Angka ROI 171% untuk Agentic AI — Apa Yang Data Sebenarnya Tunjukkan

Anda mungkin pernah melihat angka ini. Ia muncul dalam dek vendor, ringkasan analis, dan siaran LinkedIn: deployment agentic AI enterprise memberikan ROI purata 171%. Syarikat AS, kata sesetengah versi dakwaan itu, purata 192%.

Angka itu bukan rekaan. Tetapi cara anda membacanya amat penting — dan kebanyakan orang yang menggunakannya dalam pembentangan jualan membacanya dengan cara yang patut membuat anda skeptikal.

Menurut pengagregatan data tinjauan enterprise Multimodal.dev, angka 171% mewakili pulangan yang dilaporkan oleh organisasi yang menggunakan sistem agentic AI. Framing itu kedengaran bersih. Realiti sebenarnya lebih kompleks.

Dari Mana Angka Itu Berasal

Multimodal.dev adalah pengagregat statistik AI, bukan institusi penyelidikan primer. Angka 171% mereka menarik dari tinjauan enterprise merentasi pelbagai sumber — organisasi yang telah menggunakan sistem agentic dan melaporkan pulangan mereka sendiri.

Struktur sumber itu mewujudkan sekurang-kurangnya tiga masalah kebolehpercayaan:

Data yang dilaporkan sendiri condong ke arah kejayaan. Syarikat yang menggunakan agentic AI dan melihat pulangan yang mengecewakan kurang berkemungkinan menyertai tinjauan tentang ROI agentic AI, dan kurang berkemungkinan berkongsi keputusan secara dalaman apabila mereka berbuat demikian. Populasi yang melaporkan pulangan 171%+ bukan sampel rawak semua deployment AI enterprise — ia adalah sampel yang berat ke arah organisasi yang bermotivasi untuk membincangkan AI.

"Purata" mengaburkan taburan. Ulasan Multimodal.dev sendiri menyatakan bahawa kebanyakan enterprise melihat peningkatan produktiviti 10-15% sebagai keputusan tipikal, dengan 171%+ mewakili kohort terpencil. Matematik itu berhasil: jika sekumpulan kecil organisasi melihat pulangan 400-500% dan kumpulan besar melihat 20-30%, purata boleh jatuh pada 171% manakala median jauh lebih rendah. Anda bukan membeli tiket loteri — anda memperuntukkan baris belanjawan — dan keputusan median lebih penting daripada purata untuk keputusan itu.

Unjuran berbanding keputusan audit pasca-deployment. Dalam sesetengah tafsiran, angka 171% mencerminkan pulangan yang diunjurkan atau dijangkakan, bukan angka yang diaudit selepas deployment. Organisasi yang komited kepada pelaburan agentic AI sering membina kes perniagaan dalaman yang meramalkan pulangan tinggi. Sama ada unjuran tersebut kemudiannya disahkan oleh keputusan sebenar adalah soalan yang berbeza.

Laporan Deloitte 2026 State of AI, yang meninjau 3,235 pemimpin kanan merentasi 24 negara, menawarkan kalibrasi yang berguna. Deloitte mendapati bahawa 66% responden melaporkan peningkatan produktiviti dan kecekapan dari AI enterprise — tetapi hanya 25% menggambarkan kesannya sebagai "transformatif." Itulah jurang yang bermakna. Dua pertiga melihat penambahbaikan; satu perempat melihat perubahan langkah yang menghasilkan ROI luar biasa. Kedua-duanya bukan perkara yang sama.

Apa Yang Sebenarnya Menghasilkan Pulangan Luar Biasa

Penyelidikan Forrester dan Sprinklr TEI memberikan gambaran yang lebih terhad tetapi jujur: sesetengah program AI memang memberikan ROI dalam julat 200%+, tetapi hanya apabila digunakan "dari hujung ke hujung merentasi aliran kerja" dan bukannya sebagai alat terpencil. Model deployment sama pentingnya dengan teknologi.

