各位CIO、CEO和財務(wù)高管：
汽車廠商宣傳的油耗數(shù)據(jù)與實際駕駛存在差異，消費者在購車時要理性看待這些數(shù)據(jù)，不要過于迷信廠商的宣傳。
類似的模式也出現(xiàn)在關(guān)于人工智能（AI）生產(chǎn)力的討論中。
無論是來自大型咨詢報告、急于推銷的供應(yīng)商，還是CEO緊急請求的ROI（投資回報率）預(yù)測，估計幾乎總是描繪出過于樂觀的畫面。紙面上看起來很棒，但實際操作中很少能站得住腳。
作為一名睿信咨詢AI與數(shù)據(jù)轉(zhuǎn)型戰(zhàn)略顧問，針對人工智能（AI）生產(chǎn)力要以一種更好的方式來設(shè)定現(xiàn)實的期望，一種既能平衡潛力的興奮感，又能兼顧執(zhí)行紀(jì)律的方法。這種做法的靈感并非來自技術(shù)，而是來自金融學(xué)的“貼現(xiàn)”（Discounting）概念。
我們首先要做的“折扣”，是剔除AI的神話。
【折扣一：人力努力貼現(xiàn) (Human Effort Discount)】
金融邏輯：在估值時，你不會簡單地把未來現(xiàn)金流相加，你必須對它們進(jìn)行貼現(xiàn)以反映時間和風(fēng)險。
AI邏輯：生成式AI更像是加速器，而非自動駕駛。人類依然是構(gòu)建問題、指導(dǎo)模型和驗證輸出的關(guān)鍵。
【實戰(zhàn)數(shù)據(jù)】在一項客戶試點中，我們發(fā)現(xiàn)工程師大約有四分之一的時間用于審查或重寫AI生成的代碼。結(jié)果：凈生產(chǎn)率提升接近40%，而非供應(yīng)商常引用的理論翻倍（100%）。
睿信咨詢戰(zhàn)略教訓(xùn)：人工智能放大人才，但不能取代人類判斷。你的預(yù)測必須考慮人類的“驗證時間”。
要獲得一個可信、可規(guī)劃的ROI數(shù)字，你需要應(yīng)用額外的兩個折扣：
【折扣二：漸進(jìn)采用曲線貼現(xiàn) (Adoption Curve Discount)】
AI現(xiàn)實：生產(chǎn)力提升不會一次性全部到來。采用過程是通過學(xué)習(xí)、實驗和擴(kuò)展，遵循一條曲線。
企業(yè)實踐：一家財富500強(qiáng)制造客戶在部署Copilot時，模擬了四年的采納期。第一年，只有大約四分之一的開發(fā)者是活躍用戶。通過建模，他們呈現(xiàn)了一個可信的ROI軌跡，以匹配組織吸收變革的能力。
睿信咨詢戰(zhàn)略教訓(xùn)：即使有強(qiáng)力的商業(yè)理由，生產(chǎn)力也必須靠努力獲得。將漸進(jìn)采納的現(xiàn)實納入估算，預(yù)測才能可辯護(hù)且可付諸行動。
【折扣三：風(fēng)險調(diào)整貼現(xiàn) (Risk Adjustment Discount)】
AI現(xiàn)實：每個生產(chǎn)力模型都應(yīng)包含風(fēng)險折扣。即使是最好的系統(tǒng)，也會產(chǎn)生錯誤（“幻覺”），而其帶來的運營和聲譽成本可能非常高。
風(fēng)險成本：正如一家全球科技公司因AI圖像生成器產(chǎn)生令人反感的結(jié)果而撤回營銷活動一樣，解決問題、協(xié)調(diào)溝通、修復(fù)信任所耗費的時間和資源，都是對生產(chǎn)性工作的消耗。
睿信咨詢戰(zhàn)略教訓(xùn)：正如投資者對高風(fēng)險資產(chǎn)要求更高回報一樣，技術(shù)領(lǐng)導(dǎo)者應(yīng)平衡高風(fēng)險AI應(yīng)用的生產(chǎn)力預(yù)期。
最終，這種“貼現(xiàn)生產(chǎn)力”的理念可以被可視化，結(jié)果看起來就像一個瀑布圖：
