Gartner周二发布的一项研究结果显示，在基础设施与运营（I&O）领域，仅有28%的AI应用场景能够完全成功并达到预期投资回报率（ROI），而有高达20%的项目以彻底失败告终。

Gartner研究总监Melanie Freeze表示，项目失败"最常见的原因"包括对AI工具能力抱有不切实际的期望，以及在实际试点阶段存在技能缺口。

尽管上述结果已优于麻省理工学院去年发布的令人担忧的研究数据（该研究显示95%的生成式AI项目未能产生可量化的财务回报），但Freeze在接受CIO.com采访时表示，当前IT部门之间存在大量的探索性实验，许多I&O专业人员团队会"走出去尝试一些东西"。

Freeze指出，要实现预期的投资回报，IT部门绝不能将AI项目作为副业来运营。

在Gartner针对去年年底开展的783名I&O领导者调查所发布的问答简报中，Freeze表示，在57%报告至少一次失败经历的I&O领导者中，"许多人表示他们的AI项目失败是因为期望过高、节奏过快。他们认为AI会立即自动化复杂任务、削减成本或解决长期存在的运营问题。当预期目标设定不够务实，结果又迟迟未能显现时，信心便开始下滑，项目也随之陷入停滞。"

该调查还揭示，AI带来的投资回报并非取决于模型的复杂程度，而是取决于技术与实际运营需求的整合程度、治理水平以及契合度。

Gartner表示，已识别出三项关键成功因素：

其一，将AI嵌入人们日常使用的系统与流程中。Gartner指出，"当AI成为日常运营的组成部分，将有助于提升采用率，并在组织内部产生显而易见的影响。"

其二，成功的I&O高管能够获得来自高层领导的全力支持，这有助于"扫清障碍、协调优先事项，并确保投资持续获得资金支持和方向聚焦"；

其三，构建切实可行的商业论证。

Freeze表示，I&O领导者应优先考量AI应用场景，并通过"将AI应用场景作为产品来管理"的方式确定资金分配，以避免重复投入、发挥协同效应，并跟踪AI对I&O及业务成果的整体影响。

她进一步说道："在此基础上，I&O领导者可与CIO、数据与分析、安全、法务及财务等相关负责人协同合作，从可行性、风险、成本及预期业务影响等维度对各应用场景进行评估。采用统一的评分模型，便于对所有应用场景进行比较和排序，从而为投资决策提供参考依据。"

Freeze还指出，成功案例大多集中在生成式AI应用于特定领域的场景，尤其是IT服务管理（ITSM）和云运营，"这两个市场已较为成熟，且已验证了其业务价值。事实上，53%的I&O领导者表示他们的AI成果出现在ITSM领域。无论这些成果是在云端还是在ITSM中取得的，I&O领导者都必须确保这些成果在组织内广泛共享，并保持AI战略的整体一致性和集中领导。"

Freeze告诉CIO.com，在没有明确计划的情况下贸然启动项目，从来都不是明智之举："对于任何技术而言，'我们开发了它，它就一定会成功'，这种想法永远是危险的。一切都必须以商业论证为基础——你的业务需要什么？他们的目标是什么？在你现有的工具集无法解决的问题中，哪些是你职能范围内需要攻克的？在这套前期战略框架之下，成功才会随之而来。"

此外，失败的AI项目还可能波及整个组织。Freeze表示，无法提供安全、可靠、高可用的基础设施，可能对业务成果产生重大影响。

"失败的驱动因素与成功的驱动因素略有不同，"她说，"I&O领导者必须牢记，一个清晰定义、获得中央认可的AI项目组合，有助于组织将资源集中在最关键的地方。最重要的是，决定AI真实投资回报的，不仅仅是优先级的排序，更在于强有力的执行和业务层面的实际落地。"

Freeze补充道，一旦优先事项明确，便可进一步确定哪些应用场景值得获得资金支持，以及支持力度的大小。"目前，许多AI项目仍由各独立业务部门分别出资，"她指出，"然而，随着AI基础设施支出的持续攀升，CEO和CFO需要在制定资金标准和审批重大投资方面发挥更加积极主动的作用。"

Q&A

Q1：为什么企业IT部门的AI项目失败率这么高？

A：根据Gartner的研究，AI项目失败最常见的原因是对AI工具能力抱有不切实际的期望，以及在试点阶段存在技能缺口。许多I&O领导者期望AI能立刻自动化复杂任务、降低成本或解决长期运营问题，当结果未能快速显现时，信心下滑，项目随之停滞。此外，将AI项目作为"副业"运营，而非纳入核心战略，也是导致失败的重要因素。

Q2：哪些领域的AI应用成功率最高？

A：根据Gartner调查，生成式AI在IT服务管理（ITSM）和云运营领域的成功率最高，这两个市场相对成熟且已验证了实际业务价值。数据显示，53%的I&O领导者表示他们的AI成果集中出现在ITSM领域。Gartner建议，这些成功经验应在组织内部广泛共享，同时保持AI战略的整体一致性与集中领导。

Q3：企业如何提升AI项目的投资回报率？

A：Gartner总结了三项关键成功因素：一是将AI嵌入日常使用的系统与流程中，提升采用率；二是获得高层管理者的全力支持，确保资源持续投入；三是构建切实可行的商业论证，明确业务需求与预期目标。此外，建议以"产品化"方式管理AI应用场景，并联合CIO、安全、法务、财务等多方进行可行性与风险评估。