据SiliconANGLE报道，Domino Data Lab Inc.首席执行官Thomas Robinson在theCUBE访谈中表示，企业AI能力几乎在各个方面都在提升，但回报仍落后于支出。技术已进入生产环境，却往往止步于真正承载收入、创新和风险的业务流程之外，这一差距正在重塑企业衡量AI成功的方式。

Robinson指出，这一差距在错误答案会带来实际后果的行业中最为明显，如医药研发、金融服务和国家安全。过去几年的AI应用大多针对个人桌面生产力，而非核心运营，57%的企业仍难以获得超出支出的回报。他说，很多应用只是给用户提供起草邮件或制作营销文案的桌面工具，但“那不是企业赚钱或亏损的地方，不是他们创新的地方，也不是他们推动成本削减的地方”。他认为，AI需要被应用于高影响、任务关键、核心的业务流程。

问题一部分出在衡量方式上。计算席位、令牌或原始采用率只能告诉领导者他们将花多少钱，而非赚了多少钱；将项目单纯视为成本削减也会在开始前就封顶收益上限。Robinson表示：“我非常喜欢说，你最多能节省100%的成本。我们客户群中的领导者是那些思考AI能为未来创新做什么的人，思考如何用AI推动收入增长的人。”

信任是另一重制约，尤其是当智能体系统在缺乏防护措施的情况下扩展时。Robinson提到，约41%的组织正在试点或扩展智能体AI，但没有相应的治理机制。Domino Data的应对方案是三层模型：从项目启动到交付进行门控的策略引擎、生产环境中的持续监控和追踪，以及对结果负责的人。Robinson说：“我们仍然相信判断优于幻觉。尽管许多模型被称为推理模型，但我们认为还没到那一步。”

这也是Robinson预计企业AI价值将从模型本身转向集成、治理和工作流的原因。模型提供商建立自己的前沿部署工程团队即为这一转变的佐证。他说：“他们没有宣传差距是由更好的AI弥补的。他们在建立充满人员的企业去实施它。这印证了一个故事：撸起袖子，让聪明能干的人进入你的业务，帮助推动数字化转型并运用新技术。”