面对压力增大，CIO 如何说服 CFO 投资 AI？

2022 年，加拿大航空试图与其聊天机器人撇清关系，因为一名乘客被告知可以获得丧亲票价的报销。经过法律诉讼，加拿大航空最终被命令履行聊天机器人的承诺，但该聊天机器人因此下线。

在过去几年中，AI 驱动的工具失控或无效的例子相当普遍，因为公司纷纷追逐这股热潮。但就像加拿大航空的聊天机器人一样，这股浪潮有时承诺的比能交付的更多，这让 CIO 和 CFO 感到担忧。

在 AI 投资方面，公司希望看到结果——而且希望快速看到结果。根据应付账款自动化公司 Basware 的一项全球调查，其中包括 400 名 CFO 和财务领导者，半数 CFO 表示，如果 AI 在一年内没有显示出可衡量的投资回报，他们计划削减 AI 资金。

尽管 80% 的组织计划增加 AI 投资，但 CFO 通常不知道如何开始。大约三分之一的人觉得他们缺乏明确的愿景。

对于 CIO 来说，这意味着他们必须超越自我，以弥合 AI 的潜力与 CFO 对快速、具体和可靠结果的需求之间的差距。然而，这往往说起来容易做起来难。对 AI 进行战略性思考并衡量这些投资是否有回报需要明确的目标、可靠的数据和协作——许多组织难以克服的挑战。

大约 60% 的全球 CIO 认为，仅仅增加收入就足以证明 AI 的成本合理，类似比例的人表示节省时间足以验证投资。然而，根据收入情报领导者 Gong 最近的一项研究，该研究调查了美国和英国的 500 多名 IT 领导者和 CIO，只有大约三分之一的人积极衡量这两者。

CIO 面临着验证 AI 投资并向 CFO 保证实施路径明确的压力，这将确保投资回报。这不仅需要选择合适的项目，还需要明确定义如何衡量成功。

如何知道优先考虑什么

AI 在过去一年中取得了显著进展，但其采用也暴露出许多缺点，如危险的幻觉和昂贵的实施。

Lucidworks 对生成式 AI 投资的研究表明，2024 年，企业领导者正在放缓支出，以平衡这种相对较新技术的收益、成本和风险。同样在 2024 年，42% 的公司报告称，他们的生成式 AI 计划尚未产生有意义的结果。

虽然企业看到了 AI 的潜力，但在投资时往往保持谨慎，权衡风险和成本，因此选择合适的项目可能具有挑战性。为了最大化 AI 计划的影响，组织应专注于将每个项目与其整体公司战略和长期目标保持一致。

“首先要确定 AI 可以增强核心能力的领域，无论是改善产品质量、加速上市时间还是实现数据驱动的决策，”Digital Workforce 英国和爱尔兰负责人兼战略转型负责人 Karli Kalpala 说。

Kalpala 补充道，优先考虑可扩展性也很重要。“从一开始就为规模而构建，并确保每个部门都能以最小的摩擦采用和适应这些工具，”他说。“每个人都可以构建一个 AI 解决方案，但那些将通过 AI 改造其组织的人需要在整个组织中构建和维护数百个 AI 解决方案。”

Syncro 的 CTO Kristen Costagliola 建议应用哈佛教授 Michael Porter 的战略竞争杠杆，该杠杆确定了公司可以用来实现竞争优势的三种主要方法：成本领先、差异化和集中化。

“这种观点帮助 CIO 更具战略性地思考在企业中应用 AI 的地方，”她说。“例如，如果公司的战略是成本领先，CIO 将优先考虑提高效率以降低成本的项目。或者，如果企业希望提供差异化的产品或服务，CIO 将寻求应用 AI 进行创新并从竞争对手中脱颖而出。”

组织已经在某些领域生成了大量高质量数据，并且痛点明确。也许他们应该从那里开始，Tuskira.ai 的联合创始人、CISO 和 CPO Om Moolchandani 说。

“客户体验优化、供应链预测、需求预测和预防性维护往往能带来快速的胜利，”他说。“通过专注于数据质量足够且成功指标明确的领域——如提高转化率、减少停机时间或提高运营效率——公司可以更轻松地量化 AI 带来的价值。”

