Krisis ROI AI Perusahaan: Kenapa Kebanyakan Syarikat Gagal Buktikan Pelaburan AI Mereka Berbaloi

Syarikat besar kini membelanjakan purata RM860 juta (AS$186 juta) setahun untuk kecerdasan buatan (AI). Namun, hanya 5 hingga 8% syarikat melaporkan pulangan kewangan yang boleh diukur secara berskala hasil pelaburan tersebut . Ini bukanlah kegagalan teknologi semata-mata — ia adalah kegagalan pengukuran. Kebanyakan organisasi langsung tidak mempunyai rangka kerja, garis dasar, atau metrik piawai untuk menghubungkan kos token AI dengan hasil perniagaan .

Semakin banyak inisiatif industri — daripada OpenAI dan Anthropic hinggalah kepada Yayasan Tokenomics (Tokenomics Foundation) yang baharu dilancarkan oleh Linux Foundation — kini bergegas menutup jurang tersebut. Konsensus yang muncul: beralih daripada kiraan token mentah kepada ekonomi unit berpaut hasil seperti kos setiap tugasan selesai, kos setiap tiket diselesaikan, atau 'kepala kiraan bionik' (bionic head count) .

Kenapa Mengukur ROI AI Begitu Sukar

Cabaran utama merangkumi empat bidang:

Tiada garis dasar yang ditetapkan lebih awal. Kebanyakan penggunaan AI mula menjejak metrik hanya selepas pelancaran, menjadikan sebarang pengagihan nilai mustahil . Satu kaji selidik ModelOp 2026 mendapati lebih dua pertiga syarikat masih bergantung pada anggaran, bukannya hasil kewangan yang diukur, untuk menilai pulangan pelaburan .

Metrik 'indah khabar dari rupa' (vanity metrics) mendominasi. Banyak syarikat menjejak bilangan pengguna aktif, sesi, atau pertanyaan sehari — metrik yang langsung tidak menunjukkan sama ada AI menghasilkan nilai perniagaan sebenar . Metrik tahun 2025 ialah "pengguna." Metrik tahun 2026 perlu menjadi "hasil boleh diaudit" .

Jurang antara pengeluaran dan ROI. Laporan CIO Gartner 2026, yang meninjau 11,000 CIO, mendapati 59% inisiatif AI tidak pernah mencapai peringkat pengeluaran, dan 71% CIO bergelut untuk mengutamakan kes penggunaan yang akan memberikan hasil boleh diukur .

Perbelanjaan meletup tanpa keterlihatan. Kos AI tersebar di pelbagai pembekal, model, dan jabatan tanpa rangka kerja perakaunan bersatu . Penyelidikan Forrester mendapati syarikat menangguhkan 25% perbelanjaan AI yang dirancang ke tahun 2027 apabila penelitian kewangan semakin meningkat .

Bagaimana OpenAI, Anthropic, dan Industri Bertindak Balas

OpenAI — 'Kepintaran Berguna per Dolar'

CFO OpenAI, Sarah Friar, memperkenalkan kad skor empat soalan yang bertanya: Adakah AI berfungsi? Adakah ia cekap kos? Adakah nilai yang dihasilkan berkembang lebih laju daripada kosnya? Rangka kerja ini mengalihkan perbualan daripada penggunaan token mentah kepada ekonomi unit terlaras hasil .

Anthropic — 'Primitif Ekonomi' (Economic Primitives)

Anthropic mengeluarkan rangka kerja yang dibina atas "primitif ekonomi" yang mengukur kerumitan tugas, tahap autonomi, dan masa dijimatkan berbanding kos setiap tugas — bukannya penggunaan generik . Panduan perusahaan dalaman mereka menekankan metrik kejayaan yang terikat dengan ambang prestasi, ketepatan, penambahbaikan kelajuan, dan kecekapan kos .

Yayasan Tokenomics Linux Foundation

Dilancarkan pada 4 Ogos 2026, dengan kira-kira 30 ahli pengasas termasuk JPMorgan Chase, Accenture, IBM, SAP, BNY, dan Booking.com, badan piawaian neutral vendor ini menyasarkan untuk melakukan kepada kos token AI apa yang FinOps Foundation lakukan untuk perbelanjaan awan . Draf keluaran pertamanya, "Notasi Big-T," mencadangkan penyeragaman kos setiap panggilan API (bukan kos setiap token) supaya metrik itu memetakan terus kepada satu unit kerja yang dilakukan . Yayasan ini juga sedang mentakrifkan metrik kos-untuk-servis yang pada masa ini tidak wujud dalam sebarang bentuk piawai .

Elisity — 'Kepala Kiraan Bionik' (Bionic Head Count)

Firma keselamatan siber ini mencipta metrik yang membahagikan jumlah perbelanjaan AI dengan kos purata kakitangan, kemudian membandingkan output gabungan pekerja manusia dan AI "pekerja" dengan hasil. Ini menyediakan CFO dengan analog produktiviti buruh langsung untuk pelaburan AI .

Usaha seluruh industri

FinOps Foundation telah menerbitkan rangka kerja khusus AI yang mengesyorkan metrik kos unit — kos setiap pertanyaan, kos setiap pengguna, kos setiap aliran kerja — untuk menjadikan perbelanjaan token difahami oleh pihak berkepentingan perniagaan . Oracle, Jellyfish, dan lain-lain kini menawarkan papan pemuka ekonomi token yang memetakan penggunaan kepada hasil perniagaan di peringkat aliran kerja . BCG mencadangkan nisbah "Pulangan atas AI" (RoAI) formal: Pulangan ekonomi / (Kos kecerdasan manusia + Kos token) .

Apa yang Berkesan: Konsensus Baru tentang Metrik Berpaut Hasil

Merentas semua rangka kerja ini, satu corak jelas sedang muncul. Pendekatan paling berkesan berkongsi struktur biasa:

1. Takrifkan 'selesai' sebelum penggunaan. Daripada menjejak penggunaan generik, mulakan dengan satu aliran kerja dan takrifkan apa maksud hasil yang berjaya .
2. Ukur kos setiap hasil, bukan kos setiap token. Contoh termasuk kos setiap tiket sokongan diselesaikan, kos setiap permintaan tarik (pull request) diterima, kos setiap ciri dihantar, atau kos setiap aset pemasaran dihantar .
3. Agihkan perbelanjaan kepada pemilik. Setiap aliran kerja yang material harus ditandakan dengan pemilik, fungsi, penggunaan produk lawan dalaman, baris untung rugi (P&L), model, dan hasil yang diingini .

Kesimpulan

Tiada satu piawaian pun yang telah diterima pakai secara meluas. Tetapi hala tuju adalah jelas: konsensus yang semakin meluas terbentuk di sekeliling ekonomi unit berpaut hasil — kos setiap tugasan selesai, kos setiap tiket diselesaikan, kepala kiraan bionik — berbanding kiraan token mentah. Bagi CFO dan CIO yang mencari titik permulaan, nasihat Sarah Friar daripada OpenAI kekal paling praktikal: "Tempat terbaik untuk bermula adalah dengan satu aliran kerja. Takrifkan apa maksud 'selesai' dan ukur hasil itu dalam sistem di mana kerja berlaku" .