只有13%的CIO拿到了AI价值，差距在退出条件

季度预算评审的前一晚，一位 CIO 让团队把手上七个 AI 项目排成一列，每个后面标一个数：这个季度它产出了什么可以拿去核对的结果。七个里有五个标不出来。会上没有人提议关掉这五个，因为每一个都能拿出一份进度报告，报告写着集成完成度百分之八十。于是它们进入了下一个预算年度，开销从项目预算搬进了运维预算，从一次性的资本支出变成了每个月都要付的账单。

这个场景不是某家公司管理松散。它是一种结构性的默认结果：立项需要一个理由，停手需要一个决定，而理由比决定容易写得多。真正稀缺的动作不是批准，是说停。

十月的 Gartner 调查把这件事量化了。它的数据值得每个正在做 2027 年预算的人看一遍，因为结论指向的不是选什么项目，而是有没有写下什么时候不做了。

一份把话说透的样本

Gartner 在 2026 年 5 月到 7 月问了两千零二位 CIO 与技术高管，十月十九日发布了结果。只有 13% 的 CIO 说所在企业已经从 AI 拿到了显著或转型性的价值。同一份调查里，单个用例成功的概率大约是五分之一。

调查把 CIO 分成两组，一组叫领跑者，定义同时满足两个条件：业务结果更好，且 CEO 认为 AI 价值高。领跑者的差别出现在两个位置，都是停手的位置。决定一个试点不该进生产的组织，成为领跑者的概率是 2.3 倍；决定在生产中放弃低价值项目的组织，概率是 2.6 倍。而实际上有这两类规则的组织只有 31% 和 17%。

第二组的数字比第一组更能说明问题。在试点阶段写停手规则的企业有三成，在生产阶段写的不到两成。这说明规则在纸面上容易写，在系统里难落。试点阶段停了就停了，损失是一个团队的几个月。生产阶段停了意味着有人在用，有报表挂在上头，有另一个部门的工作流接在下面。

同一份调查还有两组数，说明压力来自哪里。58% 的 CIO 说让 AI 降低成本的压力在变大，51% 预计 AI 会抬高技术的总拥有成本。这两句话放在一起才成立：降本指标被压下来，同时成本在往上走。Gartner 分析师的解释是多数组织还在用为云和 SaaS 设计的资金与治理模型，而 AI 的成本是概率性的，在运行时才确定。

要标清证据的性质。这是对 CIO 的自我报告调查，领跑者与停手规则之间是相关性，不是因果证明。一家公司可能因为别的纪律做得好，所以同时具备了两者。但这组相关性足够强，方向也对得上机制，值得当成判断的起点。

为什么停手比选型更决定结果

传统技术的成本在签字那一刻基本确定。许可证按席位，云资源按规格，项目按人天。你可以在财务上先算一笔数，再决定做不做，误差来自需求变更，通常有上限。

AI 的成本在签字那一刻不确定。它由部署之后的行为决定：一次任务调用几次模型、读回多少历史、重试几次、路由到哪个档位、失败后是否重跑。同一个功能，两个团队用出来的月账单可以差五倍，差额不在模型价格，在调用结构。

成本不确定，而预算按项目审批，这两件事放在一起，风险就不会在审批环节被控制住。审批只能挡住开始，挡不住膨胀。当一个项目的成本可以在运行时悄悄翻倍，唯一有效的控制点是提前写下放弃的阈值：到了什么数，不做了。

这也是那份调查里 51% 的解释。CIO 预计 AI 会抬高总拥有成本，不是因为他们买了更贵的东西，而是因为他们开始看见那些在运行时产生的、过去不进采购单的开销：推理、工具调用、人工复核、返工。

停手条件还有一个被忽略的作用，它改变立项时的讨论质量。当你必须写下放弃阈值，你就必须先回答一个问题：这个项目成什么样才算成。答不出来，说明价值定义还空着，那时候开工生产的不是试点，是一份没有边界的承诺。

停手条件要写成可被机器判的形态

多数企业写停手条件的方式是一段话，写在立项文档里，语气正确，判据模糊：如效果不达预期则停止。这种条款不会被执行，因为判真假需要开会，而开会的人正是当初批准它的人。

能执行的停手条件只有三种形态，共同点是系统能在没有会议的情况下判断它成立。

第一种是单位成功任务成本上限。分母是成功完成的任务数，分子是这段时间的全部开销，包括推理、工具、人工复核和返工。阈值写成绝对值，比如每次成功任务不超过某个金额。触发器是账单系统，每个结算周期自动比对。

第二种是覆盖增量下限。分母是一段时间里应该被处理的工作量，分子是实际被处理且被验收通过的份额。这个数不动，说明智能体在跑但没有在干活，触发器是业务系统的队列深度与关闭数。

第三种是人工介入占比上限。有多少比例的任务需要人回头改。这个比例高到某个程度，节省的工时和新增的复核工时就会抵消，账面看起来在跑，实际是把成本从一处搬到另一处。触发器是工单系统的退回记录。

