在不确定的市场中最关键的技术投资

两年前，关于 AI 的大多数讨论都围绕投资是否值得冒险展开。这个问题已经有了答案。现在更难的是钱该投向何处，以及投多少。

我经常在中型市场的领袖和私募股权运营者中看到这种情况。他们大多数已经完成了试点阶段，几乎在每个职能上都尝试了一些东西。现在的区别在于哪些试点已经成为业务实际运作的一部分，哪些仍然是从未进入日常运营的旁路项目。

最近在 MIT Sloan Management Review捕捉到了同样的转变，只是视角不同：尽管数十年在技术上的投资，许多组织仍未看到显著回报，研究指出关键不在于工具本身，而在于真正能够使用这些工具的员工以及围绕学习构建的文化。我甚至更进一步：购买工具不再是难点。构建能够让工具真正产生价值的人才、技能和组织能力，才是现在决策和挑战所在。

领先公司的支出方式为何不同，而不仅仅是更多

人们日益误以为技术投资等同于购买最新平台，但实际上很少如此。 组织在明确预算前要解决的业务问题时才能成功。这是我们 曾经提出的: 即使是最先进的工具，没有底层的数据基础也无法产生显著影响。

这与我们直接在 Esquire Depositions（受 Gridiron Capital 支持的法律服务公司）看到的情况相吻合，该公司企业价值提升了 10%，这并非因为在原有基础上添加了新平台，而是通过集中数据并标准化多年来各团队零散构建的流程实现的。工具本身不如其底层基础重要。

决定规模扩张的四大基本要素

我与 CEO 或运营合伙人的每一次技术对话最终都会归结为同一个决定：扩大、修复或停止。根据我的经验，有四个要素区分这三种结果。

• 有人负责。 每个项目都需要有对其结果负责的个人，而不是委员会或轮换的赞助人。
• 其底层数据可信。 AI 和自动化的效果取决于所输入的数据。数据不一致、孤立会把有前景的工具变成人们绕开的东西。
• 人们日常真的在使用它。 采用并非因为平台上线而自然发生，而是工具契合了已有的工作方式，或有人花时间围绕它重新设计工作流程。
• 结果可衡量且关联具体指标。 收入、成本、周期时间、客户体验。应在构建之前选择其中一项，而不是事后再决定。

将任何事物套用这四点，决策往往会自行明朗。我会扩大那些已有负责人、可靠数据和真实采用的项目。会继续审视那些解决了真实问题但在日常使用中仍显笨拙的项目。对于主要依赖热情或活动指标、且没有人基于仪表盘做出决策的项目，我会停止。

该削减什么，何种需要保护

同样的纪律同样适用于预算本身，双向进行。

削减方面: 没有负责人负责的试点、由三个不同团队为同一任务购买的重复工具、无人登录的许可证、从未与下游系统对接的数据项目。这些不仅浪费资金，还增加了复杂性，拖慢了下一个真正的项目。每一个都比关闭更容易继续获得资金，这正是它们堆积的原因。

保护方面:网络安全、数据质量、集成工作、真正使业务差异化的面向客户的体验，以及已经在日常运营中发挥价值的 AI 用例。培训也应列入此清单。它是公司最被低估的技术投资之一，也是预算紧张时最容易被忽视的。

这些投资比启动新的 AI 项目更为低调。新闻稿不会因为“我们修复了数据管道”而自动出现。但低调并不代表规模小。流程自动化正是目前大量安静资金流向的领域，因为它足够具体，能够产生明确的投资回报率。我们设计并构建了一个工作流，使一家贷款公司的内部合规团队从手动审查 30% 的客户通话，转变为自动审查全部通话，弥补了其余 70% 带来的真实风险，因为监管将每通通话视为单独违规，价值在 500 至 1500 美元之间。 

我们最近交付的另一项自动化项目削减了会计事务所最低利润、最高产出的手动数据录入工作，使员工能够在不增加人手的情况下承担更高价值的客户工作。这两项都没有涉及炫目的 AI 产品发布。每个项目都解决了单一、具体的流程，并在业务中复制扩展，这类针对性改进累积起来就是公司看到的最大投资回报之一。

有目的的投资

不确定性让高管变得谨慎，这是一种合理的本能。当前领先的公司仍在积极投入，但有意识地将资源集中在强化运营、提升决策、以及让 AI 能在季度末交付可见成果的能力上。

我认为在未来几年中超越同行的公司并不会是拥有最大技术预算的企业，甚至在今天这也未必成立。根据我帮助公司进行数字化转型的经验，真正的投资回报归结为两点：准确了解投资能够产生最大价值的所在（无论是业务运营方式、差异化因素，还是客户实际体验的产品与服务），以及事先定义可衡量的关键绩效指标，使影响保持可见。这种纪律将真实回报与昂贵的噪音区分开来。