• 成本不斷上升，但冇清晰嘅ROI模型——AI基建成本好大（包括運算、API、整合、持續維護同人為監督），而且好多時會失控。90%嘅CIO話AI成本已經限制咗佢哋最大化價值嘅能力。
• 商業價值不明——好多項目做完概念驗證之後就放棄，因為公司冇辦法證明佢對盈利有實際影響。
• 數據質素差同風險控制不足——管治薄弱、數據問題同風險管理唔夠，導致項目失敗。Gartner預測，去到2026年，企業會放棄60%缺乏AI-ready數據支持嘅AI項目。
• 「Agent洗白」同用例偏離——企業為做AI而做AI，冇一個有紀律嘅商業案例，最終導致失敗。Gartner分析師Anushree Verma話，好多供應商將現有嘅聊天機械人重新包裝做AI Agent，但根本俾唔到實際成果。

呢啲發現同Gartner另一個2026年4月嘅估算一致：57%嘅IT基建同營運經理至少有一個AI項目失敗經驗，而喺呢個範疇入面，每五個AI項目就有一個完全爛尾。

支出同回報脫節：多個來源證據

多個主要來源都印證緊AI巨額投資同實際商業成果之間嘅差距愈來愈大：

Goldman Sachs（2026年8月）： 策略師Ben Snider話AI支出急升，但科技未為大部分公司帶嚟顯著嘅盈利改善。只有2%嘅S&P 500公司量化到AI對盈利嘅影響，大部分公司話冇乜即時好處。分析師Jessica Rindels估計，2026年美國AI投資總額接近6000億美元，相等於GDP近2%，但經濟增長嘅證據仍然薄弱。

Goldman Sachs（2026年5月）： 分析師Jim Covello指出大部分企業仲未從AI支出中產生任何回報，引用MIT研究發現95%嘅企業AI試點項目冇任何可計量嘅利潤影響。Covello認為AI嘅經濟效益「比兩年前更加有疑問」。

Goldman Sachs（2026年7月）： 經濟學家Jan Hatzius同分析師David Peng提出現實檢查——AI採用同生產力回報可能需要比市場預期更長嘅時間。佢哋嘅分析顯示生產力影響跟隨J-curve：頭四年有輕微拖累，八年後先有統計上顯著嘅增長，到第12年先達到高峰約0.6個百分點。如果2022年ChatGPT推出相當於1981年PC誕生，咁回報仲要等好幾年。

McKinsey（2026年）： 少過20%嘅企業AI部署展示到可量度嘅商業影響。

Sequoia Capital： 指出AI投資同回報之間大約有6000億美元嘅收入差距。

雲端巨頭現金流風險： Goldman Sachs警告，四大雲端供應商（Amazon、Alphabet/Google、Microsoft、Meta）總計將會用超過佢哋成個營運現金流嚟投資AI基建，但冇證明到企業ROI值得咁樣投資。呢四間公司2026年嘅總資本開支預計約為6500億美元。

項目失敗嘅原因：唔係技術問題

所有主要分析都有一個一致發現：AI項目失敗係組織同策略問題，唔係技術問題。模型幾乎從來唔會出事，但商業案例、數據基礎同成本控制就會出事。

Gartner指出三個主要失敗模式：成本不斷上升但冇清晰ROI模型、商業價值不明、以及風險控制不足。正如一位Gartner分析師咁講：「依家大部分agentic AI項目都係早期實驗或概念驗證，主要係受炒作驅動，而且好多時用錯地方」。

後果已經睇到。Gartner預測，到2028年，70%嘅AI項目會因為成本失控同價值偏離而被迫終止，尤其係喺缺乏專門AI財務管理實踐嘅組織入面。

對企業領袖嘅啟示

Gartner、Goldman Sachs、McKinsey、MIT同Sequoia嘅研究模式好一致：AI支出處於歷史高位，但絕大部分企業仲未能夠證明呢筆支出帶嚟可量度嘅盈利回報。好多已經開始縮沙，或者項目卡喺試點階段過唔到關。

對於投資AI嘅企業，研究指出一條清晰嘅前路：鎖定一個有可量度成本或品質影響嘅具體營運瓶頸，針對呢個問題建立AI方案，嚴格量度實施前後嘅影響，然後只係擴展有實際成效嘅項目。如果一個項目由一開始就冇建立清晰嘅ROI指標，咁佢好難喺即將來臨嘅「清算」中生存。

