--- area: tech-engineering category: ai-ml companies_orgs: - MIT date: '2025-08-31' draft: true guest: '' insight: '' layout: post.njk media_books: - 'The GenAI divide: State of AI in business 2025' products_models: - ChatGPT - GPT-5 project: [] series: '' source: https://www.youtube.com/watch?v=t12OYce1G70 speaker: 北美王路飞 status: evergreen summary: 一份来自麻省理工学院（MIT）的最新研究报告指出，尽管全球企业在生成式AI上投入数百亿美元，但高达95%的公司投资回报率为零。本文深入剖析了报告中揭示的“生成式AI鸿沟”及其背后的“学习鸿沟”，解释了为何通用AI工具难以在企业中实现价值，以及“影子AI经济”的兴起。文章还探讨了企业在AI投资上的偏差、试点失败的原因，并为企业管理者和AI从业者提供了跨越鸿沟、实现AI价值落地的具体策略和未来展望。 tags: - ai-investment - business - challenge - economy - learning title: MIT重磅报告：95%的AI投资为何打水漂？揭秘生成式AI的商业落地鸿沟 --- ### MIT重磅报告：95%的AI投资回报为零 近期，麻省理工学院（**MIT**：Massachusetts Institute of Technology，世界顶尖研究型大学）发布了一篇名为《The GenAI divide: State of AI in business 2025》的研究报告。这份报告一经发布，便在市场上引起震动，导致AI相关题材股票出现一波大幅抛售。虽然报告是否直接驱动了市场抛售尚不得而知，但其揭示的信息对于理解当前**生成式AI**（Generative AI: 能够生成文本、图像、代码等新内容的AI技术）的市场现状具有重要价值。 报告开篇即抛出一个重磅炸弹：尽管全球企业在生成式AI上投入了约三四百亿美元，但其中高达95%的公司，其**投资回报率**（ROI - Return on Investment: 衡量投资收益与成本比率的指标）为零，未能赚回一分钱的商业价值。这与技术奇点即将到来的乐观预期形成了鲜明对比，引发了人们对AI投资为何大量打水漂的疑问。 ### 生成式AI的“学习鸿沟” 报告指出，大多数公司之所以陷入困境，是因为存在一个巨大的认知鸿沟，作者称之为“生成式AI的鸿沟”（The GenAI Divide）。在日常工作中，利用生成式AI撰写邮件、制作PPT、编写代码乃至进行客服聊天，确实能显著提高效率。报告证实了这一点：超过80%的公司试用过如ChatGPT这样的通用工具，近40%的公司甚至已正式部署。这就像工业革命时期，所有工厂都购买了蒸汽机，对生产力提升充满期待。然而，一个尴尬的问题是，大部分公司的**利润表**（P&L - Profit and Loss Statement: 反映企业在一定时期内的经营成果）并未因此变得更好看，员工个人效率虽有提升，但公司的盈利能力却停滞不前。 与此同时，那些专门为企业打造的昂贵企业级AI系统表现更差：60%的公司评估过这些工具，但只有20%愿意试点，最终仅有5%真正投入生产。这种极低的落地率，进一步加剧了个人应用与公司试点热火朝天，而商业回报和落地率冰冷之间的巨大鸿沟。 那么，问题究竟出在哪里？过去人们普遍认为AI落地难是由于模型不够强、数据质量差、法律风险大或缺乏合适的算法工程师。但报告给出的答案却是否定的。报告指出，真正的问题并非技术本身，因为最顶级的模型如GPT-5大家都能用，法律风险也有相应解决方案。卡住95%公司的关键在于两个字：“学习”。 报告中提到的“学习鸿沟”可以用一个比喻来理解：想象一个特别聪明、世界名校毕业的实习生，他能分分钟搞定邮件，文采飞扬。但这个实习生有个毛病——短期记忆丧失症。每天早上他都是全新的自己，昨天教他的所有东西，包括公司报告模板、客户邮件语气要求等，他都忘得一干二净。每次协作，你都得重新把所有背景信息、要求和上下文原原本本、一字不差地告诉他一遍。这样的实习生，你敢把核心工作交给他吗？你只会让他处理写邮件、搜资料这类一次性的杂活。 如今，95%的公司所用的AI工具，正是这个“失忆的实习生”。它无法从你的反馈中学习，无法记住你的工作流程和偏好，也无法随着时间推移与你变得越来越默契。这就是“学习鸿沟”的本质。 ### 从“玩具”到“工具”的转变 理解了“失忆实习生”的困境，就能明白为何会出现从试点到生产的巨大鸿沟。通用AI，如日常使用的ChatGPT，更像是一个灵活多变的“玩具”或“瑞士军刀”，上手快，什么都能干。但正因为它通用，所以无法深度嵌入到公司具体、琐碎甚至有些奇葩的工作流程中去。 企业真正需要的是专用工具，就像修车需要一把尺寸刚好的扳手，而不是一个什么都能比划两下却什么也拧不紧的瑞士军刀。这把“扳手”必须懂业务、记住习惯，成为工作流中无缝衔接的一部分。然而，当前大部分企业级AI都做成了“看起来很美的瑞士军刀”，功能强大却与现有流程格格不入，用起来特别别扭，报告称之为“脆弱的工作流”。员工试用后发现还不如自己动手快，试点项目自然就失败了。因此，鸿沟的一边是大家都在玩的“玩具”，另一边是真正能创造价值的“工具”，连接两者的桥梁正是学习和记忆。 ### “影子AI经济”与投资偏差 报告还揭示了一个惊人现象——“影子AI经济”（shadow AI economy）。尽管有40%的公司为员工购买了官方AI账号，但实际上超过90%的员工都在工作中自发使用个人付费的AI工具，且几乎每个人都在用。这意味着，当公司的官方AI项目还在会议室里扯皮、在试点中挣扎时，员工已经用自己的钱，在自己的工作流中找到了跨越鸿沟的方法，用更灵活的个人工具实实在在地提高了效率。 “影子AI经济”就像一面镜子，映照出企业AI战略的失败。它证明了需求真实存在，潜力巨大，但官方自上而下的采购和部署方式从根本上是错误的，它没有学习员工的真正需求，而是强行推给员工一个“失忆的实习生”。 那么，企业高管们为何会犯这种错误？报告给出了一个扎心的解释：投资偏差。调查显示，如果100块钱投给AI，大约70%的钱都砸向了市场和营销部门。因为这些是“面子部门”，其业绩提升（如销售线索、邮件回复率）特别好衡量，可以直接写进董事会PPT。而那些真正可以通过AI降本增效的“里子部门”，如运营、采购、财务、法务，反而拿不到什么预算。因为他们的优化（如合同审批流程加快20%、合规风险降低15%）很难直接与公司营收挂钩，汇报起来也不够“性感”。结果，钱都花在看得见的地方，而真正的价值洼地——那些重复性、流程化的后台工作——却被忽视了。讽刺的是，报告发现，那些成功跨越鸿沟的5%的公司，恰恰是在这些“无聊”的后台部门取得了惊人的**投资回报率**（ROI）。 ### 宏观与微观层面的鸿沟体现 报告创建了一个AI市场颠覆指数（0到5分），衡量AI对一个行业的结构性冲击。结果显示，只有科技业和媒体业算及格，因为它们的产品本身就是信息和代码，天然容易被AI改造。其他七个行业，如金融、医疗、零售、工业、能源，得分都低得可怜，在0.5分左右。这意味着在这些行业中，尽管大家都在搞试点，但整个行业的商业模式、市场格局、用户行为基本没有变化。一位制造业**首席信息官**（CIO - Chief Information Officer: 负责企业信息技术和系统）在访谈中直言：“社交媒体上吹得天花乱坠，但在我们工厂里，除了处理合同快了点，其他啥都没变。”这就是鸿沟在宏观层面的具体体现。 在微观层面，研究人员询问企业员工：一个任务，你愿意交给AI还是人类初级同事？结果显示，对于快速任务（如写邮件、做总结、简单数据分析），70%的人选择了AI，AI在这些领域比人类实习生更受欢迎。但对于复杂项目（如需要持续数周与客户打交道、处理各种意外情况的工作），人类以9:1的压倒性优势胜出，90%的人把这些活交给靠谱的人类。这条分界线不是“聪明与不聪明”，而是“记不记事、能不能进化”。AI就像那个聪明的“失忆实习生”，你不敢让他负责大项目，因为它无法积累经验、无法在项目中成长。这完美印证了“学习鸿沟”是问题的核心。 ### 企业AI试点失败的原因 报告对失败原因的统计显示，排在第一位的是“员工不愿意用新工具”。这看似奇怪，因为前面提到90%的员工都在用个人AI。这背后的心理是：员工不是不愿意用AI，而是不愿意用“笨的AI”。员工自己花钱买ChatGPT，体验到的是流畅迭代、能听懂人话的感觉。而公司发的AI工具通常是僵化的、过度设计的，与实际工作流程脱节。一位CIO甚至吐槽：“我们今年看了几十个项目演示，真正有用的可能就一两个，剩下的全是‘科学项目’（指不切实际的目标）。”当用户用着聪明的个人AI，公司却给他发了一个笨拙的企业AI，他们会觉得公司工具输出质量太差，不值得信任。这种体验鸿沟一旦形成，再怎么强制推广，员工也会“用脚投票”。 ### 跨越鸿沟：成功买家与卖家的策略 那么，那成功的5%公司做对了什么？报告指出，他们在“自己造”还是“找人买”的问题上做出了正确选择。数据显示，通过与外部专业厂商进行战略合作部署AI的成功率大致是66%，而试图靠自己内部团队从零开始“闭门造车”的成功率只有33%，直接差了一倍。