AI替代带来的收入风险
该工作论文正式定义了“AI替代收入风险”（RaR-AID）这一企业财务风险类别，并提出了结构化计算方法。基于对1,427个品牌跨越十个行业和四大AI平台的实证研究，发现87.3%的品牌在AI多轮购买对话中被竞争对手替代，75.7%的品牌事实未被模型用于决策。该风险对拥有AI中介收入的企業构成可量化的财务暴露，建议纳入董事会级风险报告。
2026年6月28日发布的一篇工作论文《Revenue at Risk from AI Displacement》正式定义了“AI替代收入风险”（RaR-AID）这一企业财务暴露类别，并提供了结构化计算框架。该论文由AIVO Meridian撰写，认为随着AI系统在商业购买决策中扮演主要中介角色，品牌在最终推荐前被系统性地替代，形成了可量化的收入暴露，但这一风险尚未被大多数企业风险框架纳入。
论文基于AIVO标准实证数据库，涵盖1,427个品牌结构探查，涉及十个行业和四大AI平台，并得到2026年三项独立研究的确认。关键发现包括：在AI多轮购买对话中，87.3%最初出现的品牌在最终推荐前被竞争对手替代；75.7%的模型所拥有的品牌事实并未在决策环节被使用。这些发现构成了对拥有AI中介收入的企业而言系统且可衡量的财务风险。
RaR-AID计算方法包括三个输入：类别相关年收入（CAR）、AI中介购买影响率（APIR）和测得的AI替代率（ADR）。三者结合可得出董事会级别的量化财务暴露。论文以金融服务行业为例演示了该方法的应用，并主张RaR-AID应与信用风险、商品价格风险和供应链风险等一同纳入董事会级风险报告。
这一概念的提出具有重要意义，因为随着AI在商业决策中的渗透率不断提高，企业需要一种新的风险管理工具来应对品牌被AI系统替代的风险。RaR-AID不仅量化了收入暴露，还为企业提供了识别和缓解这种风险的框架。论文作者指出，未来研究可以进一步探索不同行业和AI平台下的替代率差异，以及如何通过品牌策略降低替代风险。此外，RaR-AID方法可以扩展到其他类型的AI中介场景，如个人助理或推荐系统，从而为企业提供一个全面的风险管理视角。