IBM商业价值报告：生成式AI：这门生意还没赚回本钱

2026-11-11silcano

微信读书《IBM商业价值报告：生成式AI》· 抓取 373 屏 / 8 章 / 48 条目录 · 读到书尾，用时 793.5 秒
逐字核对 11 屏 · p0006 为 IBM 商业价值研究院署名页（Cindy W. Anderson，首席营销官，2024 年 3 月），书名条核对为本书（目录名与真实书名一致）· 2026-11-11
抽样点位的选法：这不是一本从头写到尾的书，是八份独立报告合订成一册，骨架不是「章节递进」而是「主题并置」，所以按「每份报告取它数据最密的那几屏」来取——第 2 章取 p0033 的采用率曲线和 p0035 的优先领域自供，第 3 章取 p0067 的 CEO 决策数据，第 4 章取 p0106 的引语和 p0170 的供应链数字，第 6 章取 p0212 的摘要和 p0238 的投资口径，第 7 章取 p0256 的 ROI 结论、p0260 的 ROI 曲线、p0267 的六项能力、p0269 的「5 万换 500 万」，第 8 章取 p0301 的采用曲线和 p0332 的绫致时装案例。重点压在三个问题上：一是它给的百分比背后到底问的是谁；二是它自己算出的 5.9% 说明什么；三是 12 个案例的成色够不够撑起「真实成功案例」这六个字。抽读 11 屏约占 2.9%；各章屏数由 pages.jsonl 逐页章节映射做全量聚合，不是抽样估的。

先给结论：这是一份数据做得比结论硬得多的报告。它的问卷、曲线、口径、来源标注，都够得上专业水准；但把这些东西摆完之后，它得出的结论恰好把自己前面的数据推翻了一半——而它没有回头改。

最要紧的一页是 p0256。原文两句话，挨在一起：「企业级 AI 项目的平均投资回报率仅为 5.9%，远低于 10% 的平均资本成本。然而，随着 AI 成熟度的不断增加，投资回报率会出现明显的改善。事实上，领先企业实现了 13% 这一令人羡慕的投资回报率水平。」

第一句是全书的死刑判决，第二句是缓刑申请。5.9% 对 10%，中间差 4.1 个百分点——这意味着一个中位数的企业级 AI 项目，账面上是亏的，而且是结构性亏损，不是执行不到位。你可以把项目做得更好，但只要你在中位数上，你就跑不赢资本成本。这不是「有待优化」，这是「负期望值」。

这本书没有停在这一句上。它马上把镜头转向了「领先企业 13%」，然后用剩下的 120 屏告诉你，怎么成为那个 13%。这个转场很顺，顺到大部分人读完之后记住的是「13%」，而不是「5.9%」。可 5.9% 才是那个「平均」。

一、先把公道话说在前面：它的数据是真下过功夫的

批评之前得先承认它的分量，否则后面的批评不公道。

第一，它敢标来源，而且标得具体。p0260 那张 ROI 曲线图（图 7-2），图下面一行小字把四个数据点各自的出处写得清清楚楚：「2020 年：Deloitte/FSI, AI 调查；2021 年初：IBV AI 伦理调查；2021 年末：IBV AI 能力调查；2022 年：IBV 生成式 AI Pulse 调查，2023 年 4 月至 5 月。」四个点，四个不同的调查，四份都写了名字和月份。这在商业报告里不算常见——大部分报告只写一句「数据来源：IBM 商业价值研究院」，然后曲线就画出来了。它把「哪一年的数是从哪一次问卷里来的」摊开给你看，这份坦白的成本很高，因为它同时也暴露了后面我会说的那个问题。

第二，它敢写不利于自己的话。p0035 那句是我在整本书里读到的最锋利的一句：「高管确定的优先领域大多是那些拥有最成熟 AI 能力的领域，而并不一定是战略痛点。」这句话是报告自己在指控自己前面画的那张图——图 2-2 摆出了安全 64%、互动 63%、创新 50% 三个优先事项，看上去是高管很有章法；紧接着正文说，这些选择不是因为那里最疼，是因为那里最熟。一份由厂商研究院出的报告，肯写「客户的选择是因为熟悉而不是因为需要」，这已经不是营销口径了。

第三，它的数字之间能对上。p0212 的第六章摘要说「先行者组织的年净利润要比其他组织高出 72%，而年收入增长率要高出 17%」；p0238 的第 4 节讲投资，说「生成式 AI 先行者……使用事件流实现数据自动化的比例要高出 40%（70% 比 50%）」。70 比 50 是 40% 的相对差，这个数算得对。同页还有一句「与企业组织相比，生成式 AI 先行者在网络运营、服务管理和运营管理自动化的目标方面超出了应用和系统可用性要求」——这句话在说一个反直觉的事：钱花在了运营上，不是花在了「系统更稳」上。这种把投资去向拆开写的段落，比「AI 是趋势」这种话值钱一百倍。

第四，案例写得不像广告。p0332 讲绫致时装（BESTSELLER），开头没有夸自己，先讲行业病：「在时装行业，每年两个销售季可售出约 80% 的商品，剩下的商品大都以较大折扣卖出，或者最终捐赠或丢弃。这种过度生产会对利润产生不利影响，还会导致严重的可持续性问题。」然后才给做法：为印度市场的 4 个品牌设计并制作 3500 个样品，最终只有 1100 个入选进入生产流程，这些产品被分为 5000 到 6000 个最小存货单位（SKU），按颜色和尺码分类，最终生产出 150 万件成品，可以售出约 78%。3500 选 1100，售出率 78%——数字是干的，没有一句「显著提升客户体验」。

所以我说的不是「这份报告水」。恰恰相反，它的水位很高。问题在别的地方：水位这么高的一份报告，为什么在最关键的那道题上，选择了绕过去。

二、5.9% 对 10%：它自己算出来的账，是亏的

把 p0256 和 p0260 两页放在一起读，会读出一件很有意思的事。

p0260 的图 7-2 是一根上升曲线：2020 年 1.3%，2021 年初 2.1%，2021 年末 5.9%，2022 年（估计）8.3%。图注写的是「从 2020 年到 2022 年，AI 项目的投资回报率增长了 6 倍以上」。这句话没错，1.3 涨到 8.3，是 6.4 倍。

但紧接着图下面第一句正文是：「尽管如此，AI 项目的投资回报仍然低于资本成本，大多数行业的资本成本通常为 10%。」

「增长 6 倍」和「仍然亏」出现在同一页，中间只隔了一行图注。这是全书最诚实的一页，也是最多人只会记住前半句的一页。

这里有个常识值得说清楚：从 1.3% 起算的 6 倍，没有任何意义。任何东西从接近于零的基数往上走，倍数都会很好看。1.3 到 8.3，绝对值涨了 7 个百分点，倍数涨了 6.4 倍——两个说法描述的是同一件事，但一个让人兴奋，一个让人清醒。真正有意义的比较只有一个：8.3% 这个数，落在 10% 这条线的下面。曲线画得再漂亮，它也没有穿过那条线。而书里没有把那根 10% 的线画到图上。

接着要说一个更技术、也更致命的问题：那个 8.3% 是「（估计）」。

p0260 图注明确写了，2022 年那个数据点的来源是「IBV 生成式 AI Pulse 调查，2023 年 4 月至 5 月」。也就是说，2022 年的 ROI，是用 2023 年四五月问出来的一组判断倒推的。图上它是一个实心的圆点，和前面三个实测点连成一条实线，视觉上和「已经发生的数据」没有任何区别。这不是造假，报告也老实地标注了「（估计）」两个字——但这两个字印在图注里，字号比曲线小得多。

一份报告的严谨程度，不体现在它标了多少数据，体现在它怎么让读者看见不确定性。这里的不确定性是：这条曲线最后一段的斜率，是一个预测，不是一次测量。而「6 倍以上」这个结论，恰好完全依赖这一段。

我把这两页和 p0256 并在一起读，读出的判断是这样的：这份报告非常清楚 ROI 还没过线，也非常清楚只要给它时间就会过线。它选择了把「会过线」当作叙事主线，把「还没过线」当作一个必须交代的免责声明。这是所有趋势类报告的通用做法，算不上错，但读者要自己把顺序倒过来读——先读 5.9%，再读 13%。

