当AI项目的ROI难以量化时，企业该如何决策？本文犀利指出：盲目追求短期回报或大规模投入都是误区。关键在于选择高频、真实的业务小场景进行试点，通过低成本试错积累组织经验，这才是AI落地的务实之道。

前几天，一个业务负责人问我个问题，还蛮有代表性。

他说，如果一个 AI 项目的 ROI 现在算不过来，企业还要不要做？

我当时的答案就很明确：要做。

但这个“要做”，不是一上来就做全公司的 AI 化改造，也不是买一堆系统、开一堆会、做一堆看起来先进的东西。越是在 ROI 算不清的时候，越不能把动作做重，而要从一个小而具体的业务场景开始试。

很多企业现在一谈 AI，第一反应就是算账：能省几个人？能降多少成本？多久能回本？今年能不能看到利润？这些问题当然要问。企业经营不可能不算账，老板也不可能不关心投入产出。

但 AI 和传统项目不太一样。它的很多价值，不是第一天就能算清楚的。它一开始可能不会直接体现在利润表里，而是体现在员工开始知道 AI 能帮自己做什么，业务部门开始发现哪些流程可以被改造，管理层开始重新理解岗位、流程和组织分工。

这些东西短期很难算成一个漂亮的 ROI，但很重要。因为一家企业后面能不能用好 AI，往往取决于早期的尝试和经验。

所以，ROI 算不出来，不等于 AI 没价值。有时候只是说明，企业还没有找到合适的场景，方法还不对，节奏还没跑出来。

当然，我也不赞成另一种做法：既然 AI 很重要，那就马上大干快上，全公司推广，大规模投入，大系统上线。这个风险也很大。

因为很多企业刚开始做 AI 时，并不知道哪些场景最适合，哪些岗位最容易提效，哪些流程能被重构，员工愿不愿意用，数据和知识库准备得怎么样。如果一开始就做成大项目，成本高，周期长，阻力大，效果还不好判断。做成了，不一定知道为什么成；做砸了，代价又很高。

所以我觉得，企业做 AI，尤其在早期，最重要的不是证明自己很先进，而是先把一个小场景跑通。

这个小场景可以很简单。比如一个客服问答，一个图片处理，一个数据表格分析，一个财务单据整理，一个销售话术生成，一个投标资料整理，一个运营日报生成，甚至就是某个岗位每天重复半小时的小任务。

这些事情看起来不大，但它们真实。真实业务里反复出现的问题，才值得拿来做试点。AI 试点最怕的不是小，而是看起来很大，最后离业务很远。

小场景的好处是风险低、成本低、周期短，也容易复盘。哪怕没有做成，企业也能知道问题在哪里。是数据不够，还是流程不顺？是员工不会用，还是这个场景本身不适合？这些经验本身就是价值。

很多时候，一个 AI 试点不一定马上帮你省多少钱，但它能帮你看清楚几件事：这个场景是不是高频，AI 能不能提升效率或质量，员工愿不愿意用，原来的流程要不要调整，未来能不能复制到更多部门。

如果这些问题被看清楚了，这个试点就不是白做。因为它帮企业把 AI 从一个概念，变成了自己的经验。

现在很多企业说 AI 的 ROI 算不过来，我觉得不能简单理解成 AI 不行。可能是场景没找对，可能是目标设得太大，可能是指标没设计好，也可能是组织还没准备好。更常见的是，AI 只是被当成工具买进来了，但没有进入业务流程。

这也是我为什么觉得，AI 落地不只是技术问题，很大程度上是咨询问题。

买什么工具、用什么模型，当然重要。但更难的是，先从哪里切进去，试点怎么设计，谁来参与，用什么标准判断效果，原来的流程要不要改，岗位分工会不会变，试点成功后怎么复制。

这些问题不是单靠技术能解决的。它需要业务理解，也需要组织方法。

今天企业做 AI，我觉得不要一开始就追求一个完美的 ROI。AI 的潜力一定比我们现在想象的更大。你今天对 AI 的想象有多大，可能都还可以再乘以 10倍。

但越是这样，越不能只停留在口号上，也不能一上来就把摊子铺得太大。最务实的做法，还是先从一个小场景开始，让团队用起来，让业务跑一遍，让组织先获得一点手感。

所以，AI 项目短期 ROI 算不清，还要不要做？

我觉得要做。

但不是为了证明自己追上了风口，而是为了让企业不错过一次学习新生产力的机会。今天先从小场景开始，哪怕试错，也是在积累未来用好 AI 的能力。