麻省理工学院 ( MIT) 一份新报告中最常被引用的统计数据被严重误解了。尽管头条新闻大肆宣扬“95% 的企业生成式 人工智能 试点项目失败了”，但该报告实际上揭示了一个更为惊人的事实：企业史上最快、最成功的技术应用，正在高管们的眼皮底下悄然发生。
这份由 MIT 的 NANDA 项目本周发布的报告，在社交媒体和商业圈引发了焦虑，许多人将其解读为 人工智能 未能兑现承诺的证据。但仔细阅读这份 26 页的报告会发现一个截然不同的故事——一个前所未有的、自下而上的技术应用浪潮，在企业官方举步维艰时，已悄然革新了人们的工作方式。
员工们如何破解 人工智能 密码，而高管们却步履维艰
研究人员发现，90% 的员工经常将个人 人工智能 工具用于工作，尽管他们公司中只有 40% 拥有官方 AI 订阅。“尽管只有 40% 的公司表示他们购买了官方 LLM (大型语言模型) 订阅，但我们调查的 90% 以上的公司员工表示他们经常使用个人 AI 工具来完成工作任务，”该研究解释道，“事实上，几乎每个人都在以某种形式使用 LLM 来进行工作。”
根据 MIT 的报告，员工使用个人 AI 工具的频率是企业官方采用率的两倍多。研究人员发现了一种他们称之为**“影子 人工智能 经济”的现象，即员工们使用个人的 ChatGPT 账户、Claude 订阅及其他消费级工具来处理他们工作中的大部分任务。这些员工不仅仅是在进行实验——研究发现，他们“每天都在每周工作量的许多任务中使用 AI”**。
这种“地下”应用的速度已经超过了电子邮件、智能手机和云计算在企业环境中的早期普及。报告中引用的一位企业律师的例子说明了这种模式：她的公司斥资 5 万美元购买了一款专业的 AI 合同分析工具，但她却坚持使用 ChatGPT 来起草文件，因为**“根本性的质量差异是显而易见的。ChatGPT 始终能产出更好的结果，尽管我们的供应商声称使用了相同的底层技术。”**
这种模式在各行各业中反复出现。企业内部系统被形容为**“脆弱、过度设计或与实际工作流程脱节”，而消费级 AI 工具则因其“灵活性、熟悉度和即时可用性”**而备受赞誉。正如一位首席信息官 ( CIO) 告诉研究人员的：“今年我们看了几十场演示。也许只有一两个是真正有用的。其余的都只是包装或‘科学项目’。”
为什么 5 万美元的企业工具输给了 20 美元的消费级应用？
主导新闻头条的 95% 失败率，特指那些定制化的企业级 人工智能 解决方案——即企业从供应商处采购或内部自建的昂贵、量身定制的系统。这些工具失败的原因在于它们缺乏 MIT 研究人员所称的**“学习能力”**。
研究发现，大多数企业 AI 系统**“无法保留反馈、适应上下文或随时间改进”。用户抱怨企业工具“不会从我们的反馈中学习”，并且每次使用都需要“太多手动上下文输入”**。
像 ChatGPT 这样的消费级工具之所以成功，是因为它们感觉反应灵敏且灵活，尽管每次对话都会重置。而企业工具则感觉僵化和静态，每次使用都需要进行大量设置。
这种“学习”上的差距造成了用户偏好的一个奇怪层级。对于电子邮件和基本分析等快速任务，70% 的员工更喜欢 AI 而非人类同事。但对于复杂、高风险的工作，90% 的人仍然信任人类。两者的分界线不是智力，而是记忆力和适应性。
ChatGPT 等通用 AI 工具的落地率达到 40%，而那些针对特定任务的企业级工具的成功率仅为 5%。
隐藏在 IT 部门视野之外的数十亿美元生产力繁荣
这股影子经济非但没有显示出 AI 的失败，反而揭示了巨大的生产力提升，而这些提升并未出现在公司的官方指标中。员工们已经解决了那些阻碍官方项目的集成难题，证明了只要实施得当，AI 是有效的。
报告解释道：“这个影子经济表明，当个人获得灵活、响应迅速的工具时，他们可以成功跨越‘生成式 AI 鸿沟’。”一些公司已经开始注意到这一点：“有远见的组织正在开始弥合这一差距，他们通过学习影子用法，分析哪些个人工具能带来价值，然后再采购相应的企业级替代品。”
这些生产力提升是真实且可衡量的，只是被传统的公司会计核算所隐藏。员工们自动化了日常任务、加速了研究、简化了沟通——而与此同时，他们公司的官方 AI 预算却收效甚微。
员工们更喜欢用 AI 处理电子邮件等日常任务，但对于复杂的、需要数周的项目，他们仍然信任人类。
为什么“购买”胜过“自建”：外部合作成功率翻倍
另一个发现挑战了传统的科技界智慧：企业应该停止尝试在内部自建 AI。与 AI 供应商的外部合作的部署成功率达到 67%，而内部自建工具的成功率仅为 33%。
最成功的实施案例来自于那些**“对待 AI 初创公司更像是业务服务提供商，而非软件供应商”的组织，他们要求的是可操作的业务成果**，而不是技术基准。这些公司要求深度定制和持续改进，而不是华而不实的演示。
研究人员发现：“尽管传统观点认为企业抵制训练 AI 系统，但我们在访谈中发现，大多数团队都愿意这么做，只要好处显而易见并且有安全保障措施。”关键在于伙伴关系，而不仅仅是购买。
七个看似避免颠覆的行业，实际上是在明智行事
MIT 报告发现，只有科技和媒体行业从 AI 中看到了有意义的结构性变化，而包括医疗、金融和制造业在内的七个主要行业则表现出**“显著的试点活动，但几乎没有结构性变化”**。
这种审慎的态度并非失败——它是一种智慧。这些避免颠覆的行业正在深思熟虑地进行实施，而不是贸然陷入混乱的变革。在医疗和能源领域，“大多数高管表示，未来五年内没有当前或预期的裁员计划。”
科技和媒体行业行动更快，因为他们能够承担更多风险。这两个行业超过 80% 的高管预计将在 24 个月内裁员。其他行业则证明，成功的 AI 应用并不需要剧烈的颠覆。
后台自动化带来数百万美元收益，而前台工具却抢尽风头
企业的注意力主要流向销售和营销应用，这些应用占据了大约 50% 的 AI 预算。然而，最高的投资回报率 ( ROI) 却来自那些不那么光鲜亮丽的后台自动化，而它们却很少受到关注。
研究人员发现：“我们记录到的一些最显著的成本节约来自后台自动化。”通过取消业务流程外包 ( BPO) 合同，公司在客户服务和文档处理方面每年节省了 200 万至 1000 万美元，并将外部创意成本削减了 30%。
该研究指出，这些收益的实现**“没有实质性的裁员”**。“工具加速了工作，但并未改变团队结构或预算。相反，投资回报率来自于减少外部开支、取消 BPO 合同、削减代理费用，以及用 AI 驱动的内部能力取代昂贵的顾问。”
企业在销售和营销 AI 应用上投入巨大，但最高的投资回报通常来自后台自动化。
人工智能 革命正在成功——一次一个员工
MIT 的发现并未显示 AI 正在失败。它们表明，AI 正在大获成功，以至于员工的步伐已领先于他们的雇主。这项技术是有效的；只是公司的采购流程跟不上。
研究人员指出，那些“跨越了生成式 AI 鸿沟”的组织，专注于选择那些能深度集成并随时间不断适应的工具。“从‘自建’到‘购买’的转变，加上‘专业消费者’ ( prosumer) 应用的兴起和‘代理’能力的出现，为那些能够提供具备学习能力、深度集成 AI 系统的供应商创造了前所未有的机遇。”
95% 的企业 AI 试点项目失败，恰恰指出了一个解决方案：向那 90% 已经搞清楚如何让 AI 发挥作用的员工学习。正如一位制造业高管告诉研究人员的：“我们处理合同的速度更快了，但这就是唯一的变化。”
这位高管错过了更大的图景。处理合同速度更快——当这一变化乘以数百万员工和数千个日常任务时——正是定义成功技术应用的，那种渐进的、可持续的生产力提升。人工智能 革命并未失败。它正在悄然成功，一次一个 ChatGPT 对话。
