高级决策者的调查发现，已经在使用AI的企业中，仅31%报告了正向投资回报。

治理本身就是衡量难题的一部分

ShareGate在2026年对七个国家851名IT负责人的调查发现，成本可见性是衡量AI投资回报时最常被提及的障碍，51%的受访者选择了它，紧随其后的是治理复杂性，占47%。难点不只是知道AI花了多少钱，而是把成本与它所支撑的用例、AI所接触的信息、以及它产生的结果连接起来。

迄今为止，关于AI的讨论大多集中在模型选择、技能和生产力上。但随着采用面铺开，另一道裂缝变得清晰：对治理的信心，并不总与实践中的情况相符。

同一项研究显示，93%的IT负责人相信自家的Microsoft 365治理已准备好负责任地支撑AI，然而29%的人报告称，AI工具曾暴露出本不该被访问的敏感内部数据。另有8%的人不确定这件事是否发生过。

这些裂缝带来的是成本，也是风险。重复的工具、额外的验证、返工、安全调查，以及为确认一份输出是否可信所花的时间，都在对AI采用征收一笔隐性税。对想要证明价值的CIO来说，减少这种摩擦，要从让AI的使用更可见、更可问责、更可衡量开始。

组织如何重新拿回控制权

好的治理并不始于采购、终于采购。知道买了多少许可证、分配到了哪里有用，但重新拿回控制权需要更宽的视野：看清AI如何被使用、花了多少钱，明确结果由谁负责，以及为AI提供一个治理良好的信息环境。

明确的归属同样重要。当AI嵌入业务流程，责任很容易在IT、安全、业务团队和员工个人之间被打散。这让一些基本问题变得出奇地难回答：谁对结果负责？谁监控成本？谁来决定一个用例该扩展、该调整还是该停掉？

成本治理只是图景的一部分。组织还需要改善AI运行所依赖的信息环境，这意味着减少冗余和过时的内容、恰当地管理访问权限、帮助员工和AI系统找到权威来源。

更干净、治理更好的信息不保证AI给出正确答案，但它能减少歧义，让可靠的依据更容易获得。这可能意味着花在搜索、验证和返工上的时间更少。

员工在这里也有角色。清楚区分草稿与已批准材料、保持追踪表和优先级为最新、记录决策、维护权威来源，都能让组织语境更容易被人和AI理解。当组织使用AI会议助手或类似工具来捕捉语境时，这些工具应当与它们所创建的信息一样，受到同等的隐私、留存和访问控制约束。

那么，摆在领导者面前的问题，已经不再只是AI这笔投资值不值。