这反直觉，因为人们总以为大公司技术实力雄厚，自己做肯定更贴切业务。但报告说恰恰相反。 原因在于，外部的专业AI公司其核心业务就是解决“学习鸿沟”。他们会像咨询公司或**业务流程外包**（BPO - Business Process Outsourcing: 将非核心业务外包给专业服务商）服务商一样，深入到业务流程中，进行深度定制并持续迭代，确保AI能真正融入工作流，而不是成为一个外挂。而内部团队往往缺乏这种产品化和持续服务的能力，通常会做成“一锤子买卖”的项目，上线之日即是落后之时。 如果你是一家公司的管理者，想成为那成功的5%，报告总结了成功买家的四个“心法”： 1. **心态转变：** 别当软件采购方，而要当业务外包的甲方。你买的不是标准化软件，而是一项能够进化的服务。你需要像找咨询公司一样，要求对方深度理解你的业务。 2. **评估标准：** 别光看模型跑分，要看业务成果。别再问用的是哪个模型，而是要问“你能帮我的回款周期缩短几天？”将AI供应商与你的业务指标牢牢绑定。 3. **合作模式：** 别想一步到位，要接受共同进化。成功的AI部署不是安装一个软件那么简单，它是一个持续学习、持续优化的过程。你需要和供应商一起，把AI“喂养大”。 4. **需求来源：** 别总靠总部空想，要从一线发掘最好的AI应用场景。真正的金矿往往不在CEO的脑子里，而在那些每天处理具体工作的员工手里。让那些已经使用“影子AI”的超级用户，成为你内部AI变革的冠军。 如果你是一个AI从业者、创业者或产品经理，想做出那5%公司愿意买单的核心产品，报告也给出了一个“卖家Playbook”：核心是一句话——别做大而全的平台，要做“小而美的手术刀”。找一个非常具体、狭窄但又让企业很痛苦的流程，例如专门处理某个行业的采购合同审批，或专门做某个领域的客户电话总结。别总想着一开始就颠覆人家的核心系统，要从边缘切入，例如先帮销售团队自动写邮件摘要，当他们离不开你时，再慢慢拓展到客户关系管理的核心。最重要的是，你的产品从设计之初，就要把学习能力刻在DNA里，让客户能够方便地给你反馈，而你的系统要能从这些反馈里真正变聪明。记住，你卖的不是功能，而是一个会成长的虚拟员工。 ### 展望未来：智能体AI与智能体网络 在理解了“学习鸿沟”之后，报告提出了一个更令人激动的概念：**智能体AI**（Agentic AI: 能够自主理解目标、拆解任务、调动工具并执行多步操作的AI）和**智能体网络**（Agentic Web: 由多个专业AI智能体组成的、互相协作的互联网）。今天的AI是你推一下它动一下，需要不断给它指令。而智能体AI不再是一个“失忆的实习生”，而是一个能够独立负责一个项目的虚拟员工。 这还不是全部，更厉害的是智能体网络。想象一下，未来不再是一个孤立的AI，而是由无数个专业AI智能体组成的、互相协作的互联网。例如，公司的采购智能体可以自动在网上发现新的供应商，并与对方的销售智能体自主谈判、签合同，整个过程都不需要人来干预。这听起来很科幻，但报告指出，相关的技术和协议（如NDA和MCP）已在路上。从工具到员工，再到员工网络，这才是跨越鸿沟之后真正波澜壮阔的未来。 ### 结语：构建最强的学习回路 这份报告为我们提供了实实在在的启发。如果你是公司的管理者，需要立即停止投资那些不能学习、不能融入工作流的通用“玩具”。去后台部门寻找最大痛点，那里藏着真正的金矿。然后，找一个愿意深度合作的外部伙伴，从小处着手，解决一个具体问题。别再问AI能干嘛，而要问“我的哪个问题能够被AI解决？” 如果你只是一个普通打工人，要成为团队里的AI超级用户，主动完善各种AI工具，将它们用在实际工作中，并分享提效心得。你可能就是点燃公司AI变革的火种。同时，要提高你的AI协作能力，因为未来的核心竞争力不是你会不会被AI取代，而是你擅不擅长与AI一起工作。 如果你是创业者或产品人，放弃做下一个ChatGPT的梦想。去一个“无聊”的行业，找一个重复的流程，用会学习的架构，做一个能让客户离不开的深度定制工具。这才是通往那5%的“窄门”。 回顾整份报告，我们会发现生成式AI的鸿沟表面上是技术和商业的鸿沟，但挖到根上，它其实是我们思维模式的鸿沟。我们习惯了把技术当成一个工具箱，买来就用。但真正的变革性技术不是工具，它是一个“新物种”，一个学习伙伴。你不能指望买了伙伴就万事大吉，你必须和它一起成长。那些掉入鸿沟的95%的公司，他们想的都是如何“使用”AI；而那些成功跨越的5%，他们想的是如何和AI“共同学习”、“共同进化”。 因此，这份报告给我们的终极启示是：未来不属于那些拥有最强AI模型的组织，而是属于那些能够构建起最强学习回路的组织，不论这个回路是由个人、由AI，还是由人和AI共同组成的。下次当你再看到一个天花乱坠的AI产品时，记得问那句最核心的问题：“这个产品会自我学习吗？”