<p>“我认为这不会是一个展示金钱的年份，” Gecko Robotics 的首席执行官 Jake Loosararian 在谈到 2026 年是否会成为企业在人工智能投资上最终获得广泛、可量化回报的转折点时表示。这一观点是在最近的达沃斯 CNBC 小组讨论中表达的，直接与围绕生成性人工智能的市场热情相悖。Loosararian 认为，尽管势头不可否认，但当前环境仍然存在 “市场上过多的炒作” 和显著的 “泡沫”。</p>
<p>Loosararian 与 Snowflake 首席执行官 Sridhar Ramaswamy 和 EXL 首席执行官 Rohit Kapoor 在达沃斯的首席执行官理事会领导洞察小组中，与 CNBC 主播 Carolin Roth 进行了对话，重点讨论了企业中人工智能投资回报的关键时间线。讨论的核心紧张点围绕着当前涌入人工智能基础设施（特别是 GPU 和数据中心）的巨额资本支出是否与各行业可证明的、底线的商业成果相匹配。Loosararian 强调了一个关键的脱节：目前大多数人工智能的讨论集中在高管级别的白领应用上，忽视了构成全球经济基础的实体蓝领行业。他观察到：“我们并没有真正讨论人工智能如何帮助和改善那些在公司和 GDP 驱动因素上工作的基层人员的状况……在这些实体工作中。” 他暗示，真正的、有机的投资回报只有在人工智能解决这些基本挑战时才会出现。</p>
<p>对于立即的宏观层面财务回报的怀疑，迅速被那些看到今天可触及的微观层面好处的人所缓和。Snowflake 的 Sridhar Ramaswamy 提供了一个反叙事，强调人工智能的有效性已经在特定的操作孤岛中得到证明，即使系统性的财务影响尚未完全体现在企业的损益表中。Ramaswamy 指出，对于 Snowflake 本身，人工智能编码代理对效率产生了深远的影响。“我们部署新产品的能力，比如那些创建代理的产品，并让它们以十倍的速度而不是十个百分点的速度提供价值，确实是非常非常显著的。” 他认为，这种在生产力上的具体、戏剧性的加速——无论是在软件开发还是数据产品创建中——证明了人工智能今天正在产生可衡量的投资回报，反驳了将这项技术视为 “全有或全无” 的倾向。</p>
<p>Ramaswamy 提供了更多实际、即时价值的例子，引用了像西门子这样的客户，该客户利用人工智能基于 150,000 个设备的 PDF 手册构建了一个聊天机器人。这个简单的应用为现场工作人员提供了即时、关键的信息，解决了筛选数千页文档的 “不可思议” 问题。这直接强化了 Loosararian 关于帮助蓝领劳动力的观点，证明了现实世界的应用确实在纯数字领域之外出现。这些例子表明，尽管市场可能存在泡沫，但基础技术是强大的，并且在适当应用的情况下已经推动了效率的提升。</p>
<p>EXL 的 Rohit Kapoor 试图弥合即时技术成功与延迟企业财务影响之间的差距。他同意人工智能的有效性已得到证明，但指出大型组织所寻求的广泛投资回报仍然难以实现。Kapoor 将这种滞后归因于一个关键的采用挑战：大多数公司目前正在实施 “附加人工智能”。他详细说明：“人工智能被应用于自动化或将智能应用于过程的一部分，只有那部分得到了改善。” 这种渐进式的方法意味着，尽管单个任务或功能可能会看到巨大的效率提升，但整体损益的好处并没有完全 “落地”，因为基础的端到端业务流程并没有从根本上重新设计。</p>
<p>Kapoor 强调，实现企业级投资回报需要更深层次的转型。这需要改变基础流程并采用全新的商业模式，这一转变需要能够将人工智能不仅作为优化工具，而是作为运营变革核心驱动因素的人才。他提供了一个来自医疗保健领域的引人注目的例子，EXL 在支付完整性方面的工作，针对所有索赔中高达 5% 的欺诈、浪费和滥用。历史上，解决这个问题涉及 “投入大量人力”。现在，通过将人工智能算法应用于包含多年索赔数据的庞大数据湖，系统在 “识别模式” 方面表现得 “非常出色”。这使得保险公司能够识别和追回数十亿美元的损失，这是一个明确且巨大的财务回报，但这需要对欺诈检测过程进行彻底的改革，依赖于数据和人工智能的专业知识。</p>
<p>小组讨论中出现的共识是微妙的：人工智能不是一种等待未来验证的投机技术；它是当前正在产生具体、尽管往往是局部回报的力量。然而，许多投资者和政策制定者所期待的 2026 年企业范围内的宏观经济转折点，并不取决于技术本身的成熟，而是取决于组织是否愿意超越实验和战术性的 “附加” 解决方案。市场赢家和输家的真正区别将取决于哪些高管能够审视他们的商业模式，投资于合适的人才，并致力于实现全面的流程再造，以充分实现人工智能在从高管层到现场的所有层面的系统潜力。</p>