Ini tidak mengejutkan jika anda berfikir tentang cara penambahbaikan produktiviti berganda. Ejen yang mengendalikan satu tugas dalam satu aliran kerja menjimatkan sedikit masa. Ekosistem ejen yang mengendalikan pelbagai tugas yang saling berkaitan merentasi aliran kerja penuh — dari kelayakan lead kepada kemas kini pipeline kepada pengagregatan ramalan — menghapuskan geseran di setiap langkah. Kesan berganda itulah di mana kohort pulangan tinggi wujud.

Organisasi yang melihat pulangan transformatif dari agentic AI berkongsi beberapa ciri biasa berdasarkan data yang ada:

  • Mereka mempunyai kualiti data asas yang kukuh sebelum menggunakan ejen (garbage-in, garbage-out amat berkaitan di sini)
  • Mereka mereka bentuk semula proses di sekitar AI, bukan bersama-samanya — Deloitte mendapati hanya 30% organisasi melakukan ini
  • Mereka menggunakan merentasi aliran kerja penuh, bukan sebagai penyelesaian titik
  • Mereka mempunyai rangka kerja tadbir urus sebelum deployment — hanya 21% pemimpin dalam tinjauan Deloitte melaporkan tadbir urus ejen yang matang

Jika organisasi anda tidak menanda aras kebanyakan kotak tersebut, purata 171% bukan jangkaan asas anda.

Mengapa Purata Adalah Angka Yang Salah Untuk Disasarkan

Inilah masalah praktikal dengan membina kes perniagaan berdasarkan "ROI purata": ia adalah soalan yang salah untuk ditanya.

Purata itu termasuk organisasi dengan 10x kematangan AI, 10x kesediaan data, dan model deployment yang mungkin tidak dapat anda replikasi dalam 12 bulan seterusnya. Membuat penanda aras terhadap purata tanpa mengambil kira titik permulaan spesifik organisasi anda seperti pelari tahun pertama yang menyasarkan masa penamat purata maraton — purata itu nyata, tetapi ia menggambarkan populasi yang anda bukan sebahagian daripadanya sekarang.

Soalan yang lebih berguna ialah: Seperti apa keputusan peratusan ke-50 bagi organisasi pada tahap kesediaan data, kematangan tadbir urus, dan pengalaman deployment AI kami?

Dan kemudian: Pelaburan spesifik apa yang akan menggerakkan kami ke arah separuh atas taburan itu?

Framing itu membawa kepada keputusan konkrit. Framing penanda aras membawa kepada optimisme yang mungkin tidak bertahan apabila berhadapan dengan pelaksanaan.

Untuk konteks tentang apa yang kematangan tadbir urus sebenarnya memerlukan sebelum ejen masuk ke dalam pengeluaran, senarai semak tadbir urus RevOps untuk ejen AI merangkumi spesifik operasi. Jurang antara "kami mempunyai ejen" dan "kami mempunyai ejen yang berjalan dalam rangka kerja tadbir urus" adalah di mana kebanyakan organisasi kehilangan nilai sekarang, menurut data Deloitte.

Rangka Kerja 4 Langkah untuk Menganggar ROI Anda Yang Dijangkakan

Daripada membuat penanda aras terhadap angka tajuk berita, inilah cara yang lebih berasas untuk memikirkan apa yang sepatutnya anda jangkakan:

Langkah 1: Audit asas kualiti data anda. Sistem agentic hanya seboleh-dipercayai seperti data yang mereka gunakan. Sebelum mengunjurkan ROI dari ejen AI dalam aliran kerja hasil anda, jalankan penilaian yang jujur: berapa peratus rekod CRM anda mempunyai data yang lengkap dan terkini? Apakah ketepatan ramalan anda hari ini, sebelum sebarang penglibatan AI? Jika kualiti data anda rendah, siling ROI AI anda juga rendah — tanpa mengira platform yang anda gunakan.

