（转自：财资一家）

文 / Gartner 孙鑫

在生成式AI（人工智能）掀起的新一轮技术革命中，企业争相布局、投入巨资，试图在AI浪潮中抢占先机。然而，真正实现AI变现的企业仍属少数。技术创新本身并不会自动转化为商业价值，决定成败的，往往是一种被忽视的能力——讲好“AI价值叙事”。本文旨在帮助企业厘清：AI项目为何难以变现，叙事在其中如何发挥作用，以及企业如何通过构建可信、可执行的AI商业故事，推动AI从成本中心走向利润中心，赢得市场、投资人和用户的信任。

人物介绍PROFILE

孙鑫

Gartner研究副总裁

01

叙事经济学：AI价值变现的隐形引擎

叙事经济学（Narrative Economics）由著名经济学家罗伯特·席勒（Robert J.Shiller）提出，其核心观点是：经济行为和市场走势不仅仅受理性分析和数据驱动，更深刻地受到流行叙事、故事和集体情绪的影响。席勒认为，像“互联网泡沫”“房地产神话”“AI革命”等故事，会在社会中广泛传播，影响投资者、企业和消费者的决策，最终塑造经济周期和创Hehson潮。

在传统经济学中，决策往往假设个体是理性的、信息是对称的，但叙事经济学强调，真实世界中人们更容易被生动、易传播的故事所驱动。一个引人入胜的叙事能够迅速在大众中扩散，形成共识或预期，从而推动资金流向、政策制定甚至技术采纳。

在AI领域，尤其是生成式AI浪潮下，叙事经济学的作用愈发突出。AI本身是一项高度复杂、前景广阔但又存在极大不确定性的技术。企业、投资人和用户往往难以仅凭技术参数或短期财务数据判断AI项目的真正价值。这时，围绕AI的“价值叙事”成为连接技术创新与商业变现的桥梁。

企业在推动AI落地和变现时，往往需要讲述三个层面的故事。

一是战略愿景叙事，比如“AI将重塑行业生态”“AI驱动业务模式创新”等，激发外部资本和内部高管的长期信心。

二是业务价值叙事，具体到“AI如何提升生产效率”“如何优化客户体验”“如何降低运营成本”等，让业务部门和一线员工看到实际收益。

三是用户和市场叙事，通过“AI让服务更智能”“让产品更个性化”等故事，赢得用户和市场的认同与采纳。

在AI变现过程中，叙事经济学的影响体现在几个方面。

第一，引导预期和投资决策。一个可信、激励人心的AI叙事能够吸引资本持续投入，即使短期回报尚不明确。

第二，推动组织变革和人才聚集。清晰的AI故事有助于企业内部形成共识，吸引AI人才和跨部门协作。

第三，加速市场采纳和生态构建。通过叙事影响用户和合作伙伴的认知，降低创新阻力，加速AI产品和服务的市场化进程。

如今，企业高管不仅要关注模型能力和工程落地，更要系统性地构建和传播AI价值叙事，将技术创新转化为可感知、可衡量、可持续的商业价值。这种叙事驱动的战略，正是叙事经济学在AI时代的典型应用，也是企业实现AI变现的关键隐形引擎。

02

构建AI价值叙事的核心要素

构建AI价值叙事的核心要素包括以下五方面。

第一，战略意图清晰。企业需明确AI项目是用于“防御”（提升效率）、“延展”（业务差异化）还是“颠覆”（行业重塑），并据此设定不同的投资容忍度和衡量标准。

第二，量化价值预期。不仅要描述AI带来的生产力提升、成本降低，还要设定具体、可衡量的KPI（关键绩效指标），如员工生产率、客户满意度、市场份额等。

第三，结合行业场景。通过具体业务案例（如AI助力客户服务、销售内容个性化、文档搜索与摘要等），讲述AI如何在实际场景中创造价值。

第四，风险与成本透明。披露AI项目的总拥有成本、潜在风险、治理与合规措施，让利益相关方对项目的可控性有信心。

第五，落地路径可执行。展示从试点到规模化的路径，说明如何通过流程再造、人才培训、数据治理等措施，确保AI项目的可持续变现。

03

叙事经济学的落地实践

企业需定期与高管、员工、投资人沟通AI项目进展，强化信任和共识。高成熟度企业往往通过多维度指标（财务、业务、技术）来评估AI项目成效，并持续调整叙事内容，使其与企业战略和市场变化保持一致。

