作者：来自 Elastic Jeremy Pell
Elastic 的新研究显示，三分之一的澳大利亚企业去年超出了其 AI 预算，并且接近三分之一的企业已经暂停或缩减了部署，因为成本无法通过产出来证明其合理性。其中一半企业仍计划在未来 12 个月内增加支出。
但仅增加支出并不能解决问题。数据清楚地指出了实际需要开展工作的方向。这是每位企业领导者在未来一年中应该优先考虑的五件事。
- 停止衡量 AI 活动，开始衡量 AI 成果
我们的研究发现，只有 8% 的澳大利亚企业正在跟踪 AI 是否带来了实际收入或成本节省。更多组织跟踪的是 AI 使用情况，而不是实际业务成果。
这是领导者最需要进行的最紧迫转变。显示你的 AI 有多繁忙的使用情况仪表板，与证明你的 AI 正在发挥作用并不是一回事。在未来一年增加支出之前，需要用业务术语定义成功到底是什么样：体现在账目中的成本节省、可以归因的收入，以及释放真实产能的生产力提升。如果你无法将 AI 活动与 CFO 可以采取行动的业务成果联系起来，那么你没有投资回报故事。你只有活动故事。
实际的起点是选择两到三个 AI 用例，在这些用例中你可以直接关联到可衡量的成果，正确地进行监控和度量，并从那里建立你的证据基础。没有衡量的广泛部署，是导致预算超支以及董事会失去信心的方式。
- 在其他事情之前，先完成那些不那么光鲜的数据工作
本地企业采用 AI 的方式存在一个明显矛盾：令人震惊的是，72% 的澳大利亚企业在没有首先建立正式数据准备基线的情况下，就匆忙进行了部署。然而，当这些系统不可避免地表现不佳时，领导者将糟糕的 AI 表现归因于糟糕的数据质量（32%）的可能性，是归因于底层 AI 模型限制（14%）的两倍。
数据准备并不是一个令人兴奋的议程项目。它不会产生一张能吸引董事会注意的幻灯片。
但你能够对 AI 性能进行的最高影响力投资，就是确保数据相关性。当 AI 系统输入低质量、冗余或范围定义不佳的信息时，模型必须付出双倍努力来区分信号和噪声。你实际上是在为处理那些本应该一开始就被过滤掉的数据付费。
修复数据基础并不是为了减慢 AI 部署速度。而是为了让 AI 足够高效，从而真正证明你为它投入的成本是合理的。
实际上，这意味着了解你的数据存在哪里，评估它是否准确且适合用途，并在数据进入模型之前消除重复数据。完成这些工作的组织将会显著降低每次查询的成本，并获得显著更好的输出。
- 在扩展 agent 之前，先建立可观测性
只有 31% 的澳大利亚企业拥有关于其组织中运行多少 AI agent 或自主工作流的集中化视图。然而，50% 的企业计划在未来 12 个月扩大 agent 的使用。只有 2% 的企业拥有正式的 AI 事件响应流程。
这个差距将成为下一波 AI 问题的来源。
Agent 不像你通过传统方式部署和监控的软件。它们会在真实系统中执行真实操作，而且通常没有人在循环中参与。如果你无法通过完整日志记录和清晰归因看到它们正在做什么，你就无法管理它们，也无法在失败发生时解释原因。
正确的顺序是先建立可观测性基础设施，然后扩展 agent 使用，而不是反过来。这意味着在赋予自主 AI 更广泛权限之前，需要具备使用日志记录、监控、定期风险审查以及清晰的事件响应流程。Agent 带来的生产力提升是真实存在的。但只有能够管理已部署内容的组织才能获得这些价值。
- 整合你的数据平台
大多数企业 AI 效率低下，本质上是一个碎片化问题。当关键业务数据运行在完全独立、互不连接的数据存储中时，每一次 AI 查询都会在计算能力和运营可视性方面支付隐藏成本。信息必须不断在系统之间移动，重要上下文在转换过程中丢失，并且没有任何单一团队能够清楚了解 AI 实际正在做什么或产生多少成本。
整合到统一的数据架构上不仅仅是一种技术偏好；它是一个能够全面提升效率的重要业务决策。简化数据基础设施可以消除由断开系统造成的运营延迟和安全盲点。它还可以让你的 AI 模型立即访问完整的企业上下文，而无需大量处理开销。
这也是技术领导者可以恢复真实预算，并为未来创新提供资金的地方。简化重叠的点解决方案并合理化旧有供应商，可以让组织有意识地释放资本用于 AI 投资，在不创建新的运营孤岛的情况下创造财务空间。
- 持续创新，但同时投资于人员和技术
成本纪律和创新并不是对立的。正确构建数据基础、建立可观测性以及正确衡量成果的目标，并不是限制 AI 的潜力。而是让 AI 足够高效，使每一美元投入都有真正实现有意义回报的机会。
研究显示，在 AI 成功管理日常和重复性行政任务的情况下，四分之三的企业表示员工正在将释放出来的时间重新投入到更高价值的工作中。员工正在将重点转向战略规划、新产品开发、客户互动以及主动提升技能。
此外，数据还显示出对专业技术能力的强劲且不断增长的需求。45% 的组织预计将在企业内部创建全新的、专注于 AI 的职位，18% 的组织已经积极招聘这些职位，而不是停止招聘。
在未来一年取得领先的企业，将是那些同时投资于 AI 基础设施以及与技术协同工作的人员的企业。这种协作是复合回报产生的地方，也是形成真正竞争差距的地方。
今年所要求的重新调整
这五件事都不是特别复杂。它们的共同点是需要纪律而不是追逐新奇：在追求下一项能力之前完成基础工作，在庆祝采用之前衡量成果，在规模化之前建立治理。
那些把去年视为 AI 实验之年的组织，现在需要把未来 12 个月视为 AI 责任之年。数据清楚说明了哪里出了问题。对于那些愿意认真对待的人来说，前进路径同样清晰。
关于研究
这项 Elastic AI 成本研究由 PureProfile 开展，调查了超过 500 名澳大利亚组织的高级决策者。这些组织拥有 50 名或以上员工，并且目前正在使用、正式或非正式部署，或试点 AI 工具。所有受访者要么是 AI、数据或数字化转型领域的最终决策者，要么是在其组织中具有强大影响力并提供建议的人。实地调查于 2026 年 6 月进行。
原文：Fix your data foundation to unlock real AI ROI | Elastic | Elastic Blog