本站 6 月 1 日消息，彭博社今天发布的一则报道，引出了一份值得所有企业决策者认真审视的报告——贝恩咨询公司对全球大型企业的最新调查显示，通过AI和自动化来降成本，实际效果远没有想象中那么理想。

这份调查是在今年4月完成的，覆盖了951家营收超过1亿美元（约合6.77亿元软妹币）的企业，横跨零售、科技、先进制造、医疗保健、消费品、能源、金融、电信、保险九大行业。样本量足够大，行业覆盖足够广，结论的参考价值自然不低。

关键数字来了：40%的受访企业表示，应用AI后成本降幅仅达到10%或以下。而多数企业当初上马AI项目时，期望的降本幅度显然更大。贝恩在报告中的措辞相当直接：“上一轮AI浪潮的表现未达预期，能够释放的降本空间比想象中小。而当前一轮的投资逻辑，确实建立在数字预测而非真实成果上。”——这话翻译过来就是：很多公司对AI的期望值，可能有点一厢情愿。

报告还透露了一个有趣的对比：一部分企业已经在用已有的降本成果大举投资生成式AI和AI智能体，但更多的企业连降本目标都还没兑现。44%的受访公司表示，未来会把“AI支持”列为节约成本的重要举措之一。这说明行业信心仍在，但现实差距也不小。

那么，问题到底出在哪？贝恩认为，根本原因在于多数企业无法可靠地获取和使用自身的数据。换句话说，很多公司并不缺AI模型，缺的是有效的数据基础设施。数据散落、质量参差、无法打通，再好的模型也难为无米之炊。

对此，贝恩给出了一个务实建议：企业不必等到所有数据都完成结构化之后才部署AI。正确的做法是——先拿手头已经能获取的数据训练模型、部署应用，再借助AI本身去整理和分类剩余的数据资源。先跑起来，再优化，而不是原地等待完美条件。