Langkah 2: Kenal pasti calon deployment hujung ke hujung anda. Deployment pulangan tinggi berlaku merentasi aliran kerja penuh, bukan tugas terpencil. Petakan dua atau tiga aliran kerja hasil atau operasi dari hujung ke hujung dan kenal pasti di mana ejen boleh menghapuskan geseran di pelbagai langkah. Aliran kerja yang merangkumi kelayakan lead, jangkauan awal, kemas kini pipeline, dan input ramalan lebih berharga daripada tiga penyelesaian titik berasingan yang masing-masing mengendalikan satu daripada langkah-langkah tersebut.

Langkah 3: Kira asas produktiviti realistik anda. Angka peningkatan produktiviti 10-15% yang Multimodal.dev gambarkan sebagai tipikal untuk kebanyakan enterprise adalah andaian permulaan yang munasabah untuk deployment pertama anda. Modelkan apa peningkatan produktiviti 10% dalam aliran kerja leverage tertinggi anda sebenarnya bernilai dalam dolar, kapasiti headcount, atau masa kitaran. Itulah kes konservatif anda — bukan tajuk berita 171%.

Langkah 4: Tentukan laluan anda ke quartil atas. Organisasi yang mencapai pulangan transformatif berkongsi ciri-ciri yang boleh dikenal pasti: deployment hujung ke hujung, reka bentuk semula proses, pelaburan kualiti data, kematangan tadbir urus. Untuk setiap jurang antara keadaan semasa anda dan ciri-ciri tersebut, tetapkan kos dan jadual. Jika anda boleh menutup jurang tersebut, modelkan ROI berbuat demikian. Jika anda tidak boleh menutupnya dalam jangka masa yang relevan, keputusan quartil atas belum tersedia untuk anda lagi — dan kes perniagaan anda harus mencerminkan itu dengan jujur.

Rangka kerja ini tidak akan menghasilkan angka sesuci 171%. Tetapi ia akan menghasilkan angka yang sebenarnya boleh anda pertahankan kepada lembaga pengarah dan laksanakan bersama pasukan anda.

Apa Yang Perlu Dilakukan Minggu Ini

Angka ROI 171% akan terus beredar. Vendor akan terus menggunakannya. Ahli lembaga pengarah akan terus menanyakannya. Tugas anda sebagai CEO adalah untuk mempunyai respons yang berasas — yang tidak menolak peluang mahupun melebih-lebihkan apa yang patut dijangkakan oleh organisasi anda.

Minggu ini:

  • Jika anda mempunyai cadangan pelaburan AI atau kes perniagaan di hadapan anda yang memetik angka 171%, tanya pasukan yang membentangkan: apakah skor kualiti data kami hari ini, dan apakah metodologi untuk unjuran ROI ini? Jawapan akan memberitahu anda banyak perkara.
  • Tarik ringkasan Laporan Deloitte 2026 State of AI (tersedia secara awam). Penemuan "kesan transformatif 25%" adalah titik data tunggal yang paling jujur tentang di mana kumpulan rakan sejawat anda kini berada.
  • Tanya Ketua Operasi atau RevOps anda: berapa peratus proses berkaitan AI kami sebenarnya telah direka bentuk semula di sekitar AI, berbanding sekadar ditambah olehnya? Data Deloitte mencadangkan ini adalah peramal terbesar sama ada anda berada dalam kumpulan transformatif atau kumpulan "beberapa peningkatan produktiviti".
  • Tetapkan jangkaan dalaman bahawa deployment agentic pertama anda harus menyasarkan peningkatan kecekapan 15-25% dalam aliran kerja yang spesifik dan boleh diukur — bukan 171% merentasi perniagaan. Capai sasaran itu, bina otot tadbir urus, kemudian berkembang.

Data tentang ROI agentic AI adalah nyata. Soalannya ialah sama ada ia menggambarkan situasi organisasi anda atau milik orang lain. Buat masa ini, bagi kebanyakan syarikat, ia menggambarkan milik orang lain. Matlamatnya adalah untuk mengubah itu — secara sengaja, bukan dengan menganggap purata terpakai.

Sumber utama: Multimodal.dev — Agentic AI Statistics. Data sokongan: Deloitte 2026 State of AI.