為什麼企業 AI 項目無法向董事會證明回報？
根據麥肯錫2025年 AI 現狀報告，在 AI 上投入最多資金的企業，未必是回報最高的一群。他們擅長的，是用活動指標掩蓋回報缺失的現實。那些真正實現可量化財務回報的企業，共同點只有一個：在選定供應商、啟動試點之前，已建立完整的衡量框架。
麥省理工學院發表於《財富》雜誌的研究顯示，95% 的生成式 AI 試點項目未能為損益表帶來可量化回報，儘管2025年全球企業 AI 投資已達6,440億美元。畢馬威2025年 AI 調查發現，90% 的企業表示來自投資者的 ROI 壓力達到重要或非常重要的程度，較上季度的68% 大幅上升。
投資與回報之間的落差，根本上不是技術問題。持續取得 AI 回報的企業，都在部署前已建立嚴格的量化框架，而不是等到董事會追問時才倉促補救。
什麼是 AI ROI？它與傳統 IT 投資回報有何根本分別？
AI ROI 衡量人工智能項目相對總投資成本所產生的財務、運營及策略回報。與傳統軟件 ROI 沿可預測的成本削減曲線不同，AI ROI 是非線性的，高度依賴情境，需要從短期效率提升和長期能力建設兩個維度進行多層衡量。這在結構上令財務總監難以用標準 IT 投資框架作出評估。
Futurum Group 2026年上半年企業調查記錄了一個重要轉變：直接財務影響，合計收入增長與盈利能力，作為首要 ROI 指標的比重已近乎翻倍至21.7%，而生產力提升則從23.8% 下降至18%。董事會不再接受「我們更快處理了一萬份文件」作為價值佐證，他們要求的是財務成果。
基準缺失問題：為什麼財務總監事後無法評估 AI 回報？
財務總監事後無法評估 AI ROI，最常見的根本原因是：部署之前從未量化現狀基準。若沒有記錄部署前的處理時間、錯誤率、人力使用量及每筆交易成本，就無法與部署後的狀態進行有意義的比較。等到財務總監要求 ROI 數據時，可信的基準已無從重建。
德勤《2026年企業 AI 現狀》報告指出，基準缺失是亞太區董事會 AI 投資爭議的首要成因。任何 AI 項目批准之前，必須記錄以下五個基準數據點：
--- 每項任務的實際用時，來自現有工作流程或時間追蹤系統，而非主管估算。
--- 每單位產出的成本，包括所有直接人力、監督及管理費用。
--- 目標流程的錯誤率或質量指標，來自審計記錄或客戶投訴數據。
--- 人員投入，包括直接操作人員以外的審批用時和例外處理分配。
--- 吞吐量上限，即 AI 介入前該流程每週或每月的最大處理量。
記錄上述五項數據，由部門主管確認準確性，並在部署啟動前存檔。這30天的工作，是任何 AI 項目投資回報最高的單一活動。
產出指標對比成果指標：財務總監只關心其中一種
產出指標衡量 AI 做了什麼，例如處理了多少文件、回答了多少查詢。成果指標衡量 AI 為業務帶來了什麼，例如降低的成本、縮短的周期、減少的風險。財務總監和董事會只回應成果指標。在董事會報告中呈現產出指標，傳遞的信號是 AI 項目缺乏策略問責，無論數字多亮眼都無法建立公信力。
麥肯錫2025年 AI 調查發現，回報最高的企業，從部署開始便採用成果導向衡量系統的比例，是以活動指標衡量的企業的三倍。以「我們的 AI 上季度處理了12,000個客戶查詢」作為匯報，與「AI 工具將每次互動成本從85港元降至31港元」相比，後者才是財務總監真正需要的答案。
董事會關注的五個衡量維度
企業 AI 項目應從五個維度進行衡量：運營效率、勞動生產力、質量與合規、收入貢獻及策略價值。並非每個項目都涉及全部五個維度，但每個 AI 項目在獲批前，都應至少映射到其中兩個維度。
運營效率：以周期時間縮短、吞吐量提升及錯誤率改善衡量。一家物流公司的 AI 貨運匹配系統，若能將確認訂倉時間從4小時縮短至22分鐘，便是任何財務總監都可獨立核實的具體業務成果。
勞動生產力：「節省了3個全職員工」是投入聲明。「將3個全職員工重新部署至高利潤顧問工作，在隨後兩個季度創造了180萬港元的增量收入」才是成果聲明。
質量與合規：在香港金管局監管框架下，AI 驅動的合規監控若能降低監管事故頻率，便是具量化價值的董事會可匯報指標。
收入貢獻：以 AI 能力促成或加速的新收入衡量，需要在部署前與財務部門就歸因方法論達成共識。
策略價值：以解鎖的新能力及未來擴展的選擇權價值衡量。今天建立 AI 就緒數據基礎架構的企業，擁有標準損益核算無法捕捉的策略選擇權。
如何在90天內建立部署前 AI ROI 框架
部署前 AI ROI 框架可以通過四個有序步驟在90天內建立：前30天完成基準記錄，第31至45天定義成功指標，第46至60天建立財務模型，第61至90天完成管治審批。目標不是建立完美的預測模型，而是一個財務總監可以認可的框架，將 AI 的預期能力與現狀績效差距緊密相連。
--- 第1至30天：針對目標流程記錄所有五個衡量維度的基準數據，使用實際運營數據而非估算。
--- 第31至45天：為每個目標維度定義具體的數字化成功指標，附帶時間節點、負責人和明確的衡量方法。
--- 第46至60天：建立財務模型，涵蓋全部擁有成本、按維度分列的預期節省、回收期及三年淨現值，並附敏感性分析。
--- 第61至90天：取得財務部門、業務部門主管及 IT 領導層的書面確認，將預測轉化為可問責承諾。
香港企業在 AI ROI 衡量上最常犯的錯誤
香港企業主管最常因以下原因損害 AI ROI：以高管熱情而非有記錄的績效差距選擇應用場景；跳過基準記錄步驟；將工具採用率與業務價值混為一談；以及未能重新部署 AI 釋放的產能，使理論節省無法在損益表上實現。
麥肯錫對亞太區 AI 部署的分析發現，主要根據高管興趣選擇應用場景的企業，產生負 ROI 的概率比基於有記錄的運營痛點做出選擇的企業高出40%。
普華永道2026年 AI 商業預測報告發現，模型選擇、提示工程及系統整合獲得了80% 的關注，卻只驅動約10% 的成果；而變革管理、流程再造及文化適應獲得了20% 的關注，卻驅動約70% 的成果。任何忽視人員因素的 ROI 框架，都會系統性地高估預期回報。
衡量 AI ROI 並非項目尾聲的匯報工作，而是在第一次供應商接觸之前就應啟動的設計紀律。懂AI的冷，更懂你的難 — UD 同行28年，讓科技成為有溫度的陪伴。
評估你的 AI 準備度
了解 ROI 衡量框架是第一步。下一步是在部署前，客觀評估你的組織目前的實際準備程度。UD 的 AI 準備度評估提供基於數據的全面診斷，識別最高回報的 AI 切入點，並明確需要解決的差距。UD 團隊手把手帶你完成每一步——從基準記錄到董事會級別的匯報，28年企業服務經驗全程陪你走。