麦肯锡咨询公司正在研究如何推广那些无法量化效益的AI应用，反映出当前AI商业化面临的挑战。

麦肯锡探讨如何销售无显著效益的AI应用

主要内容概述

全球知名咨询公司麦肯锡发布报告，探讨软件即服务（SaaS）供应商在AI热潮中面临的商业化挑战。报告指出，许多AI应用未能兑现降低成本或提升效率的承诺，反而可能导致客户成本激增，而供应商亟需调整定价策略以应对这一困境。

核心问题

1. 效益难以量化

   • 仅30%的软件企业能提供实际客户部署的AI投资回报数据。
   • 企业抱怨AI推高IT成本（如客户服务系统价格可能上涨60%-80%），却无法通过裁员抵消开支。一位财富100强公司高管直言：“AI助手号称能精简人力，但业务部门仍无法减少员工。”

2. 规模化应用受阻

   • 企业对变革管理的投入不足。报告建议，每投入1美元开发AI模型，需配套3美元用于用户培训和效果监测。

3. 定价模式不透明

   • 复杂的计价方式让客户难以预测AI成本，例如按使用量、任务量或结果（如销售线索数量）收费的混合模式。

麦肯锡的建议

• 调整定价结构：传统按用户订阅模式需结合按用量计费，例如微软Copilot的“基础费用+容量上限”模式。
• 动态更新策略：因AI技术迭代迅速，供应商需频繁评估定价单元的合理性。
• 降低推理成本：随着大语言模型（LLM）交付成本年均下降80%，供应商需平衡收费与市场渗透率。

市场现实

• 尽管供应商希望通过免费试用推动AI采用，但MIT研究显示，多数企业AI项目回报率为零。
• 采购决策权从IT部门转向业务部门，后者更关注实际价值而非功能噱头。

案例佐证

• 英国政府部门测试微软Copilot后，未观测到生产力提升。

行业背景

• 高盛警告AI泡沫可能冲击数据中心投资热潮。
• 亚马逊数据中心年支出已接近哥斯达黎加GDP总量。

报告最终指出，在AI实际效益存疑的背景下，供应商需谨慎制定商业化路径，以应对日益理性的市场需求。

（注：原文中的导航栏、标签列表等非核心内容已省略，保留核心分析与数据引用。）

总结评论内容：

1. 对AI效果的质疑

   • 多数评论认为AI未能兑现减少人力成本的承诺，反而增加了开支。
   • 引用："All of these copilots are supposed to make work more efficient with fewer people, but my business leaders are also saying they can't reduce head count yet." (评论3)
   • 引用："AI in its present form is probably the strangest and the most paradoxical tech ever invented." (评论7)

2. 对咨询公司的批评

   • 许多评论指出麦肯锡等咨询公司通过AI项目获利，但实际效果存疑。
   • 引用："From what I know of the firm, it looks like clients have come to the right place if they want a consultant with great experience at hiking prices without cutting costs or boosting productivity." (评论14)
   • 引用："Quite ironic that that comes from McKinsey because their service also rarely has a measurable benefit." (评论15)

3. AI的实际应用与局限性

   • 部分用户承认AI在某些场景有用（如编程辅助、信息查询），但需频繁修正且效果不稳定。
   • 引用："My Copilot has helped me dive into a gigantic pre-existing project... but I have to correct and babysit it all the time." (评论7)
   • 引用："The summary was very low fidelity... this was a very poor use case." (评论20)

4. 对AI泡沫的担忧

   • 评论认为当前AI热潮可能类似互联网泡沫，企业难以证明投资回报。
   • 引用："Dot-bomb 2.0." (评论16)
   • 引用："This is pretty textbook setup for how this bubble finally implodes." (评论5)

5. 组织与管理问题

   • 有观点指出AI部署的阻力来自管理层决策方式，而非技术本身。
   • 引用："The thing that AI is actually best at, is replacing these week-long workshop where managers are bs-ing around." (评论25)
   • 引用："A successful 'AI Transformation' would come in top-down, going after the most expensive headcount first." (评论23)

6. 未来展望的分歧

   • 部分人认为AI将长期存在但需迭代改进，另一部分预测其泡沫破裂。
   • 引用："AI is here to stay almost like a drug that we will be willing to pay for without seeing clear quantifiable benefits." (评论7)
   • 引用："We are very clearly still in the phase of 'throw AI at everything and see where it is useful.'" (评论20)

关键矛盾：技术潜力与商业现实之间的落差，以及咨询公司在这一过程中的角色争议。