起點：總體AI機(jī)會（Gross Potential）。
減去：人工監(jiān)督所需努力（Human Effort）。
減去：分階段實施的漸進(jìn)時間（Phased Implementation/Adoption）。
減去：錯誤修復(fù)和聲譽恢復(fù)的風(fēng)險成本（Risk Adjustment）。
終點：可實現(xiàn)的生產(chǎn)力影響（Achievable Productivity Impact）。
這個最終的數(shù)字，才是你能夠自信地與你的CFO和CEO分享，因為它反映了你的團(tuán)隊的實際運作方式。
歸根結(jié)底：人工智能正在改變我們的工作方式，但就像新車的油耗評分一樣，你的AI體驗（mileage）將取決于你的地形、駕駛者和你的駕駛紀(jì)律。
即使是最好的人工智能生產(chǎn)力預(yù)測，如果忽視了人工努力、組織采用速度和風(fēng)險，也可能產(chǎn)生誤導(dǎo)。以金融為靈感的方法可以為炒作帶來紀(jì)律。
圖源：賈尼斯·盧卡斯（Credit: Jannis Lucas）
大家都有過逛車店的經(jīng)歷，注意到車窗貼紙上印著的每加侖里程數(shù)（MPG）。當(dāng)你看到35英里每加侖這樣的數(shù)字時會興奮，但一旦開車回家，儀表盤似乎更接近26英里每加侖。這些數(shù)字常常讓人感覺你是在逆風(fēng)下坡行駛?！咀ⅲ?/span>車玻璃上貼著“百公里油耗6.7升”的標(biāo)簽，讓人心動不已。但把車開回家后，儀表盤上顯示的實際油耗往往只有“百公里油耗9升”?！?/span>
類似的模式也出現(xiàn)在關(guān)于人工智能（AI）生產(chǎn)力的討論中。無論是來自大型咨詢報告、急于推銷最新平臺的供應(yīng)商，還是CEO緊急請求快速投資回報率預(yù)測，估計幾乎總是描繪出過于樂觀的畫面。紙面上看起來很棒，但實際操作中很少能站得住腳。當(dāng)領(lǐng)導(dǎo)者圍繞這些過高的期望來規(guī)劃時，他們就注定要失控。
作為一名數(shù)據(jù)轉(zhuǎn)型和AI戰(zhàn)略顧問，我發(fā)現(xiàn)我們需要一種更好的方式來設(shè)定現(xiàn)實的期望，這種方式既能平衡潛力的興奮感，也要兼顧執(zhí)行的紀(jì)律。有趣的是，這種做法的靈感并非來自技術(shù)，而是來自金融。
一、向金融借款：貼現(xiàn)的力量
任何上過入門金融課程的人都記得貼現(xiàn)現(xiàn)金流分析的概念。在評估投資時，你不會簡單地把所有未來現(xiàn)金流都加總。你會對它們進(jìn)行折扣（貼現(xiàn)），以反映時間和風(fēng)險。明天的一美元價值低于今天的一美元，尤其是在不確定這美元是否會出現(xiàn)的情況下。
類似的心態(tài)在評估AI生產(chǎn)力時也很有幫助。例如，“Copilot可以翻倍開發(fā)產(chǎn)出”的生產(chǎn)力提升代表了總潛力。為了達(dá)到一個可合理且可規(guī)劃的數(shù)字，你需要考慮三方面的折扣：實現(xiàn)結(jié)果所需的人力努力、逐步推動采用以及人工智能缺陷帶來的風(fēng)險。
二、人類努力：人與機(jī)器的現(xiàn)實
生成式人工智能更像是加速器，而非自動駕駛。人們依然是構(gòu)建問題、指導(dǎo)模型和驗證輸出的關(guān)鍵。在軟件工程領(lǐng)域，像GitHub Copilot這樣的工具可以即時生成可用的代碼，但其中很多代碼仍然需要調(diào)試、測試和修訂。
