【文章来源：金十数据】
在人工智能 （AI） 浪潮开始后的近三年时间里，商业技术领导者们开始改变他们对投资回报率 （ROI） 的看法。新的智慧是：不必过度担心 AI 的投资回报率。
自从 AI 从早期实验阶段转向更成熟的应用实现后，投资回报率一直让首席信息官 （CIO） 们感到困惑。然而，尽管AI仍在快速发展，CIO们逐渐认识到，传统的方式已无法有效衡量这项技术的收益。
在周二的 《华尔街日报》 领导力学院技术委员会峰会上，技术领导者们表示，仅仅在某些地方提高几分钟的效率，并不足以成为衡量 ROI 的有意义方式。
一些与会者表示，衡量 AI 工具带来的生产力提升几乎是不可能的，他们更倾向于聚焦于追踪少数关键的 AI 项目，或者专注于创新。
「对于最具影响力的商业机会或产品，你必须通过 AI 来真正加倍创新，而不是单纯关注生产力提升，」 BlackLine董事会成员、微软(MSFT.O)前首席 AI 技术官Sophia Velastegui在活动中说道。
即使在软件工程领域——生产力提升通常被认为更直接——像AI编写的代码量这样的衡量标准，也不一定等于更高效的劳动力，技术领导者们表示。
「你能衡量的所有东西都只是一个代理，而不是真正的东西，任何你真正关心的事情其实无法衡量，」多邻国(DUOL.O) 联合创始人兼首席技术官Severin Hacker在活动中说道。
此外，大多数 AI 项目仍处于概念验证阶段，这个阶段的目标是探索可能性，而不是推动投资回报。很少有项目能够从这个阶段脱颖而出，这也是预期中的结果，因为这一过程旨在筛选出最好的创意。
「你不能指望在试点阶段或甚至在公司单元级别看到显著的生产力提升。显著的生产力提升需要实现规模化，」麦肯锡全球研究院高级合伙人兼董事Lareina Yee在四月表示。
与其担心从 AI 试点中推动ROI，企业应该专注于识别最有前景的少数AI项目，并确保它们的组织结构、人才、治理和数据基础设施足以支撑项目的规模化。
一些专家表示，只有在 AI 项目规模化，或者在整个组织范围内扩展后，大多数企业技术领导者才能确定这项技术的真正投资回报率。
衡量 AI 投资回报的另一种方式是采用自上而下的方法，要求技术领导者从一开始就为这项技术设定商业目标，然后确定 AI——或其他技术——是否能够帮助实现这些目标。
与这种方法一致，企业技术领导者们开始将 AI 项目的管理集中化，而不是让所有员工自由试验这项技术，部分与会者表示。
强制或过度推动全公司范围内的 AI 实验可能会导致「为了AI而使用AI」，多邻国的 CTO Hacker 说道。
然而，完全取消 AI 实验——特别是在这项技术仍在发展的过程中——可能会牺牲鼓励公司各个部门进行创新的机会，福特汽车(F.N)AI 总监Bryan Goodman表示。
「平衡聚焦几个关键领域与进行实验和学习，甚至有时冒险是非常重要的，」 Goodman在活动中说道。「最终，正是这些地方创造了价值。」
