<p>“我認為這不會是一個展示金錢的年份，” Gecko Robotics 的首席執行官 Jake Loosararian 在談到 2026 年是否會成為企業在人工智能投資上最終獲得廣泛、可量化回報的轉折點時表示。這一觀點是在最近的達沃斯 CNBC 小組討論中表達的，直接與圍繞生成性人工智能的市場熱情相悖。Loosararian 認為，儘管勢頭不可否認，但當前環境仍然存在 “市場上過多的炒作” 和顯著的 “泡沫”。</p>
<p>Loosararian 與 Snowflake 首席執行官 Sridhar Ramaswamy 和 EXL 首席執行官 Rohit Kapoor 在達沃斯的首席執行官理事會領導洞察小組中，與 CNBC 主播 Carolin Roth 進行了對話，重點討論了企業中人工智能投資回報的關鍵時間線。討論的核心緊張點圍繞着當前湧入人工智能基礎設施（特別是 GPU 和數據中心）的鉅額資本支出是否與各行業可證明的、底線的商業成果相匹配。Loosararian 強調了一個關鍵的脱節：目前大多數人工智能的討論集中在高管級別的白領應用上，忽視了構成全球經濟基礎的實體藍領行業。他觀察到：“我們並沒有真正討論人工智能如何幫助和改善那些在公司和 GDP 驅動因素上工作的基層人員的狀況……在這些實體工作中。” 他暗示，真正的、有機的投資回報只有在人工智能解決這些基本挑戰時才會出現。</p>
<p>對於立即的宏觀層面財務回報的懷疑，迅速被那些看到今天可觸及的微觀層面好處的人所緩和。Snowflake 的 Sridhar Ramaswamy 提供了一個反敍事，強調人工智能的有效性已經在特定的操作孤島中得到證明，即使系統性的財務影響尚未完全體現在企業的損益表中。Ramaswamy 指出，對於 Snowflake 本身，人工智能編碼代理對效率產生了深遠的影響。“我們部署新產品的能力，比如那些創建代理的產品，並讓它們以十倍的速度而不是十個百分點的速度提供價值，確實是非常非常顯著的。” 他認為，這種在生產力上的具體、戲劇性的加速——無論是在軟件開發還是數據產品創建中——證明了人工智能今天正在產生可衡量的投資回報，反駁了將這項技術視為 “全有或全無” 的傾向。</p>
<p>Ramaswamy 提供了更多實際、即時價值的例子，引用了像西門子這樣的客户，該客户利用人工智能基於 150,000 個設備的 PDF 手冊構建了一個聊天機器人。這個簡單的應用為現場工作人員提供了即時、關鍵的信息，解決了篩選數千頁文檔的 “不可思議” 問題。這直接強化了 Loosararian 關於幫助藍領勞動力的觀點，證明了現實世界的應用確實在純數字領域之外出現。這些例子表明，儘管市場可能存在泡沫，但基礎技術是強大的，並且在適當應用的情況下已經推動了效率的提升。</p>
<p>EXL 的 Rohit Kapoor 試圖彌合即時技術成功與延遲企業財務影響之間的差距。他同意人工智能的有效性已得到證明，但指出大型組織所尋求的廣泛投資回報仍然難以實現。Kapoor 將這種滯後歸因於一個關鍵的採用挑戰：大多數公司目前正在實施 “附加人工智能”。他詳細説明：“人工智能被應用於自動化或將智能應用於過程的一部分，只有那部分得到了改善。” 這種漸進式的方法意味着，儘管單個任務或功能可能會看到巨大的效率提升，但整體損益的好處並沒有完全 “落地”，因為基礎的端到端業務流程並沒有從根本上重新設計。</p>
<p>Kapoor 強調，實現企業級投資回報需要更深層次的轉型。這需要改變基礎流程並採用全新的商業模式，這一轉變需要能夠將人工智能不僅作為優化工具，而是作為運營變革核心驅動因素的人才。他提供了一個來自醫療保健領域的引人注目的例子，EXL 在支付完整性方面的工作，針對所有索賠中高達 5% 的欺詐、浪費和濫用。歷史上，解決這個問題涉及 “投入大量人力”。現在，通過將人工智能算法應用於包含多年索賠數據的龐大數據湖，系統在 “識別模式” 方面表現得 “非常出色”。這使得保險公司能夠識別和追回數十億美元的損失，這是一個明確且巨大的財務回報，但這需要對欺詐檢測過程進行徹底的改革，依賴於數據和人工智能的專業知識。</p>
<p>小組討論中出現的共識是微妙的：人工智能不是一種等待未來驗證的投機技術；它是當前正在產生具體、儘管往往是局部回報的力量。然而，許多投資者和政策制定者所期待的 2026 年企業範圍內的宏觀經濟轉折點，並不取決於技術本身的成熟，而是取決於組織是否願意超越實驗和戰術性的 “附加” 解決方案。市場贏家和輸家的真正區別將取決於哪些高管能夠審視他們的商業模式，投資於合適的人才，並致力於實現全面的流程再造，以充分實現人工智能在從高管層到現場的所有層面的系統潛力。</p>

