AI成本节约远低预期，贝恩直言“高管该睡不着了”

这种表现不佳并非局限于某个特定行业。调查横跨零售、科技、先进制造业等数个领域，所有这些行业都呈现出类似的成本节约效果不佳的模式 。考虑到72%的企业将成本节约视为衡量自动化的核心指标，但许多公司并未在规模化层面看到这些数字成为现实，这使问题变得尤为严峻 。

令人不安的结构性问题

调查所揭示的核心结构性问题在于，企业正在用尚未到手的节约来为下一步的AI投资买单。许多高管批准增加AI支出的明确逻辑是，自动化将带来抵消性的成本削减；然而，当这些预期的节约落空时，整个资金模式就显得岌岌可危 。

这一现象是贝恩在其B2B增长议程研究中观察到的更大模式的一部分。企业在预计2026年将实现比前一年高出20%的营收增长率时，许多人却缺乏实现这些目标所需的AI能力和数据基础。60%的受访领导承认，他们不具备有效规模化AI所需的数据基础设施或技术 。

数据也印证了这种焦虑。首席财务官（CFO）们正计划大幅增加全企业的AI支出：83%的CFO预计在未来两年内将AI预算增加15%以上，其中42%的人计划在此期间增加30%或更多 。然而，目前只有约23%的受访高管能够明确指出，生成式AI带来了可量化的收入或成本成果 。这种激进的支出增长与不温不火的真实回报之间的不对称，正是贝恩所指出的令人不安的结构性现实。

贝恩的破局之道

贝恩的研究及过往分析表明，解决方案并非缩减AI投资，而是要从根本上改变企业从中追求节约的方式。该机构建议，企业应停止将AI当作一个能自动实现成本缩减的“外挂”来对待。在另一项独立分析中，贝恩认为，“仅靠提高生产率，无法为投资生成式AI的公司创造投资回报率” ，而“领先公司正通过将端到端流程重塑与生成式AI工具部署相结合，实现最高25%的成本节约” 。

具体来说，这意味着要将AI嵌入到更广泛的运营改革中，而不是简单地在现有工作流上叠加应用。贝恩关于自动化的研究已证明了这一点：那些在自动化上投入最大的公司——即至少将20%的IT预算投入自动化——平均实现了22%的成本节约；相比之下，投资不到5%的企业平均节省不到8% 。表现最佳的企业不仅部署了更多的AI，而且他们是在经过重塑的流程中部署AI，这些流程旨在消除无效劳动，而不仅仅是加快现有步骤 。

贝恩还强调，业务增长的优胜者比落后者部署了多得多的用例——平均4.5个对3.3个——并且在任何给定用例上实现了近乎两倍的成本效率 。该机构更广泛的建议是，停止仅以部署成果来衡量AI的成功，转而将其与明确定义的流程和财务成果挂钩，并由60%的企业目前所缺乏的数据与技术架构来支撑 。

未来AI预算的走向

这份于2026年6月1日发布的贝恩调查，出现在一个企业AI支出正加速增长的时刻，尽管ROI对大多数公司来说仍然遥不可及。贝恩自己也曾单独计算过，到2030年，为满足AI需求所需的全球算力建设，可能需要每年5000亿美元的资本投资和2万亿美元的新增年收入才能持续供血——这是一个连最乐观的节约预测都无法企及的数字 。因此，当前的节约目标落空，不仅仅是一个战术层面的失望，更是一个警告：对许多公司而言，支撑企业级AI的资金模式正走在一条不可持续的道路上。

这份调查中最紧迫的启示是：企业不能再用“先相信，后看见”的方式来对待AI投资，更不能指望那些永远不会到来的电子表格里的节约数字。相反，他们需要重建雄心与运营现实之间的桥梁，从流程重塑开始，并以清醒的头脑去衡量，那些承诺的成本缩减是否真正反映在了损益表中。