Mengapa penggunaan AI belum menghasilkan pulangan kewangan yang setimpal?

AI boleh membantu seseorang menyiapkan tugas dengan lebih cepat, tetapi itu tidak semestinya mengurangkan kos, meningkatkan hasil atau menambah keuntungan syarikat. Perbezaan ini membantu menjelaskan jurang dalam tinjauan McKinsey 2026: 80% responden berkata AI meningkatkan produktiviti peribadi mereka, sedangkan 37% mengaitkan AI dengan sekurang-kurangnya sedikit kesan terhadap EBIT, iaitu keuntungan sebelum faedah dan cukai. Kira-kira 6% memenuhi takrif McKinsey bagi prestasi tinggi: responden yang mengaitkan sekurang-kurangnya 5% daripada EBIT dengan AI dan menyifatkan kesannya sebagai signifikan. Angka ini mencerminkan laporan responden, bukan bukti bahawa mana-mana amalan tertentu pasti menghasilkan pulangan kewangan. 68

Mengapa peningkatan produktiviti belum tentu muncul dalam keuntungan

Menyiapkan satu tugas dengan lebih pantas hanyalah satu bahagian daripada keseluruhan proses perniagaan. Jika kelulusan, serahan tugas, sistem dan kuasa membuat keputusan tidak berubah, masa yang dijimatkan mungkin tidak mengurangkan kos atau menambah hasil. Tinjauan McKinsey 2026 mengaitkan prestasi AI yang lebih kukuh dengan reka bentuk semula aliran kerja. Kajian terdahulunya pula mendapati reka bentuk semula aliran kerja mempunyai hubungan paling kuat dengan kesan terhadap EBIT antara faktor yang dikaji. Hubungan ini memberi petunjuk, tetapi bukan bukti sebab-akibat. 514

Perbezaan itu juga penting ketika mengukur kejayaan. Akses kepada alat, kadar penggunaan dan masa yang dijimatkan boleh menunjukkan bahawa AI sedang digunakan. Namun, ukuran tersebut sahaja tidak membuktikan sama ada perniagaan memperoleh lebih banyak hasil atau membelanjakan lebih sedikit. Jurang yang dilaporkan antara produktiviti peribadi dengan kesan terhadap EBIT menunjukkan mengapa kedua-duanya perlu dipantau. 68

Cara praktikal menghubungkan projek AI dengan nilai perniagaan

Mulakan dengan hasil perniagaan yang khusus

Pilih proses yang mempunyai pemilik bertanggungjawab, yang boleh menerangkan masalah dan hasil yang ingin diuji. Contohnya, mengurangkan kos sesuatu proses perkhidmatan atau meningkatkan kadar penukaran—tetapi sasaran itu perlu sesuai dengan keperluan perniagaan, bukan sekadar mengira aktiviti AI. Tetapkan ukuran asas sebelum proses diubah supaya hasilnya boleh dibandingkan.

Pastikan skop awal cukup fokus untuk dinilai. Proses dan hasil yang ditakrifkan dengan jelas memudahkan pasukan mengenal pasti bahagian yang dibantu AI, keadaan yang masih memerlukan campur tangan manusia dan sama ada perubahan itu wajar diperluas.

Jadikan mutu dan pemilikan data sebahagian daripada kerja

Satu sesi perdagangan di DMEXCO 2026 menggambarkan masalah data produk pembekal yang diterima dalam pelbagai format, dengan label tidak seragam dan maklumat yang tidak lengkap. Tanpa piawaian yang dipersetujui, masalah itu boleh berterusan merentas sistem sehingga memerlukan pembetulan manual. 25

Tetapkan pihak yang bertanggungjawab terhadap mutu data, hasil perniagaan dan keputusan tentang bila output AI perlu disemak. Dalam perdagangan, maklumat produk yang konsisten dan lengkap—termasuk harga yang tepat apabila berkaitan—juga penting apabila pengguna menemui produk melalui pembantu AI, media sosial dan pasaran dalam talian. 273334

Susun semula aliran kerja, bukan sekadar tugas

Teliti keseluruhan proses: apa yang masuk, bahagian yang dikendalikan AI, tempat kelulusan diperlukan dan siapa yang bertindak berdasarkan hasilnya. Jika sesuai, buang atau ubah serahan tugas yang tidak perlu. Namun, pastikan manusia kekal bertanggungjawab terhadap pertimbangan, kes luar biasa dan keputusan yang membawa risiko perniagaan.

Ini bermaksud mengubah cara kerja dilaksanakan, bukan sekadar menambah alat baharu kepada proses sedia ada. Kajian McKinsey mengaitkan reka bentuk semula aliran kerja dengan kesan kewangan yang dilaporkan lebih kukuh; tinjauan 2026 itu tidak membuktikan bahawa reka bentuk semula sahaja akan menghasilkan pulangan tersebut. 514

Ukur hasil dalam bahasa perniagaan

Nilai sama ada perubahan itu memberi kesan kepada hasil, kos, margin atau EBIT—bukan hanya kadar penggunaan, jumlah output atau masa yang dijimatkan. Ambil kira kos pelaksanaan dan semakan manusia, kemudian bandingkan hasilnya dengan ukuran asas. Dengan cara ini, syarikat boleh menguji sama ada peningkatan produktiviti benar-benar sampai ke keputusan kewangan.

Kesimpulannya

Tinjauan itu tidak menawarkan formula yang menjamin pulangan daripada AI. Namun, dapatan tersebut menunjukkan mengapa kadar penggunaan dan produktiviti sahaja belum cukup untuk mengukur kejayaan: responden melaporkan peningkatan produktiviti peribadi yang jauh lebih tinggi berbanding kesan positif terhadap EBIT. Syarikat boleh bertindak dengan memilih kes penggunaan yang fokus, memastikan data boleh dipercayai, menetapkan pemilik yang jelas, menyusun semula aliran kerja dan mengukur hasil kewangan—sambil mengekalkan tanggungjawab manusia terhadap kepimpinan dan pertimbangan. 6814