前IDC总裁Del Prete：企业AI从个人提效到公司盈利之间隔着一条J型曲线

AI基础设施建设的巨额投入，本质上是在押注企业未来愿意为智能付费。但一个更紧迫的问题是：企业内部的什么变化，才能让这些投资真正变成自我造血？前IDC总裁、现PSG Equity高级顾问Crawford Del Prete在SiliconANGLE Breaking Analysis节目中给出了一个具体的机制解释：当前AI正在自动化大量个体任务，但尚未改变组织的工作流设计，因此个人生产力提升与公司利润表之间存在一条J型曲线。

Del Prete的观察来自他每天接触的PE投资组合和大量企业客户。他描述了一个看似矛盾的现象：一方面，量化导向的客户对算力需求是'真正贪婪的'——他们愿意买下所有能获得的GPU容量，因为AI让他们能创造出以前无法实现的分析和交付物；另一方面，更广泛的企业客户正在把AI用于编码、客服等预期领域，并开始渗透到组织内部的各个具体任务。但'工作由数百甚至数千个任务组成，我们开始自动化这些任务，却没有改变工作在一个组织中被编排的方式'。

这就是J型曲线延迟的来源。主持人Vellante引入了Brynjolfsson、Rock和Syverson关于无形投资如何影响生产力的研究框架：采纳阶段先投入工具和技能，然后重新设计流程，这两步都会让累计现金流为负；只有当整合贯穿整个组织后，曲线才开始陡峭上升。Del Prete用PC时代做类比——从PC引入到生产力数据可见增长，实际花了十三四年，中间的关键转折是1996年到2002年的互联网连接期。他同时指出一个与dot-com时代的重要区别：当年铺设的暗光纤长期闲置，而'今天每一块上线的GPU都是100%利用率'。

Del Prete认为跨越这条曲线的具体路径是工作流的重新设计，而非对现有流程的简单自动化。他把这与此前的RPA做对比：RPA之所以困难，是因为你必须把人类步骤写成代码；而AI的不同在于'从底层开始'——员工用自然语言解决自己长期面临的痛点，然后把解决方案编码为可复制的项目或技能，再在整个组织中共享。他把这称为'一种极其灵活、可适应、可用的RPA，以前从未存在过'。

在软件定价层面，Del Prete观察到最显著的变化是从席位制向用量制迁移。对于非SaaS公司引入AI，最大的挑战是'如何单独货币化AI'——答案通常不是单独卖AI，而是把它嵌入核心产品，通过交叉销售、升级和提价来体现价值，最终推出AI专属的增量功能。他对基于结果的定价持保留态度，因为'它变得非常偶发，与项目关联，你就得不到那种粘性'。

Del Prete还提出了一个三层软件模型来解释AI对产业格局的影响：执行层（计算工作本身）、判断层（从数据中自动生成洞察）、问责层（谁为结果负责）。他认为执行层和判断层正在被AI吸收，而'问责层是公司今天真正聚焦的地方'——谁在凌晨两点接电话，谁对合规数据负责。这意味着未来的软件公司需要在执行和判断层尽可能高效，同时让人类能够承担比以前更多的决策责任。

关于判断AI是否接近自我造血的可观察指标，Del Prete列出了他在投资组合中实际跟踪的几组数据：净留存和总留存如何随AI功能推出而变化；赢单/输单分析——客户是否转向更AI-native的竞品，或者转向内部自建；AI功能是否在吸引新客户；以及每个增量客户是否因为生态数据而获得更好的体验。他特别强调'下一个最佳行动'的追踪：工单是否被重新打开、发票是否被争议、推荐是否被接受——这些后续交互构成双向客户价值飞轮。

Vellante和Del Prete共同维护的框架是：他们2026年夏季的AI泡沫预测研究将2029年标记为最高风险年份——如果基础设施供给在生产力货币化之前赶上，泡沫破裂风险将升至危险水平。当时的判断是供给约束和健康的资本融资意愿可以提供软着陆条件。Del Prete承认'这些生产力数字需要很长时间'，但他同时说'我从未见过一种技术被世界如此迅速地拥抱'。两者的张力正是这篇文章的核心：采用速度前所未有，但组织重新设计的速度从未快过技术本身。

需要明确的是，这是Del Prete基于其PE投资组合观察和数十年技术周期经验提出的归因论点，而非独立验证的预测模型。J型曲线是概念性类比，2029年是条件性判断（取决于供给与货币化的相对速度）。Del Prete接触的客户本身已是高采用率企业，对更广泛市场的代表性有限。他的观察提供了判断企业AI是否接近自我造血的具体条件和可追踪指标，但不构成对泡沫是否破裂的确定性预测。