三条都可以从现有系统里取数，不需要新建平台。这是重要的实操结论：停手条件的落地难点不在技术，在于有人愿意把这三个数接到一张表上，并且接受它可能显示不值得继续。

组织为什么写不下去

第一层是功劳与责任不对称。把项目推上线的人拿到认可，把项目停掉的人要解释为什么浪费了前期的钱。在一个考核看上线数量的组织里，停手是一次没有奖金的正确。

第二层是预算归属。项目由业务部门立项，钱从业务部门的预算出，停下意味着这笔预算交回去，明年可能就申请不到同样的额度。财务上的理性选择是让一个平庸的项目继续跑，占住额度。这条激励不改，停手规则写了也会被绕过。

第三层是账本缺位。生产中的停手需要一张运行时成本账，多数企业只有采购发票。发票上写着订阅费和云资源费，看不出哪个功能在花钱、花在重试还是花在重读历史。没有这张账，放弃的判断只能靠感觉，而感觉在会议上总是站在项目这边。

第四层是沉没成本的语言。团队会说已经投入了这么多，现在停等于全废。这句话在会计上是对的，在决策上是错的，但要靠制度去纠正它，光靠讲道理不行。可行的做法是把停手做成常规动作而不是事故：每个项目在立项时就写一个复查日期，到那天必须二选一，继续或停止，没有第三种状态。

我们自己的队列是怎么做的

这套机制我们内部跑了一段时间，有可以核对的数据。公司的任务队列里累计三千一百八十六条工单：完成 2985 条，取消 145 条，被新工单取代 29 条，当前未结 27 条。

值得看的不是完成数，是两个比例。取消与取代合计 174 条，占 5.5%，也就是说每二十条开工的工单里有一条以明确不做的结论收尾。而未结只有 27 条，队伍没有堆积。

机制上只有一条规则：每条工单带截止时间，超期未完成就升级，升级之后必须二选一，要么给一个新的截止时间并且说明为什么还值得做，要么关掉并写明不做的理由。没有第三种状态，不允许一条工单无声无息地留在队列里。

这条规则的效果是队列深度不会失控。代价是它要求有人每周真的去做这个二选一，而不是让升级通知堆在收件箱。我们做到的前提，是这个动作被写进了固定的例行流程，而不是靠某个人的自觉。

需要说清这个样本的局限。它是一个二十人规模的组织的内部数据，不是外部企业的证明。它能说明的是机制可行，不能说明任何一家大企业照做就能拿到同样结果。规模上去以后，二选一这个动作需要被授权到很多层级，判断质量会稀释。

边界：什么项目不该写停手条件

把停手条件说成万能规则会制造新的错误，所以要说清哪里不适用。

探索性研究不该写阈值。目的是知道一件事能不能做，答案可能是不能，这类项目的产出就是信息，用产出指标衡量它等于逼人做假。合规强制项目也一样，法规要求的系统不存在做不做的选项，只存在做得好不好的问题。

能力建设期也不适合硬阈值。团队在学习怎么用工具，前六个月的成本高、产出低是正常的。此时写死成本上限，会把还在爬坡的项目掐掉。

误停的代价需要正面承认。有些项目的价值滞后，比如改变了工作方式的项目，前两个季度数据很难看，第三个季度才起来。单靠阈值会杀掉这类项目。可行的折中是把时间维度分开：前六个月只看复查日期不看阈值，六个月后阈值生效。

还有一种情况是阈值本身写错了。分母选错是最常见的错误：用调用次数当分母，会奖励把任务切碎；用会话数当分母，会奖励把一次任务拆成多次对话。分母只能是被验收通过的工作单元，这一点如果定不下来，整张表都是装饰。

我们的判断

AI 投资的回报差异，主要不在选哪个模型、做哪个场景，在于组织有没有能力在证据到来的那一刻说停。这个能力是可以被设计的：一条阈值、一个复查日期、一张运行时账本，三样东西齐了，停手就从勇气问题变成算术问题。

反过来说，一家企业如果每个项目都在扩大，从来没有项目被明确放弃，那么它报出来的 AI 采纳率再高，也不该被当成进展。采纳率量的是开始，只有放弃数才量得清判断。

给你的三个动作

第一，本周把在跑的 AI 项目按有没有写放弃阈值分成两堆。第二堆大概率比第一堆大，这就是你能拿到的第一条事实。

第二，给第二堆的每个项目补一行，写清三件事：分母是什么工作单元，阈值的绝对值是多少，谁负责在那天做二选一。写不出来的项目，先别扩大投入。

第三，把这个动作放进固定的月度例程，而不是等季度评审。季度评审的议程通常被新项目占满，停手需要自己的时间槽。

留给读者一个问题：如果明天要求你关掉三个 AI 项目，你能不能在半小时内说出是哪三个，以及各自的理由？说不出来，缺的不是判断力，是那几行没有写下来的阈值。

来源

本文引用的外部数据均来自下列公开页面，内部数据来自公司任务队列的运行记录。

Gartner，Gartner Survey Finds Only 13% of CIOs Say Their Enterprise Has Realized Significant or Transformational Value from AI（2026 年 10 月 19 日；两千零二位 CIO，调查期 2026 年 5 月至 7 月，13%、五分之一、2.3 倍与 2.6 倍、31% 与 17%、58%、51% 均出自此页）

Gartner，2027 CIO and Technology Executive Agenda（调查方法与分组定义的正本，页面由上述新闻稿引用）