7、AI项目投资回报率的衡量与数字技术生产力谜题

AI项目投资回报率的衡量与数字技术生产力谜题

1. AI项目成本与资产估值方法

AI模型训练成本，如拥有数亿甚至数十亿参数的深度神经网络，无论是使用内部服务器还是云计算，其成本估计都可能波动较大。而且，由于AI对大多数公司产品和服务的好处可能是协同性的，而非主要的，因此需要在机会成本框架下评估成本和收入流，可能要借助反事实情况，不仅考虑不作为，还要考虑非AI基线。

资产估值方法可应用于尚未产生收入的AI项目，即使现金流为负或极少，且短期内预计无投资回报时也可能适用。该方法通过考虑相关资产的“公平市场价值”（减去负债）来评估项目。这些资产通常是无形的，例如人员（这是收购式招聘的重点）、销售渠道、知识产权（包括专利）的性质和强度，以及即使没有明显知识产权保护也难以复制和设计的训练好的AI模型。

不过，确定公平市场价值存在与市场方法类似的问题，具有相当大的主观性，这也消除了市场方法的一个优势（即由于假设和预测较少，难以被“操纵”，且更容易看出估值估计的偏差或范围源自何处）。

2. 软回报与硬回报及投资

2.1 软ROI与硬ROI的定义

根据普华永道新兴技术集团当时的全球AI负责人Anand Rao在2021年的一篇文章，传统的投资直接收益大幅超过成本的ROI定义可视为“硬”ROI，而“软”ROI不仅要考虑明确的成本和收益（如现金流指标所体现的），还要考虑更广泛的一系列收益，包括员工满意度和留存率、品牌提升、公司估值提高以及员工技能提升等，这些因素可能相互关联。

虽然上述收益通常不被视为硬ROI的驱动因素，但实际上它们会对硬ROI产生重大影响。例如，如果员工因士气低落而难以留住，硬ROI可能会大幅下降