Let's Make AGI Real

一篇来自麻省理工学院（MIT）NANDA项目的重磅报告——《2025年商业AI现状》——揭示了一个足以震动商业世界的残酷结论：尽管企业在生成式AI（GenAI）上投入了300至400亿美元，但令人震惊的是，95%的组织并未获得任何回报。

报告指出，只有极少数（5%）集成的AI试点项目成功提取了数百万美元的价值，而绝大多数企业则陷入了“高采用、低转型”的泥潭。研究人员将这种两极分化的结果，定义为“生成式AI鸿沟”（GenAI Divide）。

为什么巨额投资换不来回报？AI鸿沟究竟是如何形成的？本文将深入解读这份基于对300多个公开AI项目、52家组织访谈以及153位高管问卷分析的报告，揭示跨越鸿沟所需的“不同选择”。

一、鸿沟的真相：高采用率下的“结构性停滞”

AI鸿沟的核心特征是：企业对通用AI工具的采用率很高，但业务转型程度极低。

1. 死亡谷：定制化AI的95%失败率

通用大语言模型（如ChatGPT和Copilot）的采用率非常高，超过80%的组织进行了探索或试点，近40%报告已部署。但这些工具主要增强的是个体生产力，而非利润表（P&L）绩效。

然而，针对企业核心流程的定制化AI系统，却遭遇了“死亡谷”：

• 60%的组织评估了这些工具。
• 只有20%达到了试点阶段。
• 最终只有5%达到了生产阶段（成功落地）。

企业级AI解决方案高达95%的失败率，是AI鸿沟最清晰的体现。这些定制工具失败的原因，往往是工作流僵硬、缺乏情境学习能力，以及与日常运营脱节。

2. 颠覆性幻觉：只有2个行业真正改变

报告通过AI市场颠覆指数（AI Market Disruption Index）评估了行业转型程度。结果显示，尽管AI声势浩大，但只有科技和媒体与电信两个行业显示出明确的结构性颠覆迹象。

其他七个主要行业（如专业服务、金融服务、医疗健康和能源与材料）都显示出有限甚至零结构变化。一位中型制造企业的首席运营官直言：“LinkedIn上炒作一切都变了，但在我们的实际运营中，除了合同处理快了一点，没有发生根本性转变”。

3. 影子AI经济：员工正在“自救”

官方AI项目停滞不前，但AI早已在企业内部悄然转型：员工们正在通过个人渠道跨越鸿沟。

尽管只有40%的公司购买了官方LLM订阅，但超过90%的受访公司员工报告称，他们会使用个人ChatGPT或Claude账户等消费级工具来完成工作任务。这种“影子AI经济”的兴盛，证明了个体可以成功地利用灵活、响应迅速的工具提高效率。

4. 投资错配：舍高ROI，逐高可见性

企业的投资分配进一步加剧了鸿沟。高管们将假设预算的约70%分配给了销售和营销功能。

销售和营销之所以占据主导地位，是因为其成果容易量化（如邮件回复率、演示量）。然而，真正高投资回报率（ROI）的机会往往潜藏在后勤部门（Back-office），如法务、采购和财务自动化。

但由于这些后勤效率提升（如减少合规违规、加速月底流程）难以在行政对话或投资者更新中凸显，它们被系统性地低估和低投资。

二、试点失败的核心原因：无法学习的“学习鸿沟”

报告的核心发现是：阻碍AI规模化的最大障碍不是基础设施、法规或人才，而是学习上的差距。

绝大多数GenAI系统不会保留反馈、适应环境，也不会随时间改进。用户在使用ChatGPT处理简单任务时感到满意，但由于它缺乏记忆和情境，在处理任务关键型工作时会被抛弃。

1. 僵硬的工具VS灵活的对话

用户体验和模型质量是试点失败的第二大障碍。

即使底层技术相同，用户也普遍认为通用LLM（如ChatGPT）比企业内部工具更灵活、输出质量更好。一位律师表示，公司花了5万美元购买的合同分析工具只能提供固定格式的摘要，而她更喜欢ChatGPT的迭代和对话能力。

