人工智能已跃升为英国企业核心投资领域。在6月伦敦科技周期间，英国宣布获得超过60亿英镑的人工智能相关新投资。目前，英国拥有欧洲最大、全球第三大的人工智能产业部门。
从客户服务、知识管理到软件开发及内部运营，各类组织正积极寻求能够提升生产力、优化决策并改善业务绩效的人工智能工具。
然而，随着投资加速，一个日益显著的差距浮出水面：许多组织扩展人工智能应用的速度，远超其衡量、管理和解释这些技术的能力。这导致首席信息官（CIO）和首席财务官（CFO）频繁面临关于人工智能采用情况的质询。
当企业从个人辅助型试点转向跨工作流的嵌入式代理时，经济模型变得更为复杂。单一提示的用户行为相对容易理解，但代理可能涉及多次模型调用、信息检索、工具调用以及行动执行以完成任务。
根据平台和定价模式的不同，这可能引发额外的消费、基础设施及监督成本。因此，首席信息官不仅需要掌握人工智能的部署位置，还需明确其具体功能、成本构成以及产出是否足以证明投入的合理性。
人工智能的隐性成本挑战
人工智能投资正像其他重大技术项目一样接受严格审查，但其回报测量往往极具复杂性。
使用场景分散于各部门、应用程序、模型和工作流程中，而收益则涵盖时间节省、质量提升、风险降低或收入增加等多个维度。若缺乏对“成功”定义的共识，组织最终衡量的将是活动量而非实际价值。
在未确定人工智能在工作流中的定位、结果归属方、成功标准及成本衡量方式之前盲目扩展，会导致开支在许可证、模型、基础设施、平台及基于消费的服务上分散，缺乏统一视角来评估投资回报。
挑战规模日益凸显。Emergn委托的一项研究估计，英国大型企业每年因转型和人工智能计划失败损失高达670亿英镑。另一项针对500名英国高级决策者的调查显示，仅有31%已使用人工智能的企业报告了正向的投资回报。
治理缺失是测量难题的关键部分。ShareGate在2026年对7个国家851名IT领导者的调查发现，“成本可见性”是衡量人工智能投资回报率最常见的障碍，51%的受访者将其列为首要问题，其次是47%的受访者指出的“治理复杂性”。挑战不仅在于知晓成本，更在于将成本与支持的用例、交互信息及创造的结果关联起来。
此前，关于人工智能的辩论多集中于模型选择、技能应用和生产力提升。但随着采用范围扩大，另一个差距显现：对治理的信心往往与实际状况不符。
同一研究发现，93%的IT领导者认为其Microsoft 365治理体系已准备好负责任地支持人工智能，但29%的人报告称，人工智能工具发现了不应被访问的敏感内部数据，另有8%的人不确定此类情况是否发生。
这些差距带来了成本与风险。重复的工具采购、额外的验证、重制、安全调查以及确认输出可信度所耗费的时间，均构成了人工智能采用的“隐藏税收”。对于试图展示价值的首席信息官而言，减少摩擦始于提高人工智能使用的可见性、责任性和可衡量性。
组织如何重获控制权
良好的治理并非止步于采购环节。虽然了解已购许可证数量及其分配位置有用，但重获控制需要更广泛的视角：包括对人工智能使用和成本的可见性、对结果的明确所有权以及对人工智能工作环境的良好信息管理。
清晰的所有权至关重要。随着人工智能融入业务流程，责任易在IT、安全、业务团队和个人员工间分散，使得回答“谁拥有结果？”、“谁监控成本？”、“谁决定用例的扩展、变更或停止？”等基本问题变得困难。
成本治理仅是其中一环。组织还需改善人工智能运作的信息环境，这意味着减少冗余和过时内容，妥善管理访问权限，并帮助员工及人工智能系统找到权威来源。
更清洁、管理更有序的信息虽不能保证正确的人工智能响应，但能显著减少搜索、验证和重新处理输出所需的时间。
员工在此过程中也扮演重要角色。清晰区分草稿与批准材料，保持跟踪器和优先级的更新，记录决策并维护权威来源，所有这些都有助于人类和人工智能更好地解释组织上下文。当组织使用人工智能会议助理等工具捕捉上下文时，这些工具应遵循与其创建信息相同的隐私、保留和访问控制标准。
领导者的关注点已从“人工智能是否值得投资”转变为“人工智能在哪里创造价值，在哪里产生成本，以及应采取何种措施”。尽管人工智能投资可能持续，但预期已发生变化。
部署本身并非价值的证据，治理也不仅仅是风险管理，它正日益成为商业案例的核心组成部分。领导者需深入了解人工智能的成本结构、结果责任归属、支撑信息的可信度以及可衡量的效益。
最适合扩大规模的组织，未必是部署人工智能最多的组织。