全球科技股指數 ETF - iShares

SNOW

XDAT

SNOU

SNOY

雲計算 ETF - GlobalX

<p>在達沃斯的 CNBC 小組討論中，首席執行官們辯論了 2026 年是否會標誌着人工智能的顯著投資回報（ROI）。Gecko Robotics 的 Jake Loosararian 表示懷疑，指出市場炒作過度以及人工智能討論與藍領行業之間的脱節。相比之下，Snowflake 的 Sridhar Ramaswamy 強調了人工智能應用帶來的即時生產力提升，而 EXL 的 Rohit Kapoor 則強調了實現廣泛 ROI 所需的更深層次的組織變革。小組討論得出結論，儘管人工智能正在產生局部回報，但預計到 2026 年的更廣泛財務影響取決於公司是否願意從根本上重新設計流程</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>“我認為這不會是一個展示金錢的年份，” Gecko Robotics 的首席執行官 Jake Loosararian 在談到 2026 年是否會成為企業在人工智能投資上最終獲得廣泛、可量化回報的轉折點時表示。這一觀點是在最近的達沃斯 CNBC 小組討論中表達的，直接與圍繞生成性人工智能的市場熱情相悖。Loosararian 認為，儘管勢頭不可否認，但當前環境仍然存在 “市場上過多的炒作” 和顯著的 “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 與 Snowflake 首席執行官 Sridhar Ramaswamy 和 EXL 首席執行官 Rohit Kapoor 在達沃斯的首席執行官理事會領導洞察小組中，與 CNBC 主播 Carolin Roth 進行了對話，重點討論了企業中人工智能投資回報的關鍵時間線。討論的核心緊張點圍繞着當前湧入人工智能基礎設施（特別是 GPU 和數據中心）的鉅額資本支出是否與各行業可證明的、底線的商業成果相匹配。Loosararian 強調了一個關鍵的脱節：目前大多數人工智能的討論集中在高管級別的白領應用上，忽視了構成全球經濟基礎的實體藍領行業。他觀察到：“我們並沒有真正討論人工智能如何幫助和改善那些在公司和 GDP 驅動因素上工作的基層人員的狀況……在這些實體工作中。” 他暗示，真正的、有機的投資回報只有在人工智能解決這些基本挑戰時才會出現。</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>對於立即的宏觀層面財務回報的懷疑，迅速被那些看到今天可觸及的微觀層面好處的人所緩和。Snowflake 的 Sridhar Ramaswamy 提供了一個反敍事，強調人工智能的有效性已經在特定的操作孤島中得到證明，即使系統性的財務影響尚未完全體現在企業的損益表中。Ramaswamy 指出，對於 Snowflake 本身，人工智能編碼代理對效率產生了深遠的影響。“我們部署新產品的能力，比如那些創建代理的產品，並讓它們以十倍的速度而不是十個百分點的速度提供價值，確實是非常非常顯著的。” 他認為，這種在生產力上的具體、戲劇性的加速——無論是在軟件開發還是數據產品創建中——證明了人工智能今天正在產生可衡量的投資回報，反駁了將這項技術視為 “全有或全無” 的傾向。</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 提供了更多實際、即時價值的例子，引用了像西門子這樣的客户，該客户利用人工智能基於 150,000 個設備的 PDF 手冊構建了一個聊天機器人。這個簡單的應用為現場工作人員提供了即時、關鍵的信息，解決了篩選數千頁文檔的 “不可思議” 問題。這直接強化了 Loosararian 關於幫助藍領勞動力的觀點，證明了現實世界的應用確實在純數字領域之外出現。這些例子表明，儘管市場可能存在泡沫，但基礎技術是強大的，並且在適當應用的情況下已經推動了效率的提升。</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 試圖彌合即時技術成功與延遲企業財務影響之間的差距。他同意人工智能的有效性已得到證明，但指出大型組織所尋求的廣泛投資回報仍然難以實現。Kapoor 將這種滯後歸因於一個關鍵的採用挑戰：大多數公司目前正在實施 “附加人工智能”。他詳細説明：“人工智能被應用於自動化或將智能應用於過程的一部分，只有那部分得到了改善。” 這種漸進式的方法意味着，儘管單個任務或功能可能會看到巨大的效率提升，但整體損益的好處並沒有完全 “落地”，因為基礎的端到端業務流程並沒有從根本上重新設計。</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 強調，實現企業級投資回報需要更深層次的轉型。這需要改變基礎流程並採用全新的商業模式，這一轉變需要能夠將人工智能不僅作為優化工具，而是作為運營變革核心驅動因素的人才。他提供了一個來自醫療保健領域的引人注目的例子，EXL 在支付完整性方面的工作，針對所有索賠中高達 5% 的欺詐、浪費和濫用。歷史上，解決這個問題涉及 “投入大量人力”。現在，通過將人工智能算法應用於包含多年索賠數據的龐大數據湖，系統在 “識別模式” 方面表現得 “非常出色”。這使得保險公司能夠識別和追回數十億美元的損失，這是一個明確且巨大的財務回報，但這需要對欺詐檢測過程進行徹底的改革，依賴於數據和人工智能的專業知識。</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>小組討論中出現的共識是微妙的：人工智能不是一種等待未來驗證的投機技術；它是當前正在產生具體、儘管往往是局部回報的力量。然而，許多投資者和政策制定者所期待的 2026 年企業範圍內的宏觀經濟轉折點，並不取決於技術本身的成熟，而是取決於組織是否願意超越實驗和戰術性的 “附加” 解決方案。市場贏家和輸家的真正區別將取決於哪些高管能夠審視他們的商業模式，投資於合適的人才，並致力於實現全面的流程再造，以充分實現人工智能在從高管層到現場的所有層面的系統潛力。</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

人工智能的炒作與現實：首席執行官們正在辯論 2026 年投資回報率的拐點