基于以上两个方面的原因，传统的投资测量分析模型在人工智能时代将变得过时。CFO（首席财务官）们将需要一个新的财务分析模型去合理地评估“基于人工智能的收益”，或许新模型的相关因素会包括每一种算法、初始投资和维护投入费用等等。人工智能时代，合理计算投入产出的复杂度将使得投资测算变得极具挑战性，而这也或将威胁到人工智能投资决策和行为的推进。鉴于此，企业乃至行业，都急需引入新的思考方式、新的资本支出术语，和新的测算模型，或许假以时日，人工智能本身能够被用来探索进行更加精准的计算和预测。

以上八点人工智能策略，本质上都是在为一件事情服务——激发企业利润、推动企业创新，正如Accenture公司首席科技&创新官Paul Daugherty所言：

想要抓住人工智能带来的商业机遇，企业必须立刻行动，遵循以人为本的理念，围绕人工智能技术制定发展策略。过程中要注意开发遵循伦理道德规范的、可靠的人工智能系统，以期为企业带来积极的影响，帮助人类员工去做他们最擅长的事情——想像、创造和创新。

研究模型角度——埃森哲关于AI对GVA影响程度的测算模型：

我们看到Accenture Research联合Frontier Economics建模并测算了在12个发达经济体和16个不同产业中，人工智能可能带来的经济和利润增长幅度。

我们同为研究机构，自然最关注所有测算的依据/模型是否合理、值得借鉴；笔者作为研究人员，长期为企业提供研究决策支持，也一直遵循无论自己做研究还是企业做决策，都要“知其然亦要知其所以然”的原则。换言之，如果Accenture Research此份报告没有任何测算依据、分析模型的说明部分的话，从研究的视角看会认为是一份不合格的报告；从行业、企业的视角看也必须要对其所有结论画上一个问号。那么，报告中所有人工智能可能带来的国家经济和行业利润增长，究竟是基于什么样的模型来测算的呢？

从基础层面而言，Accenture Research是将人工智能视为一个全新的生产要素来进行评估的，并且认为它的出现会一定程度改变过去经济实现增长的方式。具体而言，Accenture Research和Frontier Economics的测算模型分以下三步来进行：

一、通过研究，Accenture Research评估了更容易受到人工智能技术影响的工作环节/任务，占到整个传统劳动力当中的比重；评估了未来有可能被人工智能替代实现自动化的工作岗位/工种。然后基于被分析国家/经济体的劳动力统计数据，研究所有上述工作环节、工种在各行业的具体分部情况，进一步建立起各个国家和产业的人工智能技术“吸收速率”认知。

二、测算过程中，Accenture Research也考虑到了人工智能技术随着时间会发生的进步。在与技术进步相关的变量设定方面，Accenture Research主要参考了软件、硬件、机器人和云服务自1990年到今天的价格下跌数据。

三、Accenture Research在测算人工智能技术扩散所能产生的附加的创新影响力方面，采用了全要素生产率(TFP)的计算方法。参考了信息通讯技术(ICT)对全要素生产率产生影响的历史数据，并基于人工智能在不同产业的投资情况，和不同经济体人工智能技术“吸收能力”，对ICT历史数据进行了加权处理进行评估。

基于以上三个步骤，Accenture Research进行综合计算，评定出人工智能在各个国家和产业的经济潜能，每个国家视角的指标都聚合了所有16个产业的数据，而每个产业视角的数据也都综合了所有12个国家的情况。研究中所有的利润提升可能性预测都是基于产业GVA（经济总增加值）数据来测算的。利润的模拟测算，是基于GVA减去人工成本，得到每一个产业的GOS（总营业盈余，用来描述剔除了人力因素之后的经营活动产生的盈余），相当于利润的一个近似值。为了使得利润值更接近真实情况，Accenture Research还考虑到了资本折旧对GOS数据产生的影响，开奖，进行数据测算调整，并且这一调整包含了对“平减物价指数”（deflator comprising data）的考量。

Accenture Research在报告中对于自己的数据模型陈述足够清晰，值得肯定。

研究意义角度——亿欧智库详细解读分享的原因：

从研究的视角看埃森哲的这份报告非常值得解读，原因在于其三方面的高专业度——视野、量化、策略。