全球科技股指数 ETF - iShares

SNOW

XDAT

SNOU

SNOY

云计算 ETF - GlobalX

<p>在达沃斯的 CNBC 小组讨论中，首席执行官们辩论了 2026 年是否会标志着人工智能的显著投资回报（ROI）。Gecko Robotics 的 Jake Loosararian 表示怀疑，指出市场炒作过度以及人工智能讨论与蓝领行业之间的脱节。相比之下，Snowflake 的 Sridhar Ramaswamy 强调了人工智能应用带来的即时生产力提升，而 EXL 的 Rohit Kapoor 则强调了实现广泛 ROI 所需的更深层次的组织变革。小组讨论得出结论，尽管人工智能正在产生局部回报，但预计到 2026 年的更广泛财务影响取决于公司是否愿意从根本上重新设计流程</p>

<p>“I don’t think it’s going to be the show me the money year,” stated Jake Loosararian, CEO of Gecko Robotics, addressing the question of whether 2026 will be the inflection point where corporate investments in artificial intelligence finally yield widespread, quantifiable returns. This sentiment, expressed during a recent CNBC panel discussion at Davos, cuts directly against the prevailing market euphoria surrounding generative AI. Loosararian argued that while momentum is undeniable, the current environment still features “too much hype in the market” and significant “froth.”</p>
<div class="lb-trans"><p>“我认为这不会是一个展示金钱的年份，” Gecko Robotics 的首席执行官 Jake Loosararian 在谈到 2026 年是否会成为企业在人工智能投资上最终获得广泛、可量化回报的转折点时表示。这一观点是在最近的达沃斯 CNBC 小组讨论中表达的，直接与围绕生成性人工智能的市场热情相悖。Loosararian 认为，尽管势头不可否认，但当前环境仍然存在 “市场上过多的炒作” 和显著的 “泡沫”。</p>
</div><p>Loosararian, alongside Snowflake CEO Sridhar Ramaswamy and EXL CEO Rohit Kapoor, spoke with CNBC anchor Carolin Roth during the CEO Council Leadership Insights panel in Davos, focusing on the critical timeline for AI ROI in the enterprise. The core tension of the discussion revolved around whether the massive capital expenditure currently flooding into AI infrastructure—specifically GPUs and data centers—is being matched by demonstrable, bottom-line business outcomes across diverse industries. Loosararian highlighted a crucial disconnect: the majority of current AI conversations focus on executive-level white-collar applications, neglecting the physical, blue-collar industries that form the bedrock of the global economy. “We don’t really talk about like how artificial intelligence is actually helping and improving the condition of the folks on the ground that are running the companies and the GDP drivers… in these like physical jobs,” he observed, suggesting that true, organic ROI will emerge only when AI addresses these fundamental challenges.</p>
<div class="lb-trans"><p>Loosararian 与 Snowflake 首席执行官 Sridhar Ramaswamy 和 EXL 首席执行官 Rohit Kapoor 在达沃斯的首席执行官理事会领导洞察小组中，与 CNBC 主播 Carolin Roth 进行了对话，重点讨论了企业中人工智能投资回报的关键时间线。讨论的核心紧张点围绕着当前涌入人工智能基础设施（特别是 GPU 和数据中心）的巨额资本支出是否与各行业可证明的、底线的商业成果相匹配。Loosararian 强调了一个关键的脱节：目前大多数人工智能的讨论集中在高管级别的白领应用上，忽视了构成全球经济基础的实体蓝领行业。他观察到：“我们并没有真正讨论人工智能如何帮助和改善那些在公司和 GDP 驱动因素上工作的基层人员的状况……在这些实体工作中。” 他暗示，真正的、有机的投资回报只有在人工智能解决这些基本挑战时才会出现。</p>
