以下为奥纬咨询合伙人埃里克·切尔维翁克的客座文章。他还领导该公司的首席财务官议程团队。观点仅代表作者本人。

先花钱，后问问题。迄今为止，这一直是大多数大型企业在人工智能投资上的做法。

但如今，在生成式人工智能时代的第四年，账单即将到期，公司董事会以及股东、员工和其他利益相关者 越来越关注 这些巨额投资有朝一日可能带来什么回报。

回答这类问题的责任很可能不会落在负责监督人工智能部署的技术负责人身上，而是落在首席财务官身上，因为他们最有能力为自己的组织在人工智能上的支出进行辩护。

大多数首席财务官尚未完全承担起他们在管理这些投资中的角色。根据 一项调查 ，四分之三的首席财务官表示他们计划今年增加人工智能支出。该调查由纽约证券交易所和奥纬咨询论坛对全球494名首席财务官进行。但只有6%的人认为，引导这些人工智能投资是为公司创造企业价值的最佳方式。

在我为大型公司首席财务官提供咨询的工作中，我亲眼看到了这种矛盾。首席财务官们普遍对这项技术本身非常乐观；调查显示，五分之四的首席财务官将数据、自动化、人工智能和数字化能力列为财务转型的前三大优先事项。但大多数人仍在摸索如何帮助其组织大规模部署人工智能：近四分之三表示，他们的公司仍在探索人工智能或仅处于试点阶段。

掌握以下五项准则的首席财务官，将通过不断增长的人工智能投资建立可持续的竞争优势。随着时间的推移，这一优势将拉大与行动迟缓的竞争对手之间的差距。

将建设者与记分员分开。 首席财务官在全企业范围内管理投资纪律，最有能力判断人工智能项目是否创造了价值。独立的财务或效益保证职能应验证基线、核算全部成本，并检验效益是否可归因且持久。

首席财务官还可以将自己的财务职能人工智能项目提交同一流程，从而提升自身可信度。

重新设计端到端流程。 人工智能投资未能产生有意义的财务回报，原因之一是企业只自动化单个任务，却不改变围绕这些任务的流程。一个工具可能让某位员工或某个职能更有生产力，但更广泛工作流的经济效益基本未变。首席财务官应推动团队从端到端业务成果出发——例如更快的订单到收款、更低的服务成本、更好的客户留存或更少的营运资金——并围绕该成果重新设计流程。人工智能的全部价值往往需要改变工作流、系统和角色，远不止技术本身。

构建可累积的人工智能能力。 试点证明模型能运行一次，通常用的是分析师手工整理的数据。但试点不会创造持久价值，除非它们留下下一个用例可以复用的基础设施。数据必须每天早上自动、准确地送达。必须有人负责它，必须有控制机制在数据漂移时捕捉到它，必须有工作流真正使用它，而不仅仅是展示它。

同样的原则适用于公司如何理解价值创造。如果首席财务官无法追踪运营变化最终如何影响财务结果，就无法衡量人工智能的回报。因此，公司需要一张业务运作方式的共享地图：价格变化对流失率有何影响，流失率对现金有何影响，以及这种影响需要多长时间才能在数字中显现。这张地图，连同可复用的数据管道、控制机制和工作流，成为投资所创造资产的一部分。对人工智能项目的检验不应仅看第一个用例是否划算，还应看它是否让第二个用例更便宜、更快速、更易于管理。

确保公司拥有并控制其构建的资产。 试点往往通过严重依赖模型提供商或实施合作伙伴来最快推进，这在早期可能合理，但后期可能代价高昂。当公司的数据结构、流程逻辑、控制机制和机构学习都嵌入在一个专有技术栈中时，更换提供商可能意味着从头重建大部分转型工作。

首席财务官应向供应商追问一个最重要的问题：如果我们两年后离开，我们能带走什么？诚实的答案通常能揭示数据、业务规则和审计轨迹究竟属于公司还是属于平台。

在转型中重新架构角色。 在数百个角色中节省10%的时间并不保证成本降低10%；如果工作本身不变，释放出的产能只会被吸收。领导者需要围绕新的工作方式重新设计角色和人员配置模式，并坦诚说明节省应体现在哪里。在治理角色中，首席财务官应确保与人力资源部门合作完成的这项职务架构工作嵌入重大人工智能转型中。

此次重新设计还必须考虑随着日常初级工作发生变化而失去的东西。纽约证券交易所和奥纬咨询论坛调查的首席财务官中，64%预计将减少初级岗位，而70%计划加强继任规划。这意味着要有意识地重建过去由日常工作提供的学徒培养机制。否则，AI部署可能产生高效的产出，却无法培养出能够解读结果并识别结果何时有误的领导者。