谈到2025年科技圈的热点，非生成式AI莫属。可以说，生成式AI已经成为推动企业业务创新和数字化转型的核心焦点。根据Gartner调研显示，过去两年中，全球企业IT预算持续收缩，但AI与安全领域的投入逆势增长。
对于大部分企业而言，他们希望通过生成式AI提升生产力，进而降低成本。然而，残酷的现实是：75%的企业无法通过GenAI实现预期的成本优化。 这一组数据，也是Gartner通过调研之后得出。而这一悖论背后，折射出企业对技术价值的认知偏差与管理逻辑的深层断裂。
效率提升≠成本降低
虽然在代码生成、文档撰写、数据分析等应用场景中，生成式AI确实能显著提升员工效率。例如，微软Copilot为IT人员节省约3%的工作时间，金融机构通过RPA将审批周期缩短50%。然而，这些“效率红利”往往在转化过程中严重耗散。
一方面，员工节省的时间未被有效利用。Gartner调研显示，25%的时间节省中，80%因任务切换、流程冗余或管理松散而流失。另一方面，剩余时间需进一步转化为业务价值。若市场需求不足或组织无法快速调整产能，效率提升反而导致资源闲置。
在主题为《放眼生产力之外，如何利用生成式AI降低成本》媒体沟通会上，Gartner高级顾问总监李彬表示，虽然很多企业在生成式AI上投入了大量的资金和精力，也完成了新型工具的积极部署，提高了员工的效率，但这并不代表会直接降低企业的成本。他认为，很多企业的管理层存在技术乐观主义与价值脱节的认知陷阱，一是认为“技术投入→工具普及→效率提升→成本降低”是必然路径，忽视组织变革与业务适配的复杂性。二是将生产力等同于财务价值，忽略“开源”（收入增长）与“节流”（成本削减）的本质差异。
除此之外，很多企业还往往低估GenAI存在的变革成本、系统集成成本和机会成本等隐性成本。
媒体沟通会现场，李彬通过引用高盛与《经济学人》的观点，详细介绍了效率提升≠成本降低的观点。对于GenAI所带来的成本降低，高盛直言，投入过多，收益甚微。《经济学人》则认为生成式AI不会快速立竿见影地带来生产力的价值。
从生产力到价值的“惊险一跃”
如何破解生成式AI的成本悖论？活动现场，李彬提出了“两次飞跃”的理论：第一次飞跃是让更多的员工广泛使用生成式AI，第二次飞跃是通过推动企业变革，实现价值回报。
“第一次飞跃看似简单，实则充满挑战。”李彬指出，员工对新技术存在天然的抵触情绪，尤其是涉及岗位替代风险时。他以国内某制造业客户为例，进行了详细的介绍。该企业拥有大量IT员工和外包团队，但员工因担心失业而不愿使用新型工具，导致AI工具的推广受阻。此外，生成式AI的使用门槛也较高，需要员工具备一定的数字化素养和技能，这也限制了其普及程度。
“第二次飞跃则更加艰难，它要求企业从根本上改变业务流程和管理模式。”李彬强调，生成式AI不是简单的“工具升级”，而是“生产力的革命”。为此，企业需要重新设计业务流程，打破部门壁垒，构建以AI为核心的新生态。
李彬以金融机构为例，进行了详细的介绍。该机构在疫情期间使用OCR、RPA等技术提质增效，但走出疫情后却发现生产力未得到充分利用，且无法快速裁员。这反映出，单纯的技术应用无法自动带来价值，必须与组织变革相结合。
利用GenAI降低成本的六大策略
既然效率提升≠成本降低，那么对于企业而言，如何利用生成式人工智能降低成本？在本次采访过程中，李彬现场也给出了六大实操策略。
一方面，CIO可以通过削减IT外包支出、削减第三方可变支出、重新签订外包和托管服务合同来降低成本。
削减IT外包支出：降低成本应直接关注资金使用和现金流运转，找到损耗环节进行优化。这意味着，通过优化现金流管理，企业可以释放巨大的成本节约潜力。
削减第三方可变支出全：球全行业的IT支出中有13%用于外包，通过引入生成式AI，企业可以减少对外包服务的依赖，降低可变支出。李彬以东芝为例进行了详细介绍：该企业要求法务部门在发邮件或打电话给供应商前，先用智能体生成内容，从而减少了外包成本。
重新签订外包和托管服务合同：企业应定期审视外包和托管服务合同，利用生成式AI的谈判能力，争取更优惠的价格和服务条款。
另一方面，企业还可以通过削减运营资金、削减循环债务、采用更强硬的合同来降低成本。
削减运营资金。利用GenAI分析历史数据与市场趋势，预测驱动的现金流管理，提升销售回款与应付账款预测精度。李彬以全球运营资金总量为例，指出近五年内，全球企业运营资金增长20%。
削减循环债务：企业借贷利息常占营收的1%-5%。李彬表示，通过AI优化资金调度（如动态还款计划），某科技公司年省利息支出1200万美元，综合企业的成本节约和团队管理的代价，效果要好于将IT员工裁员20%”。
重新签订外包和托管服务合同：全球企业因合同管理漏洞年均损失5%的营收。GenAI可自动识别条款风险与履约异常。
除了以上策略外，李彬还给企业科技高管提出了一些建议。他表示，科技高管应明确企业愿景和方向，制定生成式AI的长期规划。同时，也要考虑速赢举措，如选择成本节约潜力大、实施难度低的项目进行试点。除此之外，科技高管应提前布局，建立变革管理机制，确保AI技术的顺利落地。最后，科技高管应加大数字化人才培养力度，营造鼓励创新、包容失败的企业文化。
写在最后：从生产力工具转变为成本优化引擎的转变
虽然生成式AI在降低成本方面面临诸多挑战，但李彬对其未来充满信心。他认为，随着技术的不断成熟和应用的不断深入，生成式AI将逐渐从生产力工具转变为成本优化引擎。并预测，未来几年我们将看到更多企业通过生成式AI实现显著的成本节约，甚至引发一场成本革命。
“生成式AI的成本革命不会一蹴而就，它需要企业、技术提供商和政策制定者共同努力。”李彬最强调，只要我们保持理性、审慎和创新的态度，就一定能够破解生成式AI的成本悖论，释放其巨大的价值潜力。