三、优先上的不是最疼的地方——这句话它自己写了，然后没有追问

p0033 给了一张图（图 2-1），标题叫「生成式 AI 的时代已经来临」。数据是：2022 年，只有 23% 的受访高管表示其组织对生成式 AI 进行了试点、实施、运营和优化，62% 还在考虑和评估，15% 不考虑；预计 2023 年是 42% / 54% / 4%，2024 年是 62% / 37% / 1%。

这张图的问题不在数据，在标题。「时代已经来临」这个判断，靠的是 2024 年那个 62%。而 2024 年的 62% 是「预计」。用两个预计值来宣布一个时代已经到来，逻辑上是循环的。真正确凿的事实只有一句：2022 年，有 23% 的企业在真正做这件事，剩下四分之三在看。

然后 p0034 给了三个优先事项：安全 64%、互动 63%、创新 50%。p0035 一句自供：这些优先领域「大多是那些拥有最成熟 AI 能力的领域，而并不一定是战略痛点」。

这句话值得单独拎出来，因为它是一个非常少见的、报告级别的自我拆台。一家企业的 AI 战略，如果优先做的是「我们已经最会做的部分」，那它做的不是战略，是产能扩张。战略的定义里必须包含「在哪件事上暂时不做」，而按熟悉度排序的清单，天然排除不了任何东西。报告自己看出了这一点，写了半句话——「这意味着许多组织都无法实施能为整个企业带来战略价值的 AI 计划」——然后就走了，没有往下问。

该往下问的是：如果一个组织的 AI 优先项是按熟悉度排的，那么它的 AI 投入大概率会集中在客服、营销、内部 IT 这些「已有系统、已有数据、已有负责人」的角落。这些角落的回报有一个共同特点——它是省出来的，不是挣出来的。省钱的天花板就是这个部门的预算，而资本成本要的是增长。这恰好能解释 p0256 那个 5.9%：不是项目做砸了，是项目选的位置天生没有上行空间。

这本书后面用了一百多屏讲「怎么成为领先企业」，但如果起点选错了位置，后面所有的工程优化都只是在把一个上限很低的项目做得更省一点。

四、第四章占了 105 屏，第五章只有 4 屏——这本书的重心在哪

我把 373 屏按章做了全量切分，结果很说明问题：前置 6 屏（1.6%），第一章「2024 年五大趋势」25 屏（6.7%），第二章「企业生成式 AI：市场现状」25 屏（6.7%），第三章「AI 时代的 CEO 决策力」45 屏（12.1%），第四章「CEO 生成式 AI 行动指南」105 屏（28.2%），第五章「数据故事：混合云 + 生成式 AI」4 屏（1.1%），第六章「把握生成式 AI 和自动化的机遇」42 屏（11.3%），第七章「利用 AI 创造投资回报」45 屏（12.1%），第八章「12 个真实成功案例」76 屏（20.4%）。

两个数字放在一起看，非常刺眼：第四章 105 屏，第五章 4 屏。差 26 倍，但它们都是「章」。

第五章的标题叫「数据故事：混合云 + 生成式 AI」。这是一个完整的技术命题，涉及数据放在哪、怎么和生成式 AI 接、混合云架构的选择——按这本书的定位，它本该是全书最需要技术细节的一章。实际它只有 4 屏：一个章标题、两张图、一段过渡文字，然后是「下一章」。一个章号，换 4 屏内容，这不叫一章，这叫一张插图。

而第四章那 105 屏是什么？是「CEO 生成式 AI 行动指南」，分三部分：AI 赋能的人才、AI 赋能的数据与技术、AI 赋能的运营。听起来很全，但这三部分里，真正讲「怎么做」的比重并不高，大量篇幅是「领导者应该思考什么」「组织需要建立什么文化」这类框架性表述。p0106 就是一个典型：这一节讲「人才与技能」，正文之后放了一张三列的图，列头是「1. 人才」「2. 期望」「3. 创造力」，每列下面写着「需要了解的事项」和「需要采取的行动」。这是一张提示读者「这里有三个维度」的图，它不给任何判断依据。

