麻省理工学院的一项研究显示：95% 投资于生成式人工智能的公司，至今仍未看到任何明显回报。
这项研究的结论，基于对 150 名企业高管的访谈、350 名员工的问卷调查，以及 300 个公开部署案例的深入分析。
为何通用AI在企业中失灵
报告指出，尽管企业界已投入数百亿美元，但仅有 5% 的试点项目能真正创造出百万美元级别的价值。
绝大多数投资，对于公司利润的增长，并未带来任何可衡量的影响。
这背后的逻辑其实不复杂。通用的聊天工具对个人来说体验极佳，因为它能灵活响应各种指令。
然而，一旦进入企业环境，这些工具便会处处碰壁。原因是它们无法学习和理解公司内部的特定数据、业务规则和工作流程。
真正的价值洼地在哪里
这种学习差距，最终体现在三个方面：工作流程不堪一击、输出结果充满干扰，以及公司损益毫无起色。
更严重的是，企业的预算也用错了地方。过半的资金被投向了市场和销售部门的试点，但真正的潜在收益区，其实在后端办公的自动化上。
真正的成功，源于削减业务流程外包、压缩外部合作开支和优化内部运营。
在这些领域，任务是可重复的，反馈是清晰的，成本基线是明确的，因此技术带来的影响才真正变得可以衡量。
策略决定成败
技术落地策略的选择，直接决定了成败。选择外部采购或合作的成功率约为 67%，而坚持内部自研的成功率只有 33%。
在金融这类受到严格监管的行业，差距会更大。因为内部开发不仅风险高、审批慢，还会让本就资源有限的平台团队不堪重负。
技术对工作岗位的影响已经显现。许多公司不再填补客户支持和行政岗位的空缺，特别是那些原本就外包的职位。
但与此同时，影子 AI 的现象无处不在，这让效益的衡量变得极为混乱。公司的管理者们很难拿出干净的数据，来证明生产力和利润确实得到了提升。
昨天，这份报告也直接冲击了华尔街。
由于市场对 AI 概念的交易热情产生新的怀疑，美国科技股应声下跌。
失败的深层原因
导火索正是这份报告揭示的残酷现实：95% 的企业看不到回报，仅 5% 的项目有实质收益。
这种巨大的落差，通常发生在企业的基础设施还未准备就绪时——比如数据管道、安全审查、工作流程和员工培训都还不到位。
企业习惯于先为算力和工具投入巨资，最后才发现，通往实际投产的最后一公里，远比想象的更慢，也更烧钱。
泡沫的警钟
关于 AI 市场可能存在泡沫的讨论，更是为紧张的市场情绪火上浇油。
当大量资本扎堆涌入少数几支明星 AI 股时，任何微小的负面消息，都可能触发恐慌性抛售。这也就是为什么，亏损总是集中在最热门的交易里。
Sam Altman 也坦言，他认为我们正处在一个 AI 泡沫之中。他曾在一次采访中这样说：
“如果问我，我们是否正处在一个投资者对 AI 普遍过度兴奋的阶段？我的答案是，肯定的。
在我看来，这次市场回调是一次健康的审视。
下一轮的增长，将不再依赖于概念和热情，而必须建立在真实可证的单位经济效益之上。
这包括更低的单次查询推理成本，以及能直接体现在公司损益表上的、可被衡量的生产力提升。
参考资料：https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
