MIT 报告：公司 95%的生成式 AI 试点项目失败

9 天前
 imaxwell

https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/

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
sheryl.estrada@fortune.com

3181 次点击
所在节点    分享发现
19 条回复
zzh0410
9 天前
无数的公司把 ai 当做最后的救命稻草，这种环境下，不沉才怪
我觉得 ai 做的事情是如虎添翼，而不是病鸡求医
imaxwell
9 天前
@zzh0410 认同，AI 是遇强则强，遇弱则弱。如果做正确的事情，能够事半功倍。如果做错误的事情，不管是人和 AI ，都是无力回天。
oncethink
9 天前
当前的 AI 解决的是规模化的问题，不是解决从零到一的问题。狗屎的现有流程放大了只是一堆狗屎而已。
BingoXuan
9 天前
这我就要吐槽一下我们公司的 ai 策略了。做了一堆 agent ，然后现在才想应用场景。自己做出来的东西，自己都不用，还指望别人用么
chenybin
9 天前
写在前面
大多数 AI 翻车不是模型太笨，而是上下文工程缺席——信息没被正确“写入、选取、压缩、隔离”。
忽视上下文=真金白银的损失：从 Bard 发布翻车到“260 块鸡块”，企业都在为记忆缺陷买单。
盲目拉长上下文只会放大噪音与攻击面；小而准的上下文管控才是性能与安全之解。
先做上下文，后谈大模型：常见收益是**输入成本 -80%、准确度 +15~90%**，比换更大模型划算得多。
2023-2025 年的企业实践证明，AI 应用失败的根本原因不是模型不够智能，而是”上下文工程”的缺失。谷歌因此损失 1000 亿美元市值，而掌握这项技术的企业却实现了 40-90%的性能提升。


作者: Richardson
链接: https://www.iaiuse.com/posts/ee395de2
来源: AIMeticulously
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
showonder
9 天前
为了 AI 而 AI ，就跟很多数字化转型一样，不清楚自己的需求，不明确自己的目标，不了解技术的使用范围和局限性，不知道能放大效益的场景，注定会失败
otakustay
9 天前
大型变革转型期 95%失败率不少见吧
Ma4cus
9 天前
快进到 ai 泡沫崩盘
blackshadow
9 天前
很正常啊，现在的公司为啥上 ai 。 公司高层刷抖音自媒体看到 ai 啥也能做，安排中层在业务中接入 ai 实现降本增效。 中层安排底层员工调研，没场景没需求，硬造场景和需求，外加商业化 ai 太贵、无法保护所谓的公司信息安全。 最终结果，采购硬件，自己搭建 Ds 或者 Qwen ，但没相关 ai 专业员工来进行微调或者二次训练，于是安排几个空闲的开发，部署一下，接入开源模型的代码生成、文档生成的场景。 然后给员工定 kpi ，工作中加入 ai 相关工作实现工作的增效，但 ai 产生的效果不如不用 ai ，但向上汇报就是皆大欢喜，ai 增效成功。 但再往后，底层员工越来越嫌弃 ai 不够智能，最后不了了之。
shui14
9 天前
连 openai 自己都想不好产品落地。现在硅谷热门是国防工业，pltr 、anduril 、ktos 、avav 在试水落地，但是这些没法抄。
ai 是增程器而不是减震器。当你还在 hello world 时，你前面的人可以跨界去做 hello jet ，hello sub ，才成立两年的公司造战斗机造潜艇造导弹跟玩一样。ai 放大了人的差距，而不是缩小。人与人的差距比人与猪的差距还大。
公司就是一群人，这个距离只会越来越远，蚁群是速度叠加的。
大部分公司根本就不适合去投入 ai 行业，连自己的业务都整不好，就想着诈骗洗白
wysnxzm
9 天前
95%的公司都是失败的
imaxwell
8 天前
@oncethink 非常认同，我刷 TikTok 看到那种 AI 批量生成的垃圾短视频直接划走。我就在想，一个垃圾是垃圾。用 AI 生产成千上万个垃圾，意义何在？
imaxwell
8 天前
@BingoXuan 没错。要找着了问题或者瓶颈对症下药的解药再用 AI 来提效，才是正确的事情，都没有找到正确的方向，就想着为了用 AI 而上 AI ，最后本末倒置没有提效也是顺理成章的事情。
imaxwell
8 天前
@showonder 认同，就好比数字化转型和 AI 提效，对于某一些公司和场景是灵丹妙药，那是因为对症了，没有这个病也去吃数字化转型和 AI 的药，就属于吃错药了，容易出现东施效颦或者是小脚穿大鞋的问题。
AK2022
8 天前
@imaxwell #12 公司变成垃圾场了
Blutbad
8 天前
@blackshadow 说的跟我司情况一模一样
q2677855779
8 天前
我之前的公司和现在的公司在搞的一些 ai 产品基本上也是属于没人用的状态😂
catazshadow
8 天前
把概率鹦鹉当成真的智能是这样的
snow0
5 天前
@blackshadow 真实

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://ex.noerr.eu.org/t/1153836

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX