就在上周，美国纳斯达克指数因为一篇“小作文”而引发震荡。

这篇文章的题目为《95% of generative AI projects are failing，sparking tech bubble jitter》。

看来，AI泡沫要破？

文章也不是空穴来风的标题党，确实引用了自MIT刚刚发布的报告《GenAI Divide：Stage of AI in Business 2025 》（生成式AI的鸿沟，2025年AI商业现状》，深入分析了投资热情和应用现实之间的落差。

报告调研了52家企业，共153名高管和350名员工，分析了300个公开披露的AI案例，揭示了一个非常残酷的现实：

“生成式人工智能（GenAI）已经投入了 300 亿至 400 亿美元，为什么95%的企业试点项目投资回报是零？“

我也想起了这几天罗永浩采访李小鹏的播客，正好也提到了中国企业对AI是“假重视”，流于形式。

看来，无论是国内还是国外，在对AI的想象和现实之间，都有差距。我们来看看鸿沟是什么？如何跨越？

一. 试得多，真正用得少

几乎每家企业都夸下海口，要积极拥抱AI，但只有科技、媒体与电信行业真正用起来了，而能源、医疗等行业基本没有实质进展。

一家中型制造企业的首席运营官说：

“大家都说AI来了，一切都变了，但在我们的运营里，根本没有任何实质性的变化。我们确实处理合同更快了，但也仅此而已。”

可以说，生成式AI的试点遍地开花，但真正对业务有帮助的凤毛麟角。

调研中提到的5个想象与现实的差距，还蛮真实的。

二. "影子AI"无处不在

报告中有一个惊人的数据：只40%公司买了企业版AI，但90%员工用个人版AI大模型，效率翻倍！

最关键的是，这些员工并非试一下就算了，而是在每周、每天都会多次使用。

报告用了“影子AI”（Shadow AI）来形容员工偷偷使用个人版工具提升效率。

作为打工牛马，谁也不敢大张旗鼓宣传自己的邮件、报告、分析是AI帮忙的。一是容易被认为是偷懒，或者效率太高说不定就被AI帮手替代了...

另外，一旦进入公司层面，各种数据安全、使用流程等问题都来了。所以很多人宁可自己每月付费，也不想让公司知道“影子AI”的存在。

三. AI没记性、适应性不行，学习能力差

生成式AI的鸿沟在部署率方面体现得最为明显，仅有5%的企业定制化AI工具能够投入生产使用。

大多数项目无疾而终的原因是和现在的业务体系（包括软硬件）集成非常复杂，并且流程上不知道如何下手。

目前还有致命的缺点，比如没有记忆、适应变化慢，学习能力也不太行。

相反，消费级AI应用则凭借着灵活性、互动性和即时性大获全胜。

一位律师表示：“AI很适合头脑风暴和初稿，但它不会保留客户偏好知识，也不会从之前的编辑中学习。它会重复同样的错误，每次都需要大量的上下文输入。对于高风险工作，我需要一个能积累知识并随着时间进步的系统。”

报告指出，对于复杂或长期的任务，90%企业认为人更适合，而不是用AI。比如一个实习生或者初级的员工，起码昨天交代的事情今天不用再重复一遍项目背景、进度...

四. AI对运营和管理更有价值

太多高管批准项目并非因为它们能解决明确的商业问题，而是因为在他们的想象中，所有企业都需要一个AI计划。

现在大部分投资（高达AI预算的50%到70%）都流向了对外可见的一线业务，比如销售和市场营销相关的试点项目。

为什么？

因为它们容易被决策者理解和想象。

用AI写文档、自动回复邮件或部署聊天机器人的工具，很容易被看懂，也显得很“酷”。

而AI用在财务管理、供应链管理、业务流程优化等方面听起来就显得困难重重，更重要的不知道怎么衡量结果？

企业更愿意在前端“试错”，而不是在后台进行“深水区”的改造。

相比于涉及核心数据和流程的后台运营，即使失败，损失也相对可控。

一位财富1000强制药公司的采购副总裁说：“如果我买一个工具来帮助我的团队更快地工作，我该如何量化这种影响？我怎么向CEO证明它的合理性，这与最终利润影响隔了好几层。”

但讽刺的是，报告发现，真正的成本节约和效率提升，恰恰发生在这些不那么“性感”的后台职能中。

五. AI应用要深入业务场景

不过，也不用过于悲观。报告中也提到多家初创公司报告称在几天内就签署了试点项目，并很快达到了千万美元级别的营收规模。

这些公司并不是开发通用工具，而是把AI嵌入现有工作流程，并能适应业务环境，还能按照效果来量化产出。

客户更是把这些AI 初创公司当成为业务服务，能带来结果的伙伴，而并不仅仅是软件供应商。

这背后传递出一个清晰的信号：AI是为业务服务的工具，不能脱离具体的业务场景。

95%的尝试失败，也许源于试图用一个通用方案去解决所有问题，而没有深入业务流程，找到真正的痛点。

六.对AI创业公司的启示

报告的洞察对AI创业者来说尤其重要，它清晰地指出了创业成功的路径：

1.从细分利基市场入手，不要盲目卷。 放弃“大而全”的宏大叙事，从“小而美”的细分场景切入，深度融入工作流，解决一个实实在在的痛点，并通过持续学习而非广泛的功能集进行扩展。

对企业AI来说，在细分领域的专业性，产品与现有工作流整合，比炫目的用户体验更重要。

2.从使用者到决策者的渗透。一旦你的产品能解决员工的实际痛点，他们就会成为你最好的推广者。通过自下而上的影响，逐步赢得团队、管理层的关注和认可，最终实现付费采购。

3.关注被忽视的“后台”业务场景。 真正的成本节约和效率提升发生在运营、财务等后台职能。比如用AI来优化供应链预测、自动化财务审计、或者提升内部协作效率。

4.像“系统集成商”一样思考，不能只提供一个孤立的AI工具，而要像外部的实施专家一样，思考如何将产品嵌入客户的现有工作流。

最后做个总结，我认为这份报告更像是一个警钟。

提醒AI产品提供商必须走出PPT，不再空谈，而是真正了解企业的业务流程、痛点与需求。而企业自身也不能盲目跟风，而是认真思考：哪些环节值得投入，哪些流程需要变革？

只有这样，彼此之间的鸿沟才会缩小。

正如李小鹏提到的，投入时间和资源，并在业务、流程上越深入，AI才可能成为好助手，拿到好结果。