美國公司在生成式 AI 項目上累計投入大約 350 億到 400 億美元，但到目前為止幾乎拿不出什么像樣的成果

根據麻省理工學院 NANDA（Networked Agents and Decentralized AI）計劃的一份報告，95% 的企業組織從其 AI 投入中沒有獲得任何回報。只有 5% 的組織把 AI 工具真正以規模化的方式集成到生產系統中

這份報告基于對企業領導者的 52 次結構化訪談，對 300 多個公開的 AI 項目與公告的分析，以及對 153 名商業從業者的調查

報告作者 Aditya Challapally、Chris Pease、Ramesh Raskar 和 Pradyumna Chari 認為，造成所謂“生成式 AI 鴻溝”的原因，并不在于基礎設施、學習或人才的不足，而在于 AI 系統無法長期留存數據、難以適應變化以及難以隨時間持續學習。

報告稱，生成式 AI 鴻溝在部署率上表現得最為明顯：只有 5% 的定制化企業 AI 工具最終進入了生產。聊天機器人之所以更容易成功，是因為它們容易試用且足夠靈活；但在關鍵工作流中，由于缺乏記憶與定制能力，它們往往表現不佳。

一位未具名的 CIO 在采訪中這樣總結這一年的見聞：我們看過幾十場演示，也許只有一兩樣是真的有用，其余不是包一層皮，就是科研項目

作者的發現也與其他近期研究相呼應：企業領導層對 AI 項目的信心正在下降。NANDA 的報告同時指出，少數公司確實從生成式 AI 中獲益，兩大行業受到的影響最為明顯——科技業以及媒體與電信。

對于其余行業——專業服務、醫療與醫藥、消費與零售、金融服務、先進制造，以及能源與材料——生成式 AI 的影響微乎其微。

一家中型制造企業的 COO 被引述稱：領英上的熱議說一切都變了，但在我們的運營里，沒有發生根本性的變化。我們確實把一些合同處理得更快了，但也就這樣。

正在變化的一點，是受影響行業的人才結構。在科技與媒體領域，報告指出，超過 80% 的高管預計在未來 24 個月內放緩招聘。作者認為，由生成式 AI 推動的人員縮減，主要發生在那些經常外包、且流程高度標準化的非核心業務活動中，比如客戶支持、行政處理以及標準化的開發任務。

報告稱，這些崗位在引入 AI 之前就存在脆弱性，因為它們具有外包屬性且流程標準化。在受到影響的行業里，大約有 5% 到 20% 的支持與行政處理類工作已被波及。

The Register 獲悉，甲骨文近期的裁員反映出企業在努力平衡與 AI 相關的資本開支——對美國科技巨頭而言，這是一塊沉重的負擔。在 IBM，員工則認為 AI 被拿來作為將崗位外包到海外的借口。無論公開理由如何，真實動機如何，生成式 AI 的確正在對采用最廣的科技與媒體電信兩大行業產生影響。

雖然大約 50% 的 AI 預算被分配給市場與銷售，報告作者建議，企業投資應當轉向那些能夠帶來有意義業務結果的活動。前端包括線索資格判斷與客戶留存，后端包括取消業務流程外包、縮減廣告代理支出，以及在金融服務中開展風控核驗等。

從一些公司成功落地生成式 AI 的方式看，報告認為，像 OpenAI 的 ChatGPT 這樣的通用工具，往往比定制的企業級工具表現更好，即便后者使用的是同樣的底層模型。

原因在于，員工往往對 ChatGPT 這樣的界面更熟悉，因此使用頻次更高——這也是員工驅動的影子 IT的直接結果。報告引用了一位企業律師的訪談，她所在的中型律所對一款售價 5 萬美元的專業合同分析工具并不滿意。她說：我們買的那套 AI 工具輸出的是很僵硬的摘要，定制選項也很有限；而用 ChatGPT，我可以引導對話、不斷迭代，直到拿到自己想要的結果。質量上的差異是能被明顯感知到的。即便供應商聲稱用的是同樣的底層技術，ChatGPT 給出的結果依然更好。

作者認為，能夠跨越這道生成式 AI 鴻溝的公司，是把 AI 采購當成業務流程外包來做，而不是當作一份軟件訂閱來買。

報告的結論是：他們會要求深入的定制化，從一線推動采用，并讓供應商為業務指標負責。最成功的購買方明白，跨越這道鴻溝需要的是合作，而不僅僅是采購。

source：

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