最近，麻省理工學院（MIT）發佈的《2025年商業 AI 現狀》報告引發了廣泛關注。報告中指出，超過300億美元已經投入到生成式人工智能(GenAI)中，但高達95% 的企業試點項目未能成功轉入生產階段。

調查顯示，阻礙企業進展的並不是技術本身或相關的法規，而是這些工具的應用方式。許多系統並未融入實際工作流程中，缺乏記憶和適應能力，使用一段時間後很少能夠改善，因此，儘管在實驗室中表現良好，但在實踐中卻難以奏效。

機器人閱讀讀書

圖源備註:圖片由AI生成，圖片授權服務商Midjourney

報告中的 “GenAI 鴻溝” 概念引人注目，一方面只有約5% 的試點項目取得顯著成功，帶來了數百萬美元的收益;另一方面，幾乎所有其他項目的90% 則停滯不前，無法邁過測試階段。MIT 的研究人員指出，這種差距並不在於擁有最好的模型或最快的計算芯片，而是與工具的實際應用息息相關。成功的案例是那些能夠與真實工作流程緊密結合並能夠隨着時間改進的系統，而失敗的則是試圖將通用 AI 嵌入笨重流程中的項目。

儘管像 ChatGPT 和 Copilot 等通用工具已被80% 以上的公司嘗試，並有近40% 的公司在某種程度上進行了推廣，但這些工具實際上主要提升了個人生產力，並未顯著影響公司的利潤表現。針對企業定製的平臺或供應商系統，約有60% 的公司進行了探索，但只有20% 的項目進入了試點階段，失敗的主要原因是工作流程脆弱，工具缺乏學習能力，且不符合人們的實際工作方式。

報告還分析了四種主要模式，包括有限的行業顛覆、企業悖論、投資偏見和實施優勢。其中，大企業雖然推出了最多的試點項目，但往往是規模化進展最慢的;而中型企業則能在約90天內從測試轉向推廣。MIT 還指出，大約70% 的預算流向銷售和市場營銷領域，儘管在後端自動化方面往往能取得更強的回報。

一些批評者對報告的透明度提出質疑，認爲報告中的95% 失敗率缺乏詳細的數據支持，而成功與失敗的定義也存在爭議，可能會使得一些項目的成果被低估。此外，報告與商業機構的關聯性也引發了討論，認爲這可能影響了研究的客觀性。

展望未來，報告認爲下一階段將聚焦於 “智能代理 AI”，這些工具能夠學習、記憶並跨供應商協調工作，形成一個新興的 “智能代理網絡”，希望這一網絡能夠實現大規模和一致性，這是早期 GenAI 項目一直未能達到的目標。

劃重點:  

📉95% 的企業 GenAI 項目未能成功轉入生產，主要原因在於工具的應用方式。  

🏢 大型企業雖然試點最多，但推廣速度卻相對較慢，中型企業通常能更快轉向實施。  

🤖 未來將聚焦智能代理 AI，期望實現更高效的工作流程和一致性。