关于将叙事经济学纳入AI治理流程，某企业通过以下方式推进落地。一是战略共识先行，CFO（首席财务官）与首席战略官联合主持“AI战略价值工作坊”，界定AI项目的三种角色——防御、延展、颠覆，并设定对应评估口径；二是用KPI讲述业务成效，结合流程指标与员工绩效指标来讲述AI的贡献；三是双向对齐数据与故事，每月评估叙事内容是否与业务实际一致；四是让AI成为财务语言的一部分，在年度财报中首次将AI带来的节省明确归因为利润增长来源。

04

AI战略是一个业务战略

AI战略的本质是业务战略。企业要实现AI变现，必须将AI能力与核心业务目标深度绑定，推动AI从“成本中心”向“利润中心”转型。

成功的AI战略需要企业明确定位AI在业务中的角色，制定清晰的价值创造路径，建立可衡量的评估体系。这要求企业跳出技术视角，从业务需求和市场机会出发，系统性地规划AI投资和落地策略。只有将AI与业务深度融合，企业才能真正实现AI的商业价值。

05

AI价值实现的三大路径

AI价值实现的三大路径包括防御型、延展型、颠覆型。

一是防御型，以提升员工生产力和流程效率为主，易于部署但竞争优势有限。价值主要体现在员工节省时间、提升工作质量等。

二是延展型，将AI嵌入关键业务流程，实现差异化和直接ROI（投资回报率）。典型场景如AI助力客户服务、销售内容生成、文档智能检索等，能够以具体财务指标衡量成效。

三是颠覆型，以AI为核心重塑行业规则，创造新市场和商业模式，如金融、法律、医药等领域的行业专属大模型。投资回报周期长，需采用风险投资式的管理和评估方法，关注未来收益。

06

CFO在叙事经济学中的作用

在AI价值叙事的构建和落地过程中，CFO扮演着至关重要的角色。CFO不仅关注AI项目的预算和成本，更关心AI如何带来可量化的业务成果和财务回报。CFO要求AI项目不仅要有创新性，还要能用具体数据证明其对收入增长、成本优化、利润提升等方面的贡献。对于“防御型”AI应用，CFO关注的是员工生产力提升、流程效率优化等带来的“return on employee（员工回报率）”；对于“延展型”与“颠覆型”应用，则更关注直接的ROI和未来新业务的财务潜力。

CFO还高度关注AI项目的总拥有成本，包括初始投入、持续运营、数据治理、合规和变革管理等各项支出，并会评估AI带来的潜在风险，如数据安全、合规、模型偏差等，推动建立健全的治理机制。CFO是AI价值叙事的“守内人”，需要被说服AI项目的价值故事是否真实可信、是否能在财报周期内看到实际成效。因此，AI团队在叙事中要用具体的KPI、财务指标和案例数据，向CFO展示AI如何转化为可持续的业务价值。

