沒人告訴你的事：為何生成式AI在企業落地六個月內常常無法實現ROI

在企業中，生成式AI的採用似乎是個顯而易見的選擇，然而現實卻通常不如預期。在試點後的六個月內，能夠展現正向gen ai roi的案例寥寥無幾。這篇文章將深入探討這個現象背後的原因。

生成式AI落地的六個月真相

多數公司在導入生成式AI後的六個月內看不到明顯的投資回報，這已不再是個秘密。根據NANDA報告指出，只有約5%的gen AI專案能夠從試點進階至生產階段並產生可衡量的金錢價值。這不禁讓人質疑，問題究竟出在何處？

期待過高與衡量不明

企業普遍對生成式AI懷抱著不切實際的期待。許多高層希望AI能立刻帶來劇烈的商業變革，卻忽略了AI技術仍在初步階段，尚需時間磨合。NANDA研究指出，約有52次結構化訪談及153位高層問卷的結果顯示，衡量標準不清明可能是失敗的主因之一。從投資報酬率上看，短期內的數據常會導致企業判定專案失敗。
> “在95%的案例中，生成式AI無法在短期內產生財務上的顯著變化。” 來源

NANDA報告的關鍵數據

研究方法與統計結果

根據NANDA報告，研究共採用了52次結構化訪談，分析了300多個公共AI計畫和公告，並有153位企業領導者參與問卷調查。數據顯示，從試點到生產階段能維持並展示有效ROI的專案僅占5%。

短期衡量的弊病

研究特別強調，短期內的數據並不可靠，然而，企業常以六個月內的ROI作為決策的依據，這樣的判斷極易低估長期效益。

試點到生產的落差證據

若以數據觀之，多數生成式AI專案常停留於試點階段，90%的員工表示個人得到了AI的益處，然而只有少數專案能在組織層面帶來金流改善。

後台自動化的成效與挑戰

– 有效案例多見後台自動化：後台自動化是少數可以減少第三方代理與BPO需求的領域，因而更容易實現正向的gen ai roi。
– 情境學習能力不足：多數系統缺乏情境學習能力及長期記憶，需手動輸入大量上下文資料，這成為從試點向大規模部署的主要瓶頸。

學習型AI與衡量指標的下一步

長期效益的累積

企業未來需與提供學習型及深度整合系統的廠商建立策略性夥伴關係。至關重要的是，企業應重設KPI和衡量指標，從短期ROI轉向持續學習和效率累積。這些策略如能在試點階段同步進行，預計投資回報在六個月後可望有所改善。
> “學習型、深度整合系統將為供應商帶來前所未有的機會。” 來源

設計能產生ROI的企業試點

為提升成功率，企業應在試點階段明確設定KPI與衡量指標，優先選擇後台自動化場景並評估情境學習能力需求。結合策略夥伴和明確的pilot to production路徑，企業將更容易實現可量化的gen ai roi。
綜合以上，即使生成式AI的應用面臨許多挑戰，通過更長期的眼光和謹慎的規劃，企業仍有可能在未來贏得成功。