2002 名 CIO 只有 13% 说 AI 拿到真价值——先行者的共同点：事前写好「什么时候砍项目」

发生了什么：用例爆炸，成功率原地不动

10 月 19 日，Gartner 在 IT Symposium 上发布 2027 年 CIO 与技术高管议程调查，样本 2002 名 CIO。核心数字很刺眼：只有 13% 的 CIO 表示自己的企业已经从 AI 拿到「显著或变革级」价值。而过去两年，企业里的 AI 用例数量翻了数倍——从写周报到客服机器人，什么都在试。结果是典型的「广种薄收」：项目成功率仍停在约五分之一，跟生成式 AI 爆发前没有本质区别。

调查里真正值得老板抄的是对照组的差异：那些被 Gartner 定义为「价值先行者」的组织，共同的不是预算更多或模型更强，而是有两套机制——试点阶段设「不达标就不进量产」的止损线，这类组织成为先行者的概率是高 2.3 倍；量产阶段保留「低价值项目可以放弃」的退出线，概率高 2.6 倍。而建有这两条线的 CIO，分别只有 31% 和 17%。翻译一下：多数企业的 AI 项目不是死于失败，是死于「没人敢喊停」——试点糊里糊涂上量，量产项目在低回报上一直续命。

和沃顿报告对表：两份权威在说同一件事

把本周两份调研并排放：沃顿第 4 年度报告说 80% 的企业找到了正回报、但只有 28% 认为回报强劲（站内 10/18 专文）；Gartner 这份说仅 13% 拿到「显著或变革级」价值。口径不同、结论同向——AI 的普遍现状是「小赚容易、大变很难」。差异出在管理动作上：沃顿发现回报强劲的企业共性是统一考核口径和统一平台，Gartner 发现先行者共性是止损与退出机制。两条合起来就是给老板的一句话：先把「什么算成功」写成数字，再把「不成功怎么办」写成动作。大多数企业的 AI 项目两头都缺，所以 80% 的正回报里只剩 13% 能称得上变革。

成本侧的数字同样要正面看：58% 的 CIO 顶着「AI 必须省钱」的压力，但 51% 预计 AI 反而推高 IT 总成本。这不矛盾——传统 IT 成本是买断式的、可年度预算；AI 成本是运行时的、概率性的：一次 Agent 故障排查烧掉的 token、一个上量后失控的用例，都不在年初那张表上。用固定预算思维管概率性支出，结果就是要么预算爆表、要么偷偷砍用量耽误业务。51% 的预期正是这套错配的直接后果（编辑观点）。

止损线具体长什么样：两条线的写法

「试点止损线」写在立项书里，三行就够：一、验收指标——试点期结束时，单位处理成本、周期或差错率必须改善到什么数（不是「员工满意度提升」这类软指标）；二、期限——到 X 月 X 日未达标即停，资源回收；三、上量门槛——达标后只允许「分环节放量」，每一环放量前复核成本模型。联通华盛式闭环就是这条线的正面样本：开票环节改善幅度大到可以直接写进财务口径，才从单省推到 31 省。

「量产退出线」针对已上量的项目，最容易漏：量产后设季度复盘，凡连续两季「单位业务量成本」不降反升、或使用率跌破阈值的项目，进入「降级或砍掉」流程——降级指退回人工兜底、只保留辅助模式。这条线之所以稀缺（仅 17% 建了），是因为砍量产项目等于承认管理层此前的推广决定错了，组织政治上比砍试点难得多。老板要做的就是把「砍」定义成纪律而不是失败——先行者的 2.6 倍优势，本质上是从这个政治成本里赎买出来的。

行业落点不一样：软件/互联网公司的 AI 用例天然可测（转化率、留存、工时），两条线当天能建；传统制造与零售的流程数据底子薄，止损线先建在「有系统留痕的环节」（开票、对账、排单），没留痕的环节先补数据再谈上量；强合规行业（金融、医疗）退出线要加一条监管动作——下线前完成审计留痕与责任交接，参照站内《中国 AI 监管转向行为可控》的行为留痕要求。

现在应该做什么

常见问题

一句话收口：Gartner 把 AI 价值之争从玄学变成了簿记——13% 的赢家没有秘密，只是比 2002 人里的其余 1989 个更早回答了两个问题：什么时候该上量，什么时候该喊停。自家 AI 项目这两个答案写没写在纸上，比用的哪家模型重要得多（编辑观点）。