除科技公司外，AI 没有带来财务回报：一份让企业冷静的测算

把七家公司剔出去之后

TechCrunch 十月二十五日报道了阿波罗全球管理首席经济学家 Torsten Slok 的一份研究笔记。他造了一个说法叫 "标普 493"——标普 500 去掉字母表、亚马逊、苹果、Meta、微软、英伟达和特斯拉这七家。

在这个口径下，利润率与人均营收都基本持平，看不到 AI 提升生产率的证据。他的原话是：尽管在人工智能上有巨额投入和铺天盖地的宣传，这项技术对美国科技行业以外的企业，带来的财务回报是零。

为什么不是"再等等就好"

一个常见的解释是：非科技公司只是落后于巨头，等它们追上就行。Slok 对此表示怀疑。他认为，企业界很难把 "越来越便宜的智能" 转化成更高的收入增长和更高的利润率。

他给出的理由不是技术层面的，而是组织层面的："AI 可能是一台很好的计算器，但在商业里，智能主要是指判断。" 他接着说，AI 不理解责任、信任、文化、不成文的规矩、伦理取舍和公平——而这些恰恰塑造声誉风险，并最终决定收入增长与利润率。

这段话说中了什么

把这段判断放到具体场景里就很清楚。一份合同要不要签，不在于能不能快速读完条款，而在于谁为这个决定负责；一个客户要不要让价，不在于成本算得多准，而在于这段关系值不值得投资；一次交付延期，AI 能算出影响范围，但不能替你面对客户。

这也解释了为什么大量企业的 AI 项目停在演示阶段：演示里做的是计算，上线后要的是判断。而判断这件事，目前仍然需要一个能承担后果的人站在流程末端。

那投入还在涨，是不是都错了

也不必走到另一个极端。这份测算衡量的是宏观层面的利润率和人均营收，颗粒度很粗；它无法区分 "用 AI 把某个环节的成本降了三成" 和 "整体财务表现没有变化"——前者完全可能在发生，只是被别的成本吃掉了。技术采纳的历史上，这类滞后很常见：电力普及到工厂生产率明显提升，中间隔了二三十年，因为要先重排厂房 layout，而不是换掉蒸汽机。

真正值得警惕的不是 "AI 没用"，而是把工具采购当成转型完成。买了账号、开了培训、做了几个演示，流程没有改，责任没有重新划分，那笔钱确实会变成零回报。

给做企业数字化的人三条

第一，先量人工基线。任何一个要上 AI 的环节，先老老实实记下现在做一次要多久、错多少、谁在复核。没有基线，事后就无法判断投入是否值得，只能靠感觉汇报。

第二，优先选 "结果可验收" 的环节：单据录入、资料归档、客服问答、报表汇总。这些活的判断含量低、验收标准清楚，收益能立刻落到工时上。反过来，涉及定价、承诺、人事的决定，让 AI 出选项、由人拍板。

第三，别把 "用了 AI" 写进汇报，把 "哪个环节的人均产出变了" 写进去。前者是采购记录，后者才是数字化转型的证据。这一条对给客户做交付的团队同样适用——客户最终付钱买的不是模型调用量，是可见的结果。