我不反对报告写「领导者要思考什么」。但一本 373 屏的册子里，把 28% 给「CEO 应该想什么」，把 1.1% 给「数据和技术怎么落地」，这个配比说明它的读者画像不是工程师，是会议室里的决策者。而决策者最需要的那个数——一小时的算力多少钱、一个项目的总投入多少——恰恰全书没给。

这就形成了一个很怪的闭环：写给决策者看，但不给决策需要的成本数；讲技术落地，但技术只占一章的零头。中间那块真正难的地方，被「框架」和「案例」两头夹住了。

五、12 个案例，12 个客户

第八章标题写得很硬：「如何运用 AI 创造业务价值：12 个真实成功案例」。12 家是：绫致时装（BESTSELLER）、波士顿科学、法国国民互助信贷银行、一家匿名的「全球银行」、IFFCO 东京通用保险、毕马威、一家匿名的「营销平台」、味好美、Navtech、英伟达、森科能源、Zzapp Malaria。

先说它做得好的地方：这 12 个案例的行业分布是真的散——服装、医疗器械、银行、保险、会计、调味品、航空软件、芯片、能源、公共卫生。不是 12 个互联网公司。而且每个案例都写了一个「之前有多糟」，比如绫致时装那段关于「每年两季售出 80%，剩下打折或丢弃」的行业病，读起来是有痛感的。案例最难写的不是成绩，是起点，这本书的起点写得好。

问题在另一个地方：12 个案例里，没有一个是失败的。

这不奇怪——书名就叫「成功案例」。但把它和 p0256 那个 5.9% 放在一起，就成了一个问题：如果企业级 AI 项目的平均回报是 5.9%，低于资本成本，那么一定有相当一部分项目是亏的，而且很可能亏得不轻。这本书采访了那么多企业，一家亏损的都没写进来。一份承认平均数亏钱的报告，拿 76 屏只讲赢家，这 76 屏的信息量就被砍掉了一半。

更值得注意的是数字的口径。p0269 有一句被引用得最多的话：「Boston Scientific 仅投入了 5 万美元，就节省了 500 万美元。」投入产出比 1:100。这个数字极其漂亮，漂亮到它出现的方式值得推敲——它是在讲「六项关键能力」的第一项（前景与战略）时，作为括号里的一句附注出现的：「（参见第 301 页『Boston Scientific 仅投入了 5 万美元，就节省了 500 万美元』）」。

5 万美元省 500 万美元，省的是哪一年的钱？省的是哪个科目的钱？500 万是一次性的还是年化的？这三个问题，一句话里一个都没答。作为对照，同一页还有另一组数：「将 AI 视为业务战略重要组成部分的组织，其 AI 项目更有可能取得成功，并实现高出近一倍的投资回报率」，配的图（图 7-6）给的是 8.0% 和 4.7%，比值 1.7 倍。这两个数字是有口径的、能和 p0256 的 5.9% 对上的、看得出方法的。而 5 万换 500 万，是那种在 PPT 上很好看、在董事会上会被追问三句就答不上来的数字。

同一本书里，一组数严谨到标了调查月份，另一组数豪放到不给任何限定。这不是能力问题，是选择问题——严谨用在该严谨的地方，豪放用在该好看的地方。

六、它给对了六项能力，但没给一条排序

p0267 是第七章的核心：AI 制胜的六项关键能力——前景与战略、AI 运营模式、AI 工程与运维、数据和技术、人才与技能、文化和采用。图 7-5 把它们围成一个以「信任」为核心的环，配文是「成为卓越企业 AI 投资回报率最高的企业以信任为核心，建立了六项成熟的关键能力」。

这六项拆得是对的。我尤其认可第一项下面的第一句话：「不要用 AI 解决一切」。在一个满是「AI 优先」口号的年份，把这句放在六项能力的第一条第一句，是有骨头的。

但这六项能力的问题是：它们是一个清单，不是一个顺序。

一个企业读到这六项，第一件想问的事是：我先做哪个？如果只能投一笔钱，投在哪一项上回报最高？书里没有答案。六项被画成一个环，环的意思是「它们互相支撑、同等重要」——这个画法在管理咨询里很常见，也很安全，因为它不会说错。但它同时也不给出任何取舍。一个不说「先做哪个」的能力模型，本质上是一份体检表，不是一份处方。

