MIT 报告：公司 95%的生成式 AI 试点项目失败

各位怎么看？ 95%的项目失败，5%的项目有肉眼可见的效益提升。是说这一轮 AI 泡沫比实质生产率提升更大吗？还是说大部分企业打开 AI 的方式都不对？

报道 grok4 翻译 MIT 报告：公司 95%的生成式 AI 试点项目失败

作者：Sheryl Estrada

发布日期：2025 年 8 月 18 日 上午 6:54 EDT

早上好。公司们正在押注 AI但几乎所有企业的试点项目都卡在了起跑线上。

《生成式 AI 鸿沟：2025 年商业 AI 现状》是一份由 MIT 的 NANDA 倡议发布的新报告，该报告揭示，尽管生成式 AI 对企业充满潜力，但大多数旨在推动快速收入增长的举措都以失败告终。

尽管企业急于整合强大的新模型，但大约只有 5%的 AI 试点项目实现了快速收入加速；绝大多数项目停滞不前，对损益表几乎没有或没有可衡量的影响。该研究基于对 150 位领导者的访谈、对 350 名员工的调查，以及对 300 个公开 AI 部署的分析，清晰描绘了成功案例与停滞项目之间的鸿沟。

为了解读这些发现，我采访了报告的主要作者 Aditya Challapally ，他也是 MIT NANDA 项目的贡献研究者。

“一些大公司的试点项目和年轻初创企业确实在生成式 AI 方面表现出色，”Challapally 说。例如，由 19 或 20 岁年轻人领导的初创企业，“他们的收入在一年内从零跃升至 2000 万美元，”他说。“这是因为他们选择一个痛点、执行出色，并与使用他们工具的公司聪明地合作，”他补充道。

但在数据集中的 95%公司中，生成式 AI 的实施都未能达到预期。核心问题？不是 AI 模型的质量，而是工具和组织的“学习差距”。虽然高管们常常将责任归咎于监管或模型性能，但 MIT 的研究指向了有缺陷的企业整合。像 ChatGPT 这样的通用工具在个人使用中表现出色，因为它们灵活性强，但它们在企业中使用时会停滞，因为它们无法从工作流程中学习或适应工作流程，Challapally 解释道。

数据还揭示了资源分配的错位。超过一半的生成式 AI 预算用于销售和营销工具，但 MIT 发现最大的投资回报率来自于后勤自动化消除业务流程外包、削减外部机构成本，并简化运营。

成功 AI 部署背后的原因是什么？

公司采用 AI 的方式至关重要。从专业供应商处购买 AI 工具并建立合作伙伴关系成功的概率约为 67%，而内部构建的成功率仅为其三分之一。

这一发现在金融服务和其他高度监管行业中尤为相关，这些行业中的许多公司在 2025 年正在构建自己的专有生成式 AI 系统。然而，MIT 的研究表明，公司独自行动时会看到更多的失败。

Challapally 指出，受访公司往往不愿分享失败率。“几乎在我们走访的每个地方，企业都在试图构建自己的工具，”他说，但数据显示，购买的解决方案提供了更可靠的结果。

其他成功的关键因素包括授权一线经理而不仅仅是中央 AI 实验室来推动采用，并选择能够深度集成并随时间适应的工具。

劳动力中断已经在进行中，尤其是在客户支持和行政角色中。公司越来越多地选择不补充空缺职位，而不是大规模裁员。大多数变化集中在以前因被视为低价值而外包的工作上。

该报告还强调了“影子 AI”的广泛使用未经批准的工具如 ChatGPT以及衡量 AI 对生产力和利润影响的持续挑战。

展望未来，最先进的组织已经在实验代理式 AI 系统，这些系统可以在设定的边界内独立学习、记忆和行动这为企业 AI 的下一阶段提供了瞥见。

Sheryl Estrada
[email protected]