回应投资回报率的问题
43%的管理者表示愿意将年营收的20%投入AI，但投资回报率应如何衡量？
在如何衡量AI所创造的价值方面，工程师和管理者的看法再次出现分歧。工程师 (61%) 更强调长期的战略性优化对提高投资回报率的帮助，例如品牌声誉、创新能力和竞争优势的提升等，而持这种观点的管理者占53%。相反，管理者 (71%) 更重视通过运营优化来提高投资回报率，例如效率的提升、生产率的提升等，而持这种观点的工程师占60%。
值得注意的是，仅有24%的受访者表示完全清楚其AI投资的最终回报率。更复杂的是，工程师和管理者常常高估或低估对方对投资回报率的认知。在企业运营引入AI的过程中，这种“认知不对称”可能导致新的挑战——管理者的指导方向与既定战略目标是否一致变得不明确。
谁真正了解AI投资回报率？
管理者
19%
认为自己对AI投资回报率有十分清晰的认识
工程师
31%
认为其所在企业的管理者对AI投资回报率有十分清晰的认识
管理者
17%
认为工程师对AI投资回报率有十分清晰的认识
工程师
28%
认为自己对AI投资回报率有十分清晰的认识
TE 观点
在推出AI工具时，定义“成功”至关重要。在TE，我们的首要目标是提升工程生产力。我们希望在相同的时间周期内看到更高的项目产出，并设定了目标：在五年内，将工程产能提升30%。
其次，我们期望项目和产品质量得到提升。如果方式得当，更庞大的数据来源能够为关键模拟提供更有针对性的分析。
“杰文斯悖论”告诉我们，随着技术进步，效率提升往往会被工作量的增加所抵消。考虑到这种可能性，确保AI的实施能够同时提升内部流程和外部产出的生产力，显得尤为关键。
Ruediger Ostermann
TE交通解决方案首席技术官