【导语】澳洲会计师公会《2025年商业科技应用调查》显示，AI应用步入深水区，投入产出回报不明显成首要障碍，企业愈发务实，提升投资回报率成核心关注。企业面临AI基础设施投入大、价值难量化、输出结果不透明、人才短缺等诸多挑战，需锚定业务痛点分阶段投资，构建人机协同体系，以适应AI时代发展。
AI应用步入深水区，投入产出回报不明显正成为AI大规模落地应用的首要障碍。澳洲会计师公会日前发布的《2025年商业科技应用调查》显示，企业对AI项目的价值预期愈发务实，提升投资回报率成核心关注点。
11月20日，澳洲会计师公会华东和华中区委员会会长、澳洲资深注册会计师金科表示，AI基础设施前期投入巨大，部分企业缺乏清晰的投资回报评估框架，难以量化AI对业务的实际价值，易陷入投入看不到回报或期望收益的困境中。中小企业技术人才短缺，AI应用难以有效推进和规模化落地。
投入产出回报不明显，阻碍AI落地应用
澳洲会计师公会最新发布的《2025年商业科技应用调查》（下称“调查”）访问了亚太区1117位不同行业的财务、会计和金融人士，调查显示，过去12个月，中国企业的人工智能应用率与应用成(chéng)熟(shú)度(dù)同(tóng)步(bù)提(tí)升(shēng)。人(rén)工(gōng)智(zhì)能(néng)、数(shù)据(jù)分(fēn)析(xī)和(hé)可(kě)视(shì)化(huà)软(ruǎn)件(jiàn)、网(wǎng)络(luò)安(ān)全软(ruǎn)件(jiàn)是(shì)应(yīng)用(yòng)最(zuì)多(duō)的(de)三(sān)项(xiàng)技(jì)术(shù)。提(tí)高(gāo)运(yùn)营(yíng)效(xiào)率(lǜ)、降(jiàng)低(dī)成(chéng)本(běn)和(hé)改(gǎi)善(shàn)客户体验是企业科技应用的三大驱动因素。随着技术应用深化，企业对AI项目的价值预期愈发务实，提升投资回报率已成核心关注点。
澳洲会计师公会华南区委员会会长、澳洲资深注册会计师陈建峰表示，财务成本与低投资回报率是亚太区企业面临的共同挑战。“超过1/3的受访大型企业更加关注科技(jì)应(yīng)用(yòng)成(chéng)效(xiào)的(de)不(bù)确(què)定(dìng)性(xìng)、数(shù)据(jù)质(zhì)量(liàng)问(wèn)题(tí)和(hé)复(fù)杂(zá)的(de)系(xì)统(tǒng)遗(yí)留(liú)问(wèn)题(tí)。当(dāng)人(rén)工(gōng)智(zhì)能(néng)深(shēn)度(dù)融(róng)入(rù)企(qǐ)业(yè)商(shāng)业(yè)模(mó)式(shì)，会(huì)牵(qiān)涉(shè)更(gèng)复(fù)杂(zá)的(de)解(jiě)决(jué)方(fāng)案(àn)和(hé)更(gèng)前沿的技术，往往需要内部或第三方共同研发或定制特定的方案，投入的资源也较现有软件更多。”
“投入产出回报不明显是AI应用的首要挑战，中小企业敏感度更高。”澳洲会计师公会华东和华中区委员会会长、澳洲资深注册会计师金科表示，算力、大模型研发调优等AI基础设施前期投入巨大，一套DeepSeek一体机投资规模就达数百万元甚至上千万元。部分企业缺乏清晰的投资回报评估框架，难以量化AI对业务的实际价值，易陷入投入看不到回报或期望收益的困境中。
