理性看待AI：从幻觉到绩效.pptVIP

*从潜力到绩效：领导者的行动清单用ROI倒推场景企业需要根据投资回报率（ROI）来选择AI应用场景，避免无指标的试点项目。只有明确的绩效目标，才能确保AI投资的价值。优先投资数据与流程将预算的60%投向数据治理、流程重构和人才培养，剩下的部分再考虑模型采购。数据和流程是AI落地的基础，企业不能忽视这些关键环节。嵌入现有工作流优先将AI嵌入现有的工作流程，而不是另起炉灶。这样可以减少变革的阻力，提高AI的接受度和实际应用效果。采用可迁移架构选择可迁移的AI架构，避免被单一供应商绑定。企业需要保持技术的灵活性，以便在市场变化时能够快速调整。感谢观看汇报人：汇报日期：2025/01/01******************************理性看待AI从幻觉到绩效汇报人：汇报日期：2025/01/01目录炒作与落差六种误判速览影响迟到采用幻觉估值泡沫利润在应用目录巨头主导超越生成式回归理性01炒作与落差AI神话：从系鞋带到拯救世界媒体与现实的落差媒体对AI的狂热炒作，让大众误以为AI即将解决一切问题，从系鞋带到拯救世界，但现实远比想象复杂。这种预期与实际落地之间的落差，正是我们需要理性看待AI的起点。麦肯锡预测的反思麦肯锡预测AI每年将为全球经济贡献高达25.6万亿美元，但这一数字更像是幻觉而非现实蓝图。我们需要从这种不切实际的预期中清醒过来，关注AI的实际绩效。技术炒作周期的启示历史上的技术炒作周期告诉我们，从个人电脑到互联网泡沫，再到区块链热潮，每一次都存在预期与落地的落差。AI也不例外，我们不能被短期的炒作所迷惑。CIO视角：三十年技术热潮的复盘三十年技术热潮的回顾作为一名拥有三十年经验的CIO，我见证了从个人电脑到互联网、再到区块链等技术热潮的起伏。每一次技术的兴起都伴随着巨大的炒作，但最终真正创造价值的案例却寥寥无几。AI的现实挑战AI并非首次被过度炒作，但它的落地难度远超以往。企业需要从‘AI可能做什么’转向‘AI实际在做什么’，关注技术在实际业务中的应用和绩效，而不是盲目跟风。02六种误判速览误判全景：从时间到盈利六陷阱影响迟到AI的影响比我们预想的来得更晚。通用目的技术如电力、互联网都经历了数十年的发展才释放出变革性潜力，AI也不例外。企业需要有耐心，不能期望立竿见影的效果。采用过乐观我们对企业采用AI的前景过于乐观，低估了转型所需的时间和面临的系统性障碍。企业部署AI并非‘即插即用’，而是需要与陈旧系统、监管障碍等因素相互磨合。估值过高市场高估了AI公司的价值，将它们视为高增长、轻资产的软件公司，而实际上这些公司资本密集、成本高昂。投资者需要警惕这种虚高的估值带来的风险。利润不在模型真正的利润不来自AI模型本身，而是来自将模型深度嵌入业务系统，创造出持久、可量化的价值。企业需要关注应用开发、系统集成等环节，而不仅仅是模型的开发。03影响迟到索洛悖论与AI1987年，经济学家罗伯特·索洛指出，尽管计算机技术广泛存在，但生产率统计数据中却看不到其踪影。如今，AI也面临同样的问题，尽管投入巨大，但可量化的效率提升仍然难以实现。通用目的技术的缓慢发展通用目的技术如电力、互联网等，都需要数十年的时间才能释放出变革性潜力。AI作为通用目的技术，其发展轨迹也将是缓慢而必然的，企业需要有长期的视角。索洛悖论再现：AI提升为何看不见边际收益递减与TFP低迷边际收益递减早期数字化转型带来的红利已经基本实现，后续的技术跃迁带来的边际收益正在递减。这使得AI等新技术在提升整体生产率方面面临更大的挑战，企业需要重新审视技术投入的回报。低强度使用：40%体验≠生产率跃升低强度使用现状尽管有40%的美国成年人使用过生成式AI，但大多数人使用频率较低，仅占工作总时长的1%-5%。这种低强度使用难以转化为显著的生产率提升。生产率提升的局限性根据研究，AI的低强度使用最终转化为不到1%的生产率提升。这说明单纯的技术采用并不能带来预期的变革，企业需要更深入地整合AI。深度整合的重要性AI的价值并非来自全面迅猛的颠覆，而是源于有目标、有计划的融合。企业需要将AI深度嵌入核心业务流程，才能真正发挥其潜力，而不是停留在表面的试点阶段。04采用幻觉三大认知偏差助推采用狂潮01计划谬误计划谬误使我们低估了AI转型所需的时间。企业往往高估了自身在短期内实现技术落地的能力，而忽视了系统性改造的复杂性。02乐观偏见乐观偏见让我们误以为AI的采用将畅通无阻。然而，企业部署AI需要面对陈旧系统、监管障碍、企业文化等诸多挑战，这些都可能阻碍技术的顺利落地。