在一項客戶試點中，我們團(tuán)隊發(fā)現(xiàn)工程師大約有四分之一的時間用于審查或重寫AI生成的代碼。凈生產(chǎn)率提升雖有意義，但遠(yuǎn)低于供應(yīng)商常引用的理論產(chǎn)出翻倍。實際改善率接近40%，這更可信且更可持續(xù)。關(guān)鍵教訓(xùn)很明確：人工智能放大人才，但不能取代人類判斷。在預(yù)測中考慮這些因素，會讓你的模型更具可信度，計劃也更現(xiàn)實。
三、推廣與采用曲線
另一個重要的折扣反映了采用速度。人工智能帶來的生產(chǎn)力提升不會一次性全部到來。與任何企業(yè)技術(shù)一樣，采用過程通過學(xué)習(xí)、實驗和擴(kuò)展形成一條曲線。
我們的一家財富500強(qiáng)制造客戶在部署Copilot進(jìn)行代碼開發(fā)時，模擬了這一曲線。第一年，只有大約四分之一的開發(fā)者是活躍用戶。隨著時間推移，他們預(yù)測采用率將穩(wěn)步增長，成本和收益都在增加，因為該工具成為日常工作流程的一部分。通過建模四年的采納期，他們可以呈現(xiàn)一個可信的投資回報率軌跡，以匹配組織吸收變革的能力。結(jié)果是一個有節(jié)制且可信的預(yù)報，而非急劇且不切實際的激增。
即使有強(qiáng)有力的商業(yè)理由，生產(chǎn)力也必須靠努力獲得。收養(yǎng)需要時間、培訓(xùn)和強(qiáng)化。當(dāng)你將這一現(xiàn)實納入估算時，預(yù)測既可辯護(hù)又可付諸行動。
四、風(fēng)險調(diào)整：人工智能幻覺的考量
每個生產(chǎn)力模型也應(yīng)包含風(fēng)險折扣。即使是最好的系統(tǒng)也可能產(chǎn)生錯誤，而這些錯誤帶來的運營和聲譽成本都可能非常高。
我們都見過新聞中的例子。今年早些時候，一家全球科技公司因其AI圖像生成器產(chǎn)生了令人反感的效果，撤回了一項營銷活動。問題不在于缺乏監(jiān)督；這是對風(fēng)險的低估。公司花了數(shù)周時間解決這個問題，協(xié)調(diào)溝通并修復(fù)信任。這段恢復(fù)期耗費了本可用于高效工作的時間和資源。
在評估生產(chǎn)力時，CIO需要為這些不可避免的挫折做好規(guī)劃。驗證輸出、糾正錯誤和進(jìn)行修復(fù)所需的時間和精力應(yīng)被納入分析中。正如投資者對高風(fēng)險資產(chǎn)要求更高回報一樣，技術(shù)領(lǐng)導(dǎo)者也應(yīng)平衡高風(fēng)險AI應(yīng)用的生產(chǎn)力預(yù)期。
五、從概念到實踐
這種貼現(xiàn)生產(chǎn)力的理念在實際應(yīng)用時變得非常強(qiáng)大。想象一下軟件工程師使用Copilot。理論潛力可能意味著生產(chǎn)力翻倍，但扣除人工監(jiān)督、漸進(jìn)采納曲線和風(fēng)險后，現(xiàn)實增長可能更接近30%或40%。
當(dāng)可視化時，結(jié)果看起來像一個瀑布圖（waterfall chart）。你從整體AI機(jī)會開始，逐步減少，以考慮人工努力、分階段實施和風(fēng)險。剩下的就是可實現(xiàn)的生產(chǎn)力影響，這個數(shù)字你可以自信地與你的首席財務(wù)官和首席執(zhí)行官分享，因為這反映了團(tuán)隊的實際運作方式。隨著團(tuán)隊經(jīng)驗的積累，你們甚至可能超越這個預(yù)期。
六、歸根結(jié)底：你的AI體驗會有所不同
人工智能正在改變我們的工作方式，但就像新車的里程每加侖評分一樣，你的成績將取決于你的地形、你的駕駛者和你的駕駛紀(jì)律。通過采用貼現(xiàn)生產(chǎn)力思維，CIO和技術(shù)領(lǐng)導(dǎo)者可以縮小AI承諾與實際表現(xiàn)之間的差距，設(shè)定可信、可辯護(hù)且可實現(xiàn)的期望。
因為人工智能就像開車一樣，實際體驗會有所不同。