</div><p>This skepticism about the immediate, macro-level financial returns was quickly tempered by those seeing tangible, micro-level benefits today. Sridhar Ramaswamy of Snowflake offered a counter-narrative, stressing that the efficacy of AI is already proven within specific operational silos, even if the systemic financial impact hasn’t fully materialized in enterprise profit and loss statements. Ramaswamy noted that for Snowflake itself, AI coding agents are having a profound effect on efficiency. “Our ability to deploy new products, like the ones that create agents, and have them deliver value ten times faster, not ten percent faster, has been truly, truly remarkable.” He argued that this concrete, dramatic acceleration in productivity—whether in software development or in data product creation—is proof that AI is generating measurable ROI today, pushing back against the tendency to view the technology through an “all or nothing” lens.</p>
<div class="lb-trans"><p>对于立即的宏观层面财务回报的怀疑，迅速被那些看到今天可触及的微观层面好处的人所缓和。Snowflake 的 Sridhar Ramaswamy 提供了一个反叙事，强调人工智能的有效性已经在特定的操作孤岛中得到证明，即使系统性的财务影响尚未完全体现在企业的损益表中。Ramaswamy 指出，对于 Snowflake 本身，人工智能编码代理对效率产生了深远的影响。“我们部署新产品的能力，比如那些创建代理的产品，并让它们以十倍的速度而不是十个百分点的速度提供价值，确实是非常非常显著的。” 他认为，这种在生产力上的具体、戏剧性的加速——无论是在软件开发还是数据产品创建中——证明了人工智能今天正在产生可衡量的投资回报，反驳了将这项技术视为 “全有或全无” 的倾向。</p>
</div><p>Ramaswamy provided further examples of practical, immediate value, citing a customer like Siemens, which utilized AI to build a chatbot based on the PDF manuals for 150,000 devices. This simple application provides immediate, crucial information to field workers, solving the “impossible” problem of sifting through thousands of pages of documentation. This directly reinforces Loosararian’s point about aiding the blue-collar workforce, demonstrating that real-world applications are indeed emerging outside of purely digital domains. These examples suggest that while the market may be frothy, the underlying technology is robust and already driving efficiency gains where properly applied.</p>
<div class="lb-trans"><p>Ramaswamy 提供了更多实际、即时价值的例子，引用了像西门子这样的客户，该客户利用人工智能基于 150,000 个设备的 PDF 手册构建了一个聊天机器人。这个简单的应用为现场工作人员提供了即时、关键的信息，解决了筛选数千页文档的 “不可思议” 问题。这直接强化了 Loosararian 关于帮助蓝领劳动力的观点，证明了现实世界的应用确实在纯数字领域之外出现。这些例子表明，尽管市场可能存在泡沫，但基础技术是强大的，并且在适当应用的情况下已经推动了效率的提升。</p>
</div><p>Rohit Kapoor of EXL sought to bridge the gap between the immediate technical success and the delayed enterprise financial impact. He agreed that the effectiveness of AI is proven, but noted that the widespread ROI that large organizations seek remains elusive. Kapoor attributed this lag to a critical adoption challenge: most companies are currently implementing “bolt-on AI.” He elaborated: “AI gets applied to be able to automate or apply intelligence into a part of a process, and only that part gets improved upon.” This incremental approach means that while individual tasks or functions might see massive efficiency boosts, the overall P&amp;L benefit does not fully “fall through” because the underlying, end-to-end business process has not been fundamentally redesigned.</p>