当涉及到高风险、任务关键型工作时，用户对AI的要求更高。他们不信任无法积累知识、会重复上次错误的系统。

对于简单的快速任务（如写邮件、基础分析），70%的用户倾向于使用AI；但对于复杂的长期项目（如多周期的项目管理、客户维护），90%的用户更倾向于人类同事。分界线不是AI的智能程度，而是其记忆、适应性和学习能力。

2. 突破口：智能体AI（Agentic AI）

解决这一“学习鸿沟”的关键是智能体AI（Agentic AI）。

智能体系统具备持久记忆和迭代学习能力，可以记住上下文，并能自主协调复杂的流程。例如，有些企业已在试点的智能体可以从头到尾处理完一个客户咨询，或监控常规交易并自动审批。

成功的AI工具（高定制+高学习）必须是：智能体工作流或垂直领域的SaaS工具。

三、跨越鸿沟的“三板斧”：最佳买家和构建者的策略

那些成功跨越鸿沟的组织（买家）和供应商（构建者），采用了一种截然不同的方法。

1. 优先“买”而非“建”

报告数据显示，通过外部战略合作的AI项目成功部署率约为66%。而企业内部自行开发的AI工具，成功部署率仅为33%，成功率相差一倍。

成功的买家将供应商视为业务服务提供商，而非单纯的软件销售方，要求深入定制化，并以业务成果（而非模型基准）来评估工具。

成功供应商的制胜秘诀： 

• 聚焦窄而精的价值场景：避开通用工具，专注于工作流中的边缘高价值环节，并靠持续学习实现规模化。
• 深耕工作流定制和学习能力：高管在选择供应商时，最看重的是信任、对工作流的深入理解、以及随时间改进的能力（学习能力）。
• 利用信任和推荐：面对企业对新供应商的普遍不信任，成功的初创公司通过系统集成商、同行推荐或董事会顾问等渠道合作，降低客户的顾虑。

2. 权力下放：让一线经理主导

跨越鸿沟的关键在于组织设计：成功组织会分散实施权力，但保留问责制。

成功的AI部署往往始于“专业消费者”（prosumers）和一线经理。这些已经使用过ChatGPT等工具的员工，更清楚地知道“好的AI”是什么样的。

让预算持有者和领域经理来提出问题、测试工具并主导推广，可以显著加速落地速度。中型企业通过这种自下而上的模式，平均仅需90天就能从试点到全面部署，而大型企业若由中央实验室主导，往往需要九个月或更长时间。

3. 寻找真正的ROI：后勤部门才是金矿

尽管销售和营销占据了大部分预算，但最显著的成本节约往往来自后勤自动化。

跨越鸿沟的组织发现，真正的收益来自于替代外部支出，而非裁减内部员工。例如：

• BPO（业务流程外包）淘汰：每年可节省200万至1000万美元（客服和文档处理）。
• 外部代理支出减少：外部创意和内容成本下降30%。
• 内部人员变动：裁员现象有限，主要集中在历史上已被外包的职能（如客户支持和行政处理）。AI工具更多的是解放了重复性劳动，让员工专注于更高价值的工作。

总结与展望：正在关闭的“18个月窗口期”

研究者判断，跨越生成式AI鸿沟的窗口期正在迅速关闭。

在接下来的18个月内，企业将锁定那些具备学习能力的AI工具。一旦企业投入时间训练某个系统来理解其特定的工作流程和数据，切换成本将变得高昂，形成难以打破的竞争壁垒。

对于目前陷入“高采用、低转型”困境的企业，报告指明了清晰的前进道路：

1. 停止投资静态工具：放弃那些需要不断输入上下文、无法学习和适应的工具。
2. 优先合作定制供应商：与提供定制化、能持续学习并能深度集成工作流的供应商合作。
3. 权力下放：赋能一线经理和专业用户主导AI的选型和落地。

未来，AI的下一个阶段将是智能体网络（Agentic Web）。这是一个由具备自主发现、谈判和跨平台协作能力的AI智能体组成的网络。谁能在这场由学习系统定义的竞赛中建立持久的反馈闭环，谁就能在“后试点AI经济”中占据主导地位。