07

成功要素

第一，高层共识与跨部门协作。AI战略需获得董事会和高管层的高度重视，并与HR（人力资源）、财务、法务、业务等部门协同推进。

第二，业务流程再造与人才培养。AI项目的价值实现依赖于流程优化、员工培训和组织变革。成功企业往往在变革管理和AI素养提升上投入与技术同等的资源。

第三，治理与合规。治理体系的成熟度直接决定AI项目的可持续性。许多组织因治理不力未能实现AI预期价值。

08

数据与CFO：AI价值叙事的双重基石

在AI变现之路上，数据不仅是AI模型训练和应用的基础，更是企业叙事可信度与落地能力的核心支撑。Gartner研究显示，超过60%的AI项目因缺乏“AI就绪”数据而无法达成业务目标并被放弃，尤其在生成式AI（GenAI）领域，数据质量、治理和业务关联性直接决定了AI项目能否从概念走向规模化应用。随着生成式AI应用加速，数据不仅是AI模型训练和运行的底层基础，更是AI项目能否真正获得CFO信任与支持的“硬通货”。

为什么“AI就绪”数据如此关键 ?

第一，数据决定AI的实际能力与业务适配性。不同AI场景对数据的需求千差万别。预测性维护、智能客服、内容生成等应用，所需数据类型、结构和治理方式大不相同。高质量、代表性强的数据不仅提升模型表现，更能确保AI输出符合业务实际需求，减少“幻觉”与误判。

第二，数据治理与合规是AI叙事可信度的保障。只有具备完善的数据治理、元数据管理和合规机制，企业才能在AI叙事中获得高管、投资人和客户的信任。特别是在涉及个人信息、行业敏感数据时，透明、可追溯的数据管理流程是AI商业化的前提。

第三，数据与业务价值的直接连接。企业的数据资产越能与核心业务流程和KPI深度绑定，AI叙事越有说服力。高成熟度企业往往能用数据驱动的案例，量化AI带来的收入增长、成本优化、客户体验提升等具体业务成果。

数据驱动的AI叙事落地实践

第一，持续投资于数据管理和数据基础设施。企业需将“AI就绪”数据建设作为长期战略投入，涵盖数据采集、清洗、集成、治理、元数据管理等全流程。随着GenAI对非结构化数据（如文本、音频、图像等）的需求激增，数据架构也需不断升级，支持多模态、多源异构数据的融合与管理。

第二，用数据讲好AI故事，获得高管与CFO支持。在AI项目立项、推进和汇报过程中，数据不仅用于模型训练，更是价值叙事的核心证据。CFO等决策者尤其关注AI项目的数据基础是否扎实、数据到业务价值的转化路径是否清晰、数据治理是否合规安全。只有用真实、可量化的数据支撑AI故事，才能获得持续投资和资源倾斜。

第三，以数据为纽带，推动AI与业务深度融合。数据不仅服务于AI团队，更要服务于业务部门。通过数据驱动的业务流程再造和绩效管理，企业能将AI创新转化为可持续、可复制的业务成果，形成正向循环。

CFO的三项关键任务：从财务把关人到AI价值共创者

随着企业AI项目逐步从试点走向规模化，CFO的职责已从传统的“成本审批人”演变为企业AI价值叙事的核心参与者和可信度保障人。CFO不仅要确保AI投入的回报，更要参与构建一个可信、可衡量、可审计的AI资本故事。以下是三项关键职责与对应实践要点。

任务一：设计多层次的AI投资评估体系。不同类型的AI项目，其风险、回报与落地周期迥异，CFO应推动建立差异化的投资评估机制，而非一刀切地采用传统ROI模型。

具体建议包括：为“防御型”项目制定效率提升型指标，如人均处理量增长、自动化率提升、成本节约占比；为“延展型”项目设定直接价值回报指标，如新增客户营收、新业务线利润占比、EBIT（息税前利润）增长；为“颠覆型”创新项目引入风险投资式模型，如5年期NPV（净现值）、创新渗透率、预期SaaS（软件即服务）化倍数。

任务二：推动数据驱动的财务叙事闭环。仅靠财务数字讲不清AI的价值。CFO应成为推动“数据—业务影响—财务结果”三者闭环的关键桥梁，让每一个AI故事“讲得出、算得清”。