了解 CFO 的优先事项也很重要。根据 Basware 的调查，75% 的 CFO 更希望 AI 投资集中在电子发票合规和监管要求等领域。

但选择优先考虑的项目并不是一项简单的任务，这突显了一个关键点：企业渴望看到 AI 计划带来的快速、具体的影响。然而，验证 AI 投资和量化这种影响通常是两回事。

证实项目，衡量影响

每个 AI 计划在全面实施之前都需要得到验证，这通常需要技术和战略评估的结合。公司需要专注于目标、测试和人员，以确定 AI 项目是否可行。

“第一步是定义指标，”ServiceNow 的多实例管理平台 xtype 的技术布道者 Scott Willson 说。“KPI 是否与利益相关者可以支持的可衡量的业务成果保持一致？”明确的指标不仅指导项目，还帮助向组织内的决策者传达其价值。

下一步是使用最小可行产品对项目进行原型设计和试点。这有助于测试假设、收集有价值的见解并在全面部署之前完善解决方案。

Kalpala 还建议通过试点计划在现实世界的商业环境中测试 AI 解决方案。“这些测试有助于评估 AI 解决方案是否与现有系统和工作流程良好集成，或者是否需要进行重大系统改革，”他说。识别数据隐私、技术准备和组织变更管理等挑战也很重要。

为了与 CFO 和其他领导者进行富有成效的讨论，CIO 可以提供一套明确的早期成功指标，例如工作流程自动化或错误率降低。使用商业语言并解释这些指标如何直接与组织目标保持一致，可以帮助利益相关者理解 AI 项目的好处，并使他们更有可能支持这些项目。

确保强有力的利益相关者支持也至关重要，通过包括 IT 和业务领导者在内的跨职能团队进行合作。“当每个人都保持一致时，您可以最大限度地减少风险和潜在的延误，并为项目的成功奠定基础，”Willson 说。

在 Basware 的调查中，有一半的 CFO 表示，如果 AI 在一年内没有显示出可衡量的投资回报，他们计划削减 AI 资金，因此 CIO 面临的压力比以往任何时候都大。

“确保 AI 项目快速实现投资回报的关键是从小处着手，”Willson 补充道。“将项目分解为可管理的实验阶段，以便快速学习和适应。专注于提供快速胜利和具体结果的用例，以便公司立即看到好处。”

去中心化 ML 网络 Bittensor 的联合创始人 Ala Shaabana 建议公司首先专注于解决低垂的果实，即那些易于实施且能快速产生结果的项目。

“从解决高影响、低复杂性问题的目标用例开始，例如流程自动化或客户支持优化，”他说。“利用现有数据和基础设施，避免数据收集或系统集成中的昂贵延误。并确保持续监控和迭代，以快速解决问题、保持势头并最大化回报。”

但 CIO 面临的一个问题是缺乏良好的 AI 投资回报基准。“这带来了一个重大挑战，因为 AI 的价值通常是多方面的，并且随着时间的推移而演变，”Rimini Street 的 CTO Eric Helmer 说。“组织还应该为 AI 之前的表现建立自己的基准指标，以跟踪改进。”

Kalpala 同意并补充说，每个 AI 部署都是独特的，成功指标需要根据特定行业、用例和组织需求量身定制。“对于保险或金融服务企业，基准应侧重于减少手动错误、提高服务速度和降低提供核心服务的直接费用，”他说。

说服 CFO 的策略

在实施 AI 计划时，获得 CFO 的支持可能是一项艰巨的挑战。然而，一旦 CIO 确信他们选择了正确的项目，就可以采取几个步骤来加强他们的案例并获得批准。

“在说服 CFO AI 的潜力时，提出一个强有力的商业案例至关重要，”Willson 说。“将 AI 项目直接与提高收入或降低运营成本等战略目标联系起来。”

Moolchandani 建议将技术成果转化为财务数字。“以具体的术语展示预期的收益或节省，例如预计的追加销售机会百分比增加，或通过自动化流程节省的美元金额，”他说。他还建议展示快速原型和实际结果，这可以增强信心。

Syncro 的 Costagliola 补充说，实施计划应该有详细记录，并应包括明确的里程碑。“明确概述时间范围和预期结果时间对于说服 CFO 并获得支持至关重要，”她说。对组织的影响也应详细说明。

Willson 还强调了降低项目风险的想法，其中包括在整个过程中实施质量控制检查。“这将确保与业务优先事项和合规标准保持一致，并使投资更具吸引力，”Willson 说。

Kalpala 指出，CIO 需要考虑未来的季度或年度，并解释 AI 实施如何改变业务。“通过展示其推动创新和劳动力转型的能力，解释项目的战略、长期影响，”他说。“我们正在从软件即服务转向服务即软件。利用这个机会展示这种转变对组织在新机遇和定价策略方面的意义。”