不管是大型企业还是中小型企业，普遍面临的痛点是，AI的输出结果缺乏透明度和可解释性。随着AI系统越来越复杂，隐私和安全性问题也困扰企业。此外，大型企业通常具备成熟、复杂的IT基础设施，更关心大模型如何与现有技术架构深度融合，而不是建立独立于体系之外的单独应用。中小型企业则面临技术人才短缺问题，部分中小型企业没有专职的IT部门或IT人员，难以有效推进AI应用和规模化落地。
锚定业务痛点分阶段投资，平衡成本与风险
“年初，企业内部各个部门都很积极思(sī)考(kǎo)新(xīn)一(yī)代(dài)人(rén)工(gōng)智(zhì)能(néng)技(jì)术(shù)能(néng)够(gòu)产(chǎn)生(shēng)怎(zěn)样(yàng)的(de)价(jià)值(zhí)，由(yóu)于(yú)技(jì)术(shù)复(fù)杂(zá)度(dù)和(hé)投(tóu)资(zī)回(huí)报(bào)的(de)不(bù)确(què)定性，后(hòu)来(lái)越(yuè)来(lái)越(yuè)多(duō)的(de)企(qǐ)业(yè)开(kāi)始(shǐ)意(yì)识(shi)到(dào)不(bù)能(néng)盲(máng)目(mù)布(bù)局(jú)。”金(jīn)科(kē)表(biǎo)示(shì)，这(zhè)些(xiē)AI应(yīng)用的典型挑战推动企业改变经营决策。他认为，企业要将资源集中于核心业务与发展战略，锚定业务痛点，精准匹配技术，避免“为了技术而技术”，同时分阶段投资，平衡成本与风险，建立覆盖AI全生命周期的治理机制，包括数据采集合规审查、模型透明度评估、隐私数据保护措施等，出海企业则需前瞻性研究目标市场监管政策，将合规建设纳入战略规划。
在技术应用和价值量化方面，以财务领域为例，财务组织通常面临人员短缺、工作压力大等问题，月结关账时大量时间耗费在对账、结算、出报表等低价值工作中。此时可通过AI工具采集数据、编制报表，并建立对标业务指标的投资回报评估框架，将AI成果与成本降低率、效率提升幅度等绑定，定期复盘调整，确保价值可量化。
调查显示，受AI应用普及影响，32%的受访者表示，过去12个月企业减少招聘初级财会人员，同时18%的企业为其财务部门扩招具备AI专业素养的人才，这(zhè)反(fǎn)映(yìng)了(le)企(qǐ)业(yè)人(rén)才(cái)引(yǐn)进(jìn)模(mó)式(shì)的(de)调(diào)整(zhěng)。
“大(dà)家(jiā)都(dōu)很(hěn)焦(jiāo)虑(lǜ)，未(wèi)来(lái)我(wǒ)的(de)岗(gǎng)位(wèi)会(huì)不(bù)会(huì)被(bèi)取(qǔ)代(dài)，或(huò)者(zhě)我(wǒ)的(de)工(gōng)作(zuò)技(jì)能(néng)能(néng)否(fǒu)适(shì)应(yīng)企(qǐ)业发展的要求。”金科表示，实际上，员工积累的企业经验有助于AI更好落地。企业应构建人机协同体系，一方面加强现有员工培训，提升AI应用能力，制定清晰的AI使用指引，确保合规前提下高效使用；另一方面，重塑人才结构，招聘具备AI、大数据素养的复合型人才，探索数字员工和自然员工协同工作，将人类从重复性工作中解放出来，专注战略决策等进阶任务。长远来看，兼具过硬的传统专业知识和技术能力、拥有全球化经(jīng)验(yàn)和(hé)具(jù)备(bèi)终(zhōng)身(shēn)学(xué)习(xí)思(sī)维(wéi)的(de)财(cái)会(huì)人(rén)才(cái)能(néng)在(zài)不(bù)断(duàn)演(yǎn)变(biàn)的(de)职(zhí)场(chǎng)中(zhōng)脱(tuō)颖(yǐng)而(ér)出(chū)。