【经管讲堂·AI经管实践】瑞银调查：60%企业设「护栏」控制AI支出——企业AI治理的新课题

案例背景

2026年6月，瑞银集团（UBS）发布了一份针对全球500强企业的AI支出调查报告。报告揭示了一个令人意外的趋势：尽管企业对AI的投资热情高涨，但60%的受访企业表示已经或正在设立「护栏」机制来控制AI支出，防止AI投资失控。这些护栏机制包括预算上限、项目审批流程、ROI评估门槛、技术采购白名单等多种形 Forms。

报告指出，2024-2026年间，全球企业在AI领域的投资增长了320%，但同期AI项目的平均ROI却从1.8下降至1.2。这意味着，企业对AI的投入在大幅增加，但产出效益却在下降。许多企业陷入「AI军备竞赛」，盲目跟风投资AI，却缺乏清晰的战略和评估体系。瑞银的调查显示，设立护栏机制的企业，其AI投资的ROI平均比未设立护栏的企业高出40%。

这一调查引发了企业界对AI治理的广泛讨论。如何在鼓励AI创新和控制AI支出之间取得平衡？如何建立科学的AI投资评估体系？「护栏」是否会影响企业的AI创新能力？这些问题成为CEO、CFO、CDO（首席数字官）们必须面对的新课题。

核心分析

一、AI投资的ROI评估困境与治理框架

AI投资之所以难以评估ROI，根本原因在于AI项目的收益具有高度的不确定性和滞后性。传统的IT投资项目，如ERP系统、CRM系统，其收益可以相对准确地预测：节省多少人力、提高多少效率、减少多少错误。但AI项目的收益往往是非线性的、涌现性的。一个看似失败的AI实验，可能在未来某个时刻突然产生巨大价值；而一个看似成功的AI项目，可能在部署后迅速失效（因为数据分布发生了变化）。

此外，AI的收益往往是「间接收益」。例如，一个推荐系统AI，其直接收益是点击率和转化率的提升，但间接收益可能包括客户满意度的提高、品牌忠诚度的增强、客户生命周期价值的增长。这些间接收益难以量化，却又往往是AI投资的真正价值所在。

为了应对这一困境，企业需要建立新的AI投资评估框架。这一框架应该包括：短期可量化的「硬指标」（如效率提升、成本节约）和长期难以量化的「软指标」（如客户体验、品牌价值、组织能力）。同时，应该采用「组合投资」的思路，将AI投资视为一个投资组合，而不是单个项目的集合。在这个组合中，有些项目可能失败，但只要有几个项目成功，整体ROI就可以接受。

瑞银调查中提到的「护栏」机制，本质上是一种AI投资的「治理框架」。这一框架包括：事前审批（哪些AI项目可以投资）、事中监控（AI项目的进展情况）、事后评估（AI项目的实际收益）。通过建立这一框架，企业可以避免AI投资的「野蛮生长」，提高投资效率。

二、AI护栏机制的类型学：技术护栏vs管理护栏

瑞银调查将企业的AI护栏机制分为两大类：技术护栏和管理护栏。技术护栏是指通过对AI技术本身的控制来限制支出，例如：建立AI模型库，只允许使用经过审批的模型；建立AI算力池，所有AI项目必须共享算力资源，避免重复建设；建立AI数据治理平台，规范数据的采集、存储、使用，避免数据孤岛和数据冗余。

管理护栏则是指通过管理制度和流程来控制AI支出，例如：设立AI投资委员会，所有超过一定金额的AI项目必须经过委员会审批；建立AI项目分级制度，根据战略重要性和风险等级将AI项目分为A、B、C三类，不同类别适用不同的审批流程；建立AI支出预算制度，将AI支出纳入年度预算，超预算必须经过特殊审批。

技术护栏和管理护栏各有优劣。技术护栏的优点是「硬约束」，一旦建立，AI项目就很难绕过；缺点是可能限制技术创新，因为新的AI技术可能不在已审批的模型库或算力池中。管理护栏的优点是灵活性强，可以根据具体情况进行调整；缺点是「软约束」，容易受到人为因素的影响，可能导致护栏机制形同虚设。

最佳实践是「技术护栏+管理护栏」的双层防护。技术护栏提供基础的技术标准和资源约束，管理护栏提供战略方向和风险控制。两者相辅相成，既保证了AI投资的可控性，又保留了必要的创新空间。

三、AI支出从「不计成本」到「精益化」的范式转换

2023-2024年，企业对AI的支出态度是「不计成本」。那时候，AI被视为「必须占领的高地」，企业担心如果不大力投资AI，就会被竞争对手甩开。这种「FOMO」（Fear of Missing Out）心理导致了AI投资的泡沫化。许多企业盲目采购GPU、聘请AI人才、启动AI项目，却缺乏清晰的战略思考。

2025年下半年开始，企业逐渐从「不计成本」转向「精益化」。这一转变的背后，是AI投资回报的期望与现实之间的落差。许多企业发现，AI并没有像预期那样带来巨大的商业价值，反而消耗了大量的资源。于是，企业开始反思：AI投资到底应该投什么？怎么投？如何衡量投资效果？

「精益化」的AI投资范式，强调「小步快跑、快速迭代、数据驱动」。具体来说：第一，从「大项目」转向「小实验」。不再一开始就启动耗资巨大的AI转型项目，而是先从小规模的AI实验开始，验证价值后再扩大规模。第二，从「技术驱动」转向「业务驱动」。不再为了AI而AI，而是从业务问题出发，寻找AI可以解决的痛点。第三，从「内部开发」转向「外部合作」。许多AI能力（如大模型、视觉识别、语音处理）可以通过API调用获得，无需自己从头开发。

瑞银调查显示，采用「精益化」投资范式的企业，其AI支出的效率（单位支出产生的价值）是「不计成本」范式企业的2.3倍。这一数据有力地证明了范式转换的必要性。

管理启示

第一，AI投资需要「护栏」，但护栏的设计需要平衡「控制」与「创新」。过于严格的护栏可能扼杀创新，过于宽松的护栏则可能导致资源浪费。企业应该根据自身的AI成熟度、行业特点、战略定位，设计适合自己的护栏机制。

第二，建立科学的AI投资评估体系。这一体系应该兼顾短期可量化指标和长期战略价值，兼顾直接收益和间接收益。同时，应该采用组合投资的思路，允许一定程度的失败。

第三，推动AI支出从「不计成本」到「精益化」的范式转换。鼓励小实验、快速迭代、业务驱动、外部合作。避免AI投资的「面子工程」和「军备竞赛」。

第四，加强AI治理的组织保障。设立AI投资委员会、AI风险管理委员会等治理机构，明确AI投资的决策流程和责任归属。将AI支出纳入内部审计范围，定期评估AI投资的效果。

其他思考

1. 当60%的企业设立AI支出护栏时，剩余40%未设立护栏的企业，是因为它们对AI投资更有信心，还是因为它们尚未意识到AI支出的失控风险？
2. AI护栏机制是否会导致企业的AI能力趋同？如果所有企业都使用类似的审批流程、技术标准、评估体系，是否会降低AI创新的多样性？
3. 从宏观经济视角看，企业AI支出的「精益化」是否会导致AI产业链的重新洗牌？那些依赖企业「不计成本」支出而生存的AI服务商，将如何应对这一趋势？

关键词：AI治理，AI投资ROI，护栏机制，精益化投资，AI支出控制

来源：财新网