企业的人工智能(AI)战略正迅速从"可能性"转向"盈利性"。现场负责人的关注焦点也不再是技术演示，而是转向了实际成本能带来多明确的成果。
美国数据分析企业Qlik Technologies的首席执行官(CEO)迈克·卡蓬在最近的"Qlik Connect 2026"活动上表示："AI已不再是新奇事物，而是'创造价值'的问题。""企业正在AI上投入大量资金，但现在首席财务官们开始追问'这些费用流向何处，能带来何种价值'。"
此番发言再次确认，企业引入AI不应停留在试点阶段，而必须转向能产生可重复成果的运营体系。尤其关键的是，若缺乏可靠的数据基础和治理框架，将难以证明AI投资效果。
预算增加但缺乏ROI体系
根据Qlik的2025年"智能体AI"调查，97%的企业已编制智能体AI预算，但拥有明确投资回报率框架的企业仅占19%。这意味着AI预算执行进展迅速，但衡量和说明成果的体系却远远落后。
卡蓬CEO解释称，许多企业在经历试错后才切身感受到数据基础设施的重要性。他表示，客户企业在遭遇失败后得出结论："必须重建可信的数据平台，并优先建立AI数据管道、质量管理和治理体系。"他说明，这个过程通常很痛苦，但之后便会产生可重复的成果。
这也与近期市场整体趋势相吻合。随着生成式AI和自动化技术快速普及，相较于单纯是否引入，在实际运营过程中能否稳定产出成果，正成为企业竞争力的核心指标。
HelloFresh将AI应用于物流异常管理
Qlik的客户企业HelloFresh SE被介绍为这种方法的案例。这家全球餐包配送企业利用Qlik Predict，通过预先识别可能出现配送问题的订单并执行自动恢复措施，来应对物流异常情况。
HelloFresh的数据与运营系统负责人埃德·邓泽解释说，在此过程中，AI创造了可衡量的成果，体现在客户保留率的改善上。他特别指出，关键在于利益相关者认为模型无需"完美"，只要能为业务和客户带来更好的结果，便已具备足够的AI价值。
他表示，人工判断时常常会推迟决策直至掌握更多事实，而AI则能在预设的风险限度内更快采取行动。结果便是抓住了可能因应对延迟而错失的客户体验改善机会。
AI价值核心在于"可信运营"而非速度
此次讨论表明，AI竞争并非单纯的技术引入速度之争。在实际市场中，只有数据质量、控制体系和成果衡量标准齐备，AI价值才能以数字形式得到证明。
最终有解读认为，企业AI战略的成败，不取决于"进行了多少实验"，而在于"在多么可靠的数据基础上创造了多少可重复的成果"。在AI投资持续扩大的背景下，未来企业的关注点很可能更聚焦于可验证的运营成果和ROI证明，而非引入新模型。
TP AI 注意事项 使用基于TokenPost.ai的语言模型对文章进行了摘要。正文的主要内容可能被省略或与事实不符。