具体建议包括：提前介入项目立项，与业务部门共建“AI价值指标体系（Value Scorecard）”；在项目试点期设置“指标验证点”，如6周达成多少FTE（全职等效）释放、NPS（净推荐值）提升多少分；引导BI（商业智能）团队搭建AI ROI仪表盘，实现“AI支出vs.实际业务价值提升”的可视化对比。

任务三：主导AI治理与预算透明化。随着AI项目日趋复杂，CFO必须协同CIO（首席信息官）/CDO（首席数据官）等关键高管，共建一套涵盖财务、数据、合规、安全的综合治理架构。

具体建议包括：搭建AI财务治理委员会，明确预算审批流程、异常支出审查机制；牵头设计AI总拥有成本（TCO）披露结构，包括模型训练、数据治理、人力变革等支出；制定AI项目“退出机制”与“中止阈值”，保障投资纪律性。

讲AI的，不应只是CTO（首席技术官）。算得清AI值不值的，一定得是CFO。

09

未来趋势

随着大模型和AI平台能力的普及，模型本身的差异化空间逐步收窄，数据成为企业AI竞争力和叙事价值的关键壁垒。未来，谁能更好地管理、治理和激活自身独特的数据资产，谁就能在AI商业化落地和资本市场讲述更具说服力的AI价值故事。未来讲好AI故事的主角，不再只是CTO，而是具备战略视野与财务说服力的CFO。

10

企业需要讲好AI故事

讲好AI故事，是推动AI变现的核心。企业应将AI叙事作为战略沟通和价值实现的关键工具，贯穿于项目全生命周期。

讲好AI故事的五大步骤

一是明确战略意图，与高管共识AI项目定位，明确“防御—延展—颠覆”的目标。

二是量化业务价值，设定具体KPI，结合业务场景量化AI带来的成效，如生产力提升、成本节约、新增收入等。

三是打造可信落地路径，披露项目成本结构、ROI测算、风险控制和治理框架，让利益相关方看到“钱花在哪、能带来什么”。

四是持续沟通与调整，定期向高管、员工、投资人通报进展和成果，及时调整叙事内容，强化信任和共识。

五是用案例和数据说服，通过行业标杆和自身实践，增强叙事的说服力和可复制性。

叙事驱动的管理建议

第一，建立价值导向的运营模式。将AI项目管理从“成本中心”转向“利润中心”，以业务成果为核心衡量标准。

第二，提升AI素养与变革管理能力。投资于AI素养培训和组织变革，确保员工能有效利用AI工具，转化为实际业务价值。

第三，完善数据治理和风险管理。加强数据质量、隐私保护和合规管理，为AI叙事提供坚实基础。

讲好AI故事，是推动企业实现AI变现的核心能力。企业应系统构建可信、可执行的AI商业叙事，推动AI技术创新转化为可持续的商业价值，赢得市场、投资人和用户的信任，实现从愿景到落地的跨越。

更多专题推荐

《2024—2025年中国司库报告》以“数智化动能，共建中国式司库”为主题，从高质量发展和中国式司库、司库体系建设和管理重点、未来司库洞察和发展趋势三个视角展开，全维度刻画和勾勒中国式现代化司库的发展全景。

《2024—2025年中国司库报告》

值得一提的是，本次司库报告通过收集、调研、访谈、对标，形成了多类型、多属性、多规模、多阶段的企业案例样本库，包括央企，国企，民企和上市公司等。此次，报告对标杆案例进行特别策划、独立成册，即《标杆案例集》，进一步发挥司库标杆引领，持续挖掘具有借鉴意义和典型价值的中国司库建设样本。通过综合实践、卓越司库和智慧财务三个维度加以展开论述。

通过以上这几个方面的内容，本次司库报告精心打磨33万字以上、123张数据图表、63家企业案例和18家银行案例，多视角、全方位展示中国企业司库管理的发展视图，共建中国式司库。

订购平台，微信小程序：财资知识云