是时候制定AI退出策略了：CIO们如何削减AI浪费

企业花了两年时间将AI试点项目推向生产环境，如今账单已经到来，而对许多CIO来说，这笔账根本算不过去。

管理混乱的AI助手、叠加在每个工具上的冗余SaaS AI功能、安全防护不足的聊天机器人，以及效果微乎其微的自动化流程，正悄然推高云计算、许可证和人力成本，远远超出预算。而那些本应证明这一切投入物有所值的投资回报率？大多数时候根本无从寻觅。

对于越来越多的IT领导者来说，是时候开始裁减了。这并非要撤退，而是要砍掉无效投入，释放预算给真正创造价值的AI，并将节省下来的资金用于在未来构建更智能、回报更高的工具组合。关键在于如何在削减AI浪费的同时不损害业务。这需要一套聪明且执行到位的退出策略。

纽约西奈山眼耳专科医院的助理兼职外科医生、专注于整合美国医疗健康数据的公司Predoc联合创始人兼首席医疗官Kaushal Kulkarni博士表示："AI退出策略并不是在撤退，它是成熟期的标志，能够区分出哪些公司在未来十年能持续积累AI价值，哪些公司只会不断把钱烧进混乱的工具堆里。"

如何判断AI浪费

决定哪些AI工具、模型和项目应该被砍掉，本身就是一项没有精准答案的工作。Kulkarni表示，大多数企业"从一开始就没有建立评估标准"，而是"凭着信念购买了AI，现在却要给一项从未定义过的工作打分"。

不过事情并非毫无头绪，现在仍可以建立筛选决策标准。德雷塞尔大学AI与数据科学助理教学教授Pragati Awasthi建议，CIO在评估每一个AI工具、模型或项目时，都应该问三个问题：

正在解决的问题是否有清晰的定义？

AI的表现是否可以被衡量？

其影响能否与具体的业务成果相关联？

"如果这三个问题你无法全部回答'是'，那它就是退出名单上的候选对象，"Awasthi说。

但不要止步于此，还需要深入细节。

"从技术层面来看，要关注每项任务的推理成本、生产环境中的模型错误率以及集成带来的技术债务。在业务层面，要将实际节省的时间或带来的收入与许可证费用和云支出进行对比，"Awasthi说。

完成上述评估后，还要仔细寻找相关的隐性成本。

Gartner咨询董事总经理Jackie Swanson表示，企业AI最大的隐性成本往往不是工具本身，而是安全审查、集成工作和治理开销，"每增加一个新的AI接入点，都会给本已不堪重负的技术栈增加新的负担"。

那些你可能还没算进去的成本

找到这些成本之后，还要再审视一遍，因为几乎可以肯定，还有一些AI成本尚未被识别并正确计入支出。全球数字化转型咨询公司Contraco首席执行官Frank Meltke表示，大多数企业"在那些他们不认为属于AI支出的地方，照样在为AI付费"。

"每一款带有AI助手或智能功能的SaaS产品，都在通过每席位许可证费用叠加AI成本。当CIO清点AI支出时，他们通常会发现，一旦将现有软件订阅中内嵌的AI功能计算在内，实际支出比最初估算的数字高出40%至60%，"Meltke说。

Swanson提醒，要当心从用例层面出发启动裁减，因为大多数企业面临的AI退出问题"根本上并不是项目层面的问题"。

她指出，问题的根源在于部门级别的采购决策和运营模式、SaaS供应商捆绑进现有合同的AI功能，以及缺乏明确归属的累积支出。

"任何从用例层面出发的退出策略，都会错过大部分真正的成本驱动因素，"Swanson说。

在决定是否裁减某些AI工具、模型或项目时，还有最后一项成本核查：将AI成本与合理且可获取的替代方案进行比较，例如其他形式的分析工具、自动化手段以及人力成本。

CrowdStrike首席工程师Diptamay Sanyal表示："当AI成本超过其所替代的人力成本时，这道数学题就变成了一个被包装成数字化转型的问题。"

AI成本超过员工成本，这是微软、英伟达和Uber等多家公司近期已经正视的残酷现实。

成功的AI退出策略是什么样的

有一点需要牢记：单纯减少AI工具的数量并不是最终目标。

Swanson表示，大型企业普遍呈现出"整合而非撤退"的模式，并举出了两个行业案例：

零售业：一家零售商最初在各业务部门分散推进14项AI计划，最终保留了三项与可量化损益挂钩的平台级能力。由此释放出的预算被重新投入到一个统一的AI平台团队，以真正规范的方式管理留存下来的AI项目。

银行业：另一个成功案例来自一家处境相似的银行，该行砍掉了九个AI助手试点中的六个，保留了三个有据可查的生产力提升项目，并将节省下来的资金用于弥补第一批项目遗留的治理和安全漏洞。

"在大多数退出案例中，整合之后带来的清晰归属感，往往比节省了多少钱更重要，"Swanson说。

其他消息来源也提供了成功AI退出策略的案例。

Meltke援引了一家中型金融服务公司的例子，该公司在一个季度内开展了结构化的AI项目组合审查。在这次审查中，员工对所有AI功能、含有AI组件的SaaS工具以及涉及客户数据的内部自动化流程进行了全面梳理。

在识别出的34项AI内容中：

12项被完全停用；

3项被整合到现有工具中；

剩余19项得以保留，每项均有明确的负责人、明确的成功指标和完整的数据流记录。

"他们并没有砍掉所有东西，而是将工具整合到19个，每个都有明确的负责人、定义好的成功标准和记录在案的数据流，"Meltke说，"年度支出下降了约35%，安全团队终于摸清了系统中实际运行着哪些东西。"

他指出，让这一策略奏效的关键要素包括：

由首席信息安全官（CISO）直接参与，而非仅由IT部门主导；

采购与法务团队介入合同审查；

建立非正式的AI负责人网络，覆盖各部门。

归根结底，成功的AI退出策略在观察层面和数据层面都有迹可循。

Sanyal总结道："依赖关系已记录在案，数据已完成盘点和清理，用户完成迁移且未出现生产力损失。成本有了可衡量的下降，团队也从中积累了经验，为下一次投资提供参考。成功的退出并不是轰轰烈烈的，它的本质是——什么都没有被打乱。"

Q&A

Q1：企业如何判断哪些AI工具属于"浪费"，需要被裁减？

A：可以从三个问题入手评估：问题定义是否清晰？AI表现是否可以衡量？影响是否与具体业务成果相关联？若无法全部回答"是"，则列为退出候选。技术层面还需关注每任务推理成本、模型错误率和集成技术债务；业务层面则需对比实际节省的时间或收入与许可证及云支出。

Q2：企业AI支出中有哪些常被忽略的隐性成本？

A：最常见的隐性成本不是工具本身，而是每次引入新AI接入点所带来的安全审查、集成工作和治理开销。此外，很多企业没有将SaaS产品中内嵌的AI功能计入AI支出，导致实际AI花费往往比预估数字高出40%至60%。

Q3：企业成功执行AI退出策略的关键要素有哪些？

A：成功的AI退出策略通常包含以下要素：让CISO直接参与而非仅由IT主导；采购与法务团队介入合同审查；在各部门建立AI负责人网络。目标不是单纯减少工具数量，而是通过整合实现清晰归属、明确指标和完整数据记录，最终降低成本并积累经验。