【导读】尽管Gartner最新调研显示，绝大多数数据和分析（D&A）及AI领导者并未将成本不确定性视为阻碍AI价值实现的首要威胁，但仅有不到半数的企业真正建立了完善的财务防护机制。面对日益增长的AI目标与潜在的泡沫风险，数据和分析领导者肩负着厘清思路、聚焦投资回报率（ROI）的重任。正如Gartner专家所指出的，唯有超越单纯的财务指标，通过制定清晰的AI目标、巩固可信的数据基础以及培养适应变革的混合型人才，企业方能在不确定性中构建稳固的基石，将AI从昂贵的实验转化为驱动业务增长的核心引擎。

Gartner于2025年11月至12月对353位数据和分析及AI领导者进行调研。结果显示，仅44%的企业落实了财务防护机制或AI财务运营实践。

Gartner研究副总裁Adam Ronthal表示：“尽管企业AI部署落实率已从2024年的五分之二提升至如今的五分之四，数据和分析领导者仍需厘清思路并聚焦投资回报率（ROI），才能更好地实现企业日益增长的AI目标与愿景。在AI炒作与泡沫破灭担忧并存的当下，数据和分析领导者必须意识到自己肩负着创造真正价值的责任。

Gartner研究总监Georgia O’Callaghan表示：“企业通常使用ROI量化价值实现，但数据和分析领导者不应将其视为单纯的财务指标。其中，有三条价值实现路径能帮助数据和分析领导者引领企业安全并有效应对AI价值实现过程中所面临的不确定性。”

制定AI目标

AI发展速度不断加快，不确定性日益加剧，再加上对可信度与可控性方面的顾虑，促使企业必须不断学习与适应。

Ronthal表示：“数据和分析领导者或许正在积极尝试AI并积累了许多经验，但由于所有人都在尝试，因此他们仍面临落后风险。数据和分析领导者应制定AI目标，结合团队知识与直觉，最大化释放数据洞察价值，从而获得智能回报。”

为制定此目标，数据和分析领导者必须从根本上重新思考AI对数据和分析的影响，建立共同愿景、明确AI目标水平，承担AI领导责任，确定自身角色。并尽早管控AI难以预测的隐性成本。

巩固AI基础

如果没有稳固的基础支撑，AI对于当今多数企业而言，仍将只是一场昂贵的实验。

O’Callaghan表示：“指望AI或生成式AI弥补升级延迟、团队孤岛化和积累多年的技术债务问题是不切实际的。数据和分析领导者必须确保数据适配AI、防止错误数据泄露给不当人员，并通过精心设计的上下文层规避误差、误解与幻觉，从而获得可信回报。”

为构建稳固的AI基础和降低风险，数据和分析领导者应使基础能力建设与AI目标水平保持一致、将治理体系转化为价值加速器并创建一个统一的上下文层。

培养推动AI转型的人才

企业正在经历快速变革，但人类适应变化的能力却始终有限，相比之下，AI技术就绪度的提升速度，远超人员能力的就绪速度。

Ronthal 表示：“数据和分析领导者必须转变思维，从关注岗位角色转向聚焦AI技能，并通过对人才发展的投资获得价值。如果能够专注于技能、思维模式和行为转变，数据和分析领导者就能充分挖掘个人与集体的潜能。这不仅将提升员工参与度和生产力，也将增强组织适应变化的能力，最终获得个体回报。”

数据和分析领导者需深刻认识到，稳固的AI基础是防止技术债务和数据泄露的前提，而以人为本的技能重塑则是应对技术快速迭代的关键。通过建立共同愿景以明确方向、构建统一上下文层以确保可信度、以及投资思维模式转变以激发组织潜能，企业不仅能有效规避隐性成本与执行风险，更能将治理体系转化为价值加速器。最终，只有当战略目标、技术基础与人才能力三者协同共振时，企业才能穿越周期的波动，真正获得智能回报、可信回报与个体回报，实现从AI部署到价值创造的质的飞跃。