麻省理工 NANDA 研究发现，只有 5% 的组织把 AI 工具大规模用于生产

美国公司在生成式 AI 项目上累计投入大约 350 亿到 400 亿美元，但到目前为止几乎拿不出什么像样的成果

根据麻省理工学院 NANDA（Networked Agents and Decentralized AI）计划的一份报告，95% 的企业组织从其 AI 投入中没有获得任何回报。只有 5% 的组织把 AI 工具真正以规模化的方式集成到生产系统中

这份报告基于对企业领导者的 52 次结构化访谈，对 300 多个公开的 AI 项目与公告的分析，以及对 153 名商业从业者的调查

报告作者 Aditya Challapally、Chris Pease、Ramesh Raskar 和 Pradyumna Chari 认为，造成所谓“生成式 AI 鸿沟”的原因，并不在于基础设施、学习或人才的不足，而在于 AI 系统无法长期留存数据、难以适应变化以及难以随时间持续学习。

报告称，生成式 AI 鸿沟在部署率上表现得最为明显：只有 5% 的定制化企业 AI 工具最终进入了生产。聊天机器人之所以更容易成功，是因为它们容易试用且足够灵活；但在关键工作流中，由于缺乏记忆与定制能力，它们往往表现不佳。

一位未具名的 CIO 在采访中这样总结这一年的见闻：我们看过几十场演示，也许只有一两样是真的有用，其余不是包一层皮，就是科研项目

作者的发现也与其他近期研究相呼应：企业领导层对 AI 项目的信心正在下降。NANDA 的报告同时指出，少数公司确实从生成式 AI 中获益，两大行业受到的影响最为明显——科技业以及媒体与电信。

对于其余行业——专业服务、医疗与医药、消费与零售、金融服务、先进制造，以及能源与材料——生成式 AI 的影响微乎其微。

一家中型制造企业的 COO 被引述称：领英上的热议说一切都变了，但在我们的运营里，没有发生根本性的变化。我们确实把一些合同处理得更快了，但也就这样。

正在变化的一点，是受影响行业的人才结构。在科技与媒体领域，报告指出，超过 80% 的高管预计在未来 24 个月内放缓招聘。作者认为，由生成式 AI 推动的人员缩减，主要发生在那些经常外包、且流程高度标准化的非核心业务活动中，比如客户支持、行政处理以及标准化的开发任务。

报告称，这些岗位在引入 AI 之前就存在脆弱性，因为它们具有外包属性且流程标准化。在受到影响的行业里，大约有 5% 到 20% 的支持与行政处理类工作已被波及。

The Register 获悉，甲骨文近期的裁员反映出企业在努力平衡与 AI 相关的资本开支——对美国科技巨头而言，这是一块沉重的负担。在 IBM，员工则认为 AI 被拿来作为将岗位外包到海外的借口。无论公开理由如何，真实动机如何，生成式 AI 的确正在对采用最广的科技与媒体电信两大行业产生影响。

虽然大约 50% 的 AI 预算被分配给市场与销售，报告作者建议，企业投资应当转向那些能够带来有意义业务结果的活动。前端包括线索资格判断与客户留存，后端包括取消业务流程外包、缩减广告代理支出，以及在金融服务中开展风控核验等。

从一些公司成功落地生成式 AI 的方式看，报告认为，像 OpenAI 的 ChatGPT 这样的通用工具，往往比定制的企业级工具表现更好，即便后者使用的是同样的底层模型。

原因在于，员工往往对 ChatGPT 这样的界面更熟悉，因此使用频次更高——这也是员工驱动的影子 IT的直接结果。报告引用了一位企业律师的访谈，她所在的中型律所对一款售价 5 万美元的专业合同分析工具并不满意。她说：我们买的那套 AI 工具输出的是很僵硬的摘要，定制选项也很有限；而用 ChatGPT，我可以引导对话、不断迭代，直到拿到自己想要的结果。质量上的差异是能被明显感知到的。即便供应商声称用的是同样的底层技术，ChatGPT 给出的结果依然更好。

作者认为，能够跨越这道生成式 AI 鸿沟的公司，是把 AI 采购当成业务流程外包来做，而不是当作一份软件订阅来买。

报告的结论是：他们会要求深入的定制化，从一线推动采用，并让供应商为业务指标负责。最成功的购买方明白，跨越这道鸿沟需要的是合作，而不仅仅是采购。

source：

https://www.theregister.com/2025/08/18/generative_ai_zero_return_95_percent/