AI替代帶來的收入風險
該工作論文正式定義了“AI替代收入風險”（RaR-AID）這一企業財務風險類別，並提出了結構化計算方法。基於對1,427個品牌跨越十個行業和四大AI平臺的實證研究，發現87.3%的品牌在AI多輪購買對話中被競爭對手替代，75.7%的品牌事實未被模型用於決策。該風險對擁有AI中介收入的企業構成可量化的財務暴露，建議納入董事會級風險報告。
2026年6月28日釋出的一篇工作論文《Revenue at Risk from AI Displacement》正式定義了“AI替代收入風險”（RaR-AID）這一企業財務暴露類別，並提供了結構化計算框架。該論文由AIVO Meridian撰寫，認為隨著AI系統在商業購買決策中扮演主要中介角色，品牌在最終推薦前被系統性地替代，形成了可量化的收入暴露，但這一風險尚未被大多數企業風險框架納入。
論文基於AIVO標準實證資料庫，涵蓋1,427個品牌結構探查，涉及十個行業和四大AI平臺，並得到2026年三項獨立研究的確認。關鍵發現包括：在AI多輪購買對話中，87.3%最初出現的品牌在最終推薦前被競爭對手替代；75.7%的模型所擁有的品牌事實並未在決策環節被使用。這些發現構成了對擁有AI中介收入的企業而言系統且可衡量的財務風險。
RaR-AID計算方法包括三個輸入：類別相關年收入（CAR）、AI中介購買影響率（APIR）和測得的AI替代率（ADR）。三者結合可得出董事會級別的量化財務暴露。論文以金融服務行業為例演示了該方法的應用，並主張RaR-AID應與信用風險、商品價格風險和供應鏈風險等一同納入董事會級風險報告。
這一概念的提出具有重要意義，因為隨著AI在商業決策中的滲透率不斷提高，企業需要一種新的風險管理工具來應對品牌被AI系統替代的風險。RaR-AID不僅量化了收入暴露，還為企業提供了識別和緩解這種風險的框架。論文作者指出，未來研究可以進一步探索不同行業和AI平臺下的替代率差異，以及如何透過品牌策略降低替代風險。此外，RaR-AID方法可以擴充套件到其他型別的AI中介場景，如個人助理或推薦系統，從而為企業提供一個全面的風險管理視角。