核心判断如下：AI技术确实正在创造实际价值，但绝大多数企业无法在自身财务报表中清晰捕捉到这份价值。中间缺失的关键并非技术本身，而是一道重要的价值转化环节。

相关数据已充分验证这一观点。数据显示，79%的企业报告观察到AI带来的生产力提升——员工工作效率更高、问题回答更精准、重复性劳动实现自动化。然而，仅约25%的AI项目真正达到了预期的投资回报率（ROI），能够实现企业级规模化落地的更是只有16%。更令人关注的是，仅有约29%的企业自认为能够相对准确地衡量AI的ROI。

MIT Sloan的团队复盘了300个公开部署案例及153份高管调查，给出了一个更直观的数据：95%的生成式AI试点项目，在损益表上未留下任何可衡量的影响。麦肯锡的数据也印证了同一现象：尽管88%的企业都在积极尝试，但超过80%的企业未能从生成式AI中获得可感知的企业级利润影响。

价值已被创造出来，却硬生生地消失在从员工工位到财务账本的过程中。

AI节省的时间，为何未能转化为利润

行业内最常见的默认假设是：只要AI确实有用，效果自然会体现在数据上。节省时间、提升效率，那么财务报表上理应清晰可见。

但问题的核心就在于此：时间本身不会自动进入利润表。

一位员工每天通过AI节省了30分钟。这30分钟本身并非直接盈利，而是形成了一种松弛感——工作节奏不那么紧张，下班时间不再那么晚。但这种松弛要转化为利润，中间必须经历一次具体转化。

举例说明：某个岗位原本因业务增长需新招两人，现在因效率提升只招了一人——节省了实际未发生的招聘成本。客服响应时间从两小时缩短至二十分钟，一个原本可能流失的大客户因此续约——节省的时间变成了保住的续约收入。某个团队因常规工作被AI分担，释放出的产能被投入到一个原本无暇顾及的新项目，这个新项目直接创造了收入。原本需外包处理的加班任务，现在内部按时完成，外包费用被省去。

这四条路径，正是MIT Sloan复盘总结出的下游转化方式：控制招聘规模、保住续约收入、释放产能创收、减少外包和加班支出。

关键在于，这四条路径没有一条是自动发生的。招聘计划是否因效率提升而调整，是HR和业务负责人的决策，而非AI的决定。产能是否重新分配去做新项目，取决于管理层的选择。如果无人主动做出这些决定，那30分钟就只是停留在员工的一天中，随后消散——从财务角度看，什么都没有发生。

为什么生成式AI的价值兑现难度更大

这里有一个更细致的区分，能帮助我们理解“价值难见”这一现象在不同类型AI中发生的概率差异。

一项覆盖1006位高管的调查将AI粗分为四类，询问哪类最有价值。结果显示：分析型AI（用于预测、评分、风险计算等明确输入输出的场景）和规则型AI（按预设逻辑自动执行的系统）合计被超过九成的组织认为最有价值；而生成式AI（写作、对话、总结类工具）和Agent式AI（能自主执行多步操作的系统）加起来仅占一成出头。44%的高管表示，生成式AI是最难衡量ROI的类型。

差别不在于AI的智能程度，而在于这两组AI进入企业的方式完全不同。

分析型AI和规则型AI，天然嵌入企业的核心决策流程中——定价、风控、预测，这些流程本身就有一套既定的对照基线。AI替代或增强了其中一个环节，效果可以直接对照旧基线计算：以前风控模型的误判率是多少，现在是多少，差值就是价值。

生成式AI和Agent式AI大多并非如此进入企业。它们通常是被“加装”在流程旁边的工具——一个聊天窗口、一个写作助手、一个能自动发送邮件的Agent。员工使用它们，确实节省了时间，创造了价值。但由于它们没有嵌入具体的决策节点，缺少“以前怎么做、现在怎么做”的对照基线，这份价值创造出来后，便找不到一个天然的出口走向财务报表。

之前的文章提到，Context决定价值的上限。这里说的是同一问题的另一面：Context不仅决定AI能创造多少价值，还决定这份价值是否有一条现成的路径，能够抵达财务报表。 嵌入决策的AI，天然具备这条路径。旁挂式的AI，则需要有人专门去铺设。

FDE：重新理解价值兑现的核心逻辑

这里需要确立一个判断：AI不会因为产生了价值而拥有ROI，只会因为价值被兑现，才拥有ROI。

这句话背后，是两个经常被混为一谈、实际上完全独立的动作。

价值创造（Create Value），是AI完成的部分。模型给出更准确的预测，员工节省30分钟，客服回复更快。这些都是价值创造，而且大多数时候真实发生了——79%的企业看到生产力提升就是证据。

价值兑现（Realize Value），是组织需要完成的部分。创造出来的价值是否要转化为具体的财务动作——招聘计划是否因此调整，服务水平提升是否被记录进续约谈判，释放出的产能是否被分配去做一件能创收的新事。这一步，AI无法完成，只有组织能够做到。

大多数AI项目“看不见”价值的原因，就是错误地将创造和兑现视为同一件事。以为创造发生了，兑现自然会随之而来。现实是，创造完全可以发生，兑现却完全可能缺失——就像一笔钱，虽然赚到了，但没有人把它存入账户，它只是账面上一个模糊的印象，而非一个可用来使用的数字。

四条转化路径——控制招聘、保住续约、释放产能创收、减少外包支出——并非本文的核心，它们是价值兑现的具体机制。核心是那个更早的判断：在AI开始创造价值之前，就要决定这份价值准备走哪条路兑现，谁负责确认它真的走到了。这个决定，必须在项目启动的第一天做出，不能等到项目结束后再去财务报表里寻找答案——因为如果没有提前设计，答案根本不存在。

如果本文解释的是为什么价值证明越来越难，那么之前的文章则回答的是如何设计一套能够证明价值的机制——基线何时建立，价值分几个层次衡量，面对CFO、业务负责人、技术决策者分别用什么语言汇报。本文给出的是行业现象与判断。两篇合在一起，才是完整的价值兑现方法论。

写在最后

AI创造价值，组织兑现价值。这是两个动作，两个责任方。

只完成第一个动作，会得到一堆真实但零散的效率提升，员工都说好用，财务报表上却什么都看不见——这正是今天大多数企业所面临的处境。只有两个动作都做到位，价值才能真正、可证明地，从员工的日常工作中，走到公司的账本上。