• 成本不斷上升，但冇清晰嘅ROI模型——AI基建成本好大（包括運算、API、整合、持續維護同人為監督），而且好多時會失控。90%嘅CIO話AI成本已經限制咗佢哋最大化價值嘅能力。
• 商業價值不明——好多項目做完概念驗證之後就放棄，因為公司冇辦法證明佢對盈利有實際影響。
• 數據質素差同風險控制不足——管治薄弱、數據問題同風險管理唔夠，導致項目失敗。Gartner預測，去到2026年，企業會放棄60%缺乏AI-ready數據支持嘅AI項目。
• 「Agent洗白」同用例偏離——企業為做AI而做AI，冇一個有紀律嘅商業案例，最終導致失敗。Gartner分析師Anushree Verma話，好多供應商將現有嘅聊天機械人重新包裝做AI Agent，但根本俾唔到實際成果。

呢啲發現同Gartner另一個2026年4月嘅估算一致：57%嘅IT基建同營運經理至少有一個AI項目失敗經驗，而喺呢個範疇入面，每五個AI項目就有一個完全爛尾。

支出同回報脫節：多個來源證據

多個主要來源都印證緊AI巨額投資同實際商業成果之間嘅差距愈來愈大：

Goldman Sachs（2026年8月）： 策略師Ben Snider話AI支出急升，但科技未為大部分公司帶嚟顯著嘅盈利改善。只有2%嘅S&P 500公司量化到AI對盈利嘅影響，大部分公司話冇乜即時好處。分析師Jessica Rindels估計，2026年美國AI投資總額接近6000億美元，相等於GDP近2%，但經濟增長嘅證據仍然薄弱。

Goldman Sachs（2026年5月）： 分析師Jim Covello指出大部分企業仲未從AI支出中產生任何回報，引用MIT研究發現95%嘅企業AI試點項目冇任何可計量嘅利潤影響。Covello認為AI嘅經濟效益「比兩年前更加有疑問」。

Goldman Sachs（2026年7月）： 經濟學家Jan Hatzius同分析師David Peng提出現實檢查——AI採用同生產力回報可能需要比市場預期更長嘅時間。佢哋嘅分析顯示生產力影響跟隨J-curve：頭四年有輕微拖累，八年後先有統計上顯著嘅增長，到第12年先達到高峰約0.6個百分點。如果2022年ChatGPT推出相當於1981年PC誕生，咁回報仲要等好幾年。

McKinsey（2026年）： 少過20%嘅企業AI部署展示到可量度嘅商業影響。

Sequoia Capital： 指出AI投資同回報之間大約有6000億美元嘅收入差距。

雲端巨頭現金流風險： Goldman Sachs警告，四大雲端供應商（Amazon、Alphabet/Google、Microsoft、Meta）總計將會用超過佢哋成個營運現金流嚟投資AI基建，但冇證明到企業ROI值得咁樣投資。呢四間公司2026年嘅總資本開支預計約為6500億美元。

項目失敗嘅原因：唔係技術問題

所有主要分析都有一個一致發現：AI項目失敗係組織同策略問題，唔係技術問題。模型幾乎從來唔會出事，但商業案例、數據基礎同成本控制就會出事。

Gartner指出三個主要失敗模式：成本不斷上升但冇清晰ROI模型、商業價值不明、以及風險控制不足。正如一位Gartner分析師咁講：「依家大部分agentic AI項目都係早期實驗或概念驗證，主要係受炒作驅動，而且好多時用錯地方」。

後果已經睇到。Gartner預測，到2028年，70%嘅AI項目會因為成本失控同價值偏離而被迫終止，尤其係喺缺乏專門AI財務管理實踐嘅組織入面。

對企業領袖嘅啟示

Gartner、Goldman Sachs、McKinsey、MIT同Sequoia嘅研究模式好一致：AI支出處於歷史高位，但絕大部分企業仲未能夠證明呢筆支出帶嚟可量度嘅盈利回報。好多已經開始縮沙，或者項目卡喺試點階段過唔到關。

對於投資AI嘅企業，研究指出一條清晰嘅前路：鎖定一個有可量度成本或品質影響嘅具體營運瓶頸，針對呢個問題建立AI方案，嚴格量度實施前後嘅影響，然後只係擴展有實際成效嘅項目。如果一個項目由一開始就冇建立清晰嘅ROI指標，咁佢好難喺即將來臨嘅「清算」中生存。