<div class="lb-trans"><p>EXL 的 Rohit Kapoor 试图弥合即时技术成功与延迟企业财务影响之间的差距。他同意人工智能的有效性已得到证明，但指出大型组织所寻求的广泛投资回报仍然难以实现。Kapoor 将这种滞后归因于一个关键的采用挑战：大多数公司目前正在实施 “附加人工智能”。他详细说明：“人工智能被应用于自动化或将智能应用于过程的一部分，只有那部分得到了改善。” 这种渐进式的方法意味着，尽管单个任务或功能可能会看到巨大的效率提升，但整体损益的好处并没有完全 “落地”，因为基础的端到端业务流程并没有从根本上重新设计。</p>
</div><p>Kapoor emphasized that achieving enterprise-level ROI requires a deeper transformation. It demands changing the underlying process and adopting entirely new business models, a shift that requires talent proficient in using AI not just as an optimization tool, but as a core driver of operational change. He offered a compelling example from the healthcare space, where EXL works on payment integrity, targeting the staggering 5% of all claims subject to fraud, waste, and abuse. Historically, tackling this involved throwing “a lot of people” at the problem. Now, by applying AI algorithms to vast data lakes containing years of claims data, the system is “beautiful at identifying patterns.” This allows insurers to identify and recover billions of dollars in leakage, a clear and massive financial return, but one that necessitated a complete overhaul of the fraud detection process, driven by data and AI proficiency.</p>
<div class="lb-trans"><p>Kapoor 强调，实现企业级投资回报需要更深层次的转型。这需要改变基础流程并采用全新的商业模式，这一转变需要能够将人工智能不仅作为优化工具，而是作为运营变革核心驱动因素的人才。他提供了一个来自医疗保健领域的引人注目的例子，EXL 在支付完整性方面的工作，针对所有索赔中高达 5% 的欺诈、浪费和滥用。历史上，解决这个问题涉及 “投入大量人力”。现在，通过将人工智能算法应用于包含多年索赔数据的庞大数据湖，系统在 “识别模式” 方面表现得 “非常出色”。这使得保险公司能够识别和追回数十亿美元的损失，这是一个明确且巨大的财务回报，但这需要对欺诈检测过程进行彻底的改革，依赖于数据和人工智能的专业知识。</p>
</div><p>The consensus emerging from the panel was nuanced: AI is not a speculative technology awaiting future validation; it is a current force generating concrete, albeit often localized, returns. However, the anticipated enterprise-wide, macroeconomic inflection point that many investors and policy makers eye for 2026 is contingent not on the maturity of the technology itself, but on the willingness of organizations to move beyond experimentation and tactical “bolt-on” solutions. The real separation between market winners and losers will depend on which executives are able to interrogate their business models, invest in the right talent, and commit to the deep process re-engineering necessary to realize the full, systemic potential of AI across all levels of the workforce, from the executive suite to the field.</p>
<div class="lb-trans"><p>小组讨论中出现的共识是微妙的：人工智能不是一种等待未来验证的投机技术；它是当前正在产生具体、尽管往往是局部回报的力量。然而，许多投资者和政策制定者所期待的 2026 年企业范围内的宏观经济转折点，并不取决于技术本身的成熟，而是取决于组织是否愿意超越实验和战术性的 “附加” 解决方案。市场赢家和输家的真正区别将取决于哪些高管能够审视他们的商业模式，投资于合适的人才，并致力于实现全面的流程再造，以充分实现人工智能在从高管层到现场的所有层面的系统潜力。</p>
</div>

AI Hype vs. Reality CEOs Debate the 2026 ROI Inflection Point

StartupHub

Snowflake

FRNKL EXP DT ETF

T-Rex 2X Long SNOW Daily Target ETF

YieldMax SNOW Option Income Strategy ETF

人工智能的炒作与现实：首席执行官们正在辩论 2026 年投资回报率的拐点