相比之下，p0212 那一页反而给了更有用的东西。第六章摘要里三条：先行者净利润高 72%、收入增长高 17%；预计 AI 驱动的自动化带来的业务收入在未来三年增长一倍；87% 的生成式 AI 先行者表示，生成式 AI 可以帮助其组织实施极具影响力的自动化计划；82% 的受访者认为生成式 AI 的收益大于风险。

这四条的排列顺序恰好暴露了一个逻辑：先给结果（利润 +72%），再给预期（三年翻倍），再给意愿（87% 说有用），最后给态度（82% 认为值）。四个数字，一个比一个软。第一个是回看的事实，第二个是前瞻的估计，第三个是自我评价，第四个是主观判断。而读者记住的往往是最前面那个 72%。

这也是我读这类报告时的一个固定动作：看它把最硬的数字放在哪，把最软的数字放在哪。数字的软硬顺序，往往就是作者心里的说服力顺序。这份报告把硬数字放前面，是诚实的做法；但它没有在 72% 旁边写一句「此为相关性，非因果性」——而 72% 这个差距，完全可能是因为「先行者本来就是利润更高的公司」，而不是「因为做了 AI 所以利润更高」。这个区别，在决策时是生死之别。

七、它的短板

第一，全书没有一条成本数据。373 屏，讲 ROI 讲了 45 屏，讲投资讲了 42 屏，但没有一处写「一个企业级生成式 AI 项目大概要投多少钱」。p0256 说平均 ROI 是 5.9%——ROI 的分母是投入，报告给了比值，不给分子分母。一个只给比率的财务结论，是无法复核的。读者既不能验证 5.9%，也不能算出自己那笔账。

第二，八份报告拼成一册，重复度高。第一章讲「深度技术需要深度信任」，第七章讲「六项能力以信任为核心」，两处讲的是同一件事，用的还是同一套问卷。第四章的「AI 赋能的人才」和第六章的「AI 助理和员工协作」，主题高度重叠。这不是编的问题，是把八份独立报告按顺序装订的必然结果——每份报告都有自己的摘要、引言、结论，合订之后就有八个摘要、八个引言。读到第四章你会发现，前面三章说过的话又说了一遍。

第三，第五章只有 4 屏。「数据故事：混合云 + 生成式 AI」，一个完整的技术命题，一个章号，4 屏内容。这是全书最明显的一处「凑章」。

第四，案例只挑赢家。12 个案例，12 个成功。而这本报告自己承认平均 ROI 低于资本成本——按定义，平均数以下有一半。这一半的故事，比那 12 个更有信息量，一个都没写。

第五，没有参考文献，没有索引。48 条目录里，一条文献表都没有。p0260 的图注是全书唯一一处把调查名称和月份写全的地方，其余章节的百分比，来源统一写作「IBM 商业价值研究院」。一本数据密度这么高的报告，不给文献表，等于把复核的成本全推给读者。

那这本书该给谁读？我的判断是：给要向上汇报的人读，不给要动手做的人读。

它最实用的部分不是那六项能力，是那些可以被引用的判断句——比如「优先领域大多是拥有最成熟 AI 能力的领域，而不一定是战略痛点」，比如「AI 项目投资仍仅占 AI 总支出的一小部分」，比如那句「不要用 AI 解决一切」。这些话拿去放在方案的第一页，比任何架构图都有说服力，因为它们是厂商研究院说的，不是你说的。

但如果一个工程师想从这本书里知道「我该从哪开始、要花多少钱、多久能看到数」，他会失望。这本书从头到尾在回答「为什么值得做」，从头到尾没有回答「做这件事的账单长什么样」。

而 5.9% 这个数字告诉我们的是：在账单算清楚之前，「为什么值得做」这个问题，其实还没有答案。

一句话：这份报告最有价值的一页是它承认平均回报 5.9% 的那一页，最遗憾的是它用后面 120 页把这个数字盖住了。