今年全球企业在 AI 方面的平均支出略微增长至2800万美元，但投资回报率却大幅提升。全球企业预计今年的投资回报率将达到21%（630万美元），高于去年的16%。预计两年后，这一投资回报率将增长至38%（1590万美元）。
AI 智能体是实现这些投资回报率预期中的核心。未来两年，AI 智能体的平均投资回报率预计将达到1760万美元，比去年的预估值（430万美元）增长四倍多。
这些数据来自《2026年人工智能价值报告》，该报告调查了13个国家的2600名商业领袖。
SAP首席 AI 战略官肖恩·卡斯克在评论这项研究时指出：“AI 已经从实验阶段走向执行阶段，并且开始显现出实际成效。但我们还有很长的路要走。因为缺乏上下文（无论是流程、数据还是治理）的 AI，充其量只能创造没有结果的活动，而最坏的情况则是造成风险。”
尽管全球 AI 投资额从2025年的2670万美元略有增长，但主要市场出现了显著变化。巴西、英国、澳大利亚和德国的投资额大幅增长，而中国和印度等领先市场的投资额则有所下降。
如今，普通企业中近三分之一的任务（30%）都由 AI 提供支持，预计两年后这一比例将增至48%。然而，尽管对 AI 的战略投资几乎逐年翻番，达到17%，但零散的应用方式仍然是最普遍的（41%）。
部分原因可能是领导力问题。只有不到一半的公司设有专门的负责人负责 AI 的应用（46%），制定了清晰的 AI 开发框架（52%），甚至开展了关于 AI 能力和风险的培训（41%）。
然而，尽管面临这些挑战，69%的企业对他们目前的 AI 投资回报率感到满意，尽管超过三分之二的企业并不相信 AI 已充分发挥其潜力。
这种乐观情绪部分源于智能体，因为超过八成（83%）的企业认为智能体具有中等到非常高的潜力来变革其组织。然而，这项技术仍处于早期阶段，只有3%的企业表示他们已为智能体做好了充分准备，而大多数企业表示他们要么准备不足，要么完全没有准备。
各组织在实现 AI 投资回报率方面面临诸多挑战，包括数据、劳动力和治理问题。
数据质量仍然是全球企业面临的最大挑战。声称已做好 AI 数据准备的企业数量较去年有所下降，73%的企业表示面临数据不完整带来的挑战。这正在影响日常工作，79%的企业由于 AI 输出质量低下而遭遇返工、延误或积压。
同样，企业也在应对 AI 对劳动力市场的影响。近八成（78%）的企业表示不确定或承认，其员工技能提升未能跟上 AI 工具的发展步伐。仅有1%的受访者表示，AI 不会对其劳动力规划产生任何影响。与此同时，AI 的影子使用量逐年增加，69%的受访者表示这种情况至少偶尔会发生。
“实现价值的下一步是将 AI 与上下文数据和流程深度整合，”卡斯克表示。“但全球企业必须认识到，AI 带来的价值往往难以衡量，风险变化速度也远超大多数治理机制的应对能力。企业正迅速发现，AI 治理在释放 AI 价值方面发挥着基础性作用。”
治理是企业发挥 AI 价值的关键障碍。仅有12%的企业表示，他们的技能、流程或框架已完全具备有效治理 AI 的能力。
在智能体主导的未来，这些问题可能会更加严重。如今，38%的公司没有针对智能体工作流程的人机交互流程，37%的公司没有针对智能体的权限和访问控制，只有44%的公司建立了智能体注册系统。鉴于超过三分之二的企业（69%）要么认同要么不相信智能体的部署速度超过了其管理能力，这一点至关重要。
AI 未来价值的来源是自主企业。
“要真正发挥 AI 的价值并非易事，因为它需要一种全新的方法，”卡斯克总结道。“无论规模大小，企业都需要将 AI 与其运营的数据和流程连接起来，并确保它拥有必要的背景信息和治理机制，从而驱动可信赖的结果。这就是我们所说的自主企业。这并非技术变革，而是人性变革。因为只有当智能体、流程和人协同工作时，才能真正创造价值。”
