MIT Technology Review Insights 调研：企业 AI 部署为何难以兑现价值
Creating AI value with enterprise context
MIT Technology Review Insights 的调研显示，所有受访企业都在使用 AI，但仅 16% 从部署中获得变革性价值，40% 只在特定任务或团队中看到中等收益，23% 回报极小甚至没有。38% 的企业仍处于试点阶段，35% 用 copilot 或聊天助手辅助员工工作，仅 12% 将 AI 智能体投入生产。Atlan 联合创始人 Prukalpa Sankar 认为，缺失的是让 AI 理解业务的上下文层。
正文 · AI 翻译
在一家企业中，可能同时运行着任意数量的 AI 平台、系统和工具——例如，AI 驱动的客户平台、对话式助手，以及工作流和流程自动化工具。每一个都精密、先进且响应迅速。然而，当它们投入工作时，所产生的成果和行动可能是错误的、混乱的，或者缺乏对业务的恰当理解。许多组织发现自己正处于这种境地——而这可能是它们难以从 AI 投资中获得回报的关键原因之一。
MIT Technology Review Insights 的一项调查发现，尽管所有受访组织目前都在某种程度上使用 AI，但只有不到五分之一（16%）的组织正从其部署中获取变革性价值。占比最大的受访者（40%）表示，他们在特定任务或团队中看到了中等收益，21% 报告了有意义的收益，剩下 23% 则看到的回报极小甚至没有。
企业大多仍处于试点 AI 用例的阶段（据 38% 的受访者所言），或者使用 AI 通过 copilot 或聊天助手等工具辅助员工工作（35%）。仅有 12% 的企业已将 AI 智能体投入生产，3% 表示他们正使用 AI 来完成关键流程中的大部分工作。
“模型的能力与模型在组织内部实际发挥的作用之间存在巨大差距，”Atlan 联合创始人 Prukalpa Sankar 说。“就每一个现实生活中的意图和目的而言，通用人工智能已经到来。只是在当今大多数公司中，它并不真正有用。”
Sankar 说，缺失的那一层是上下文，即 AI 对业务的理解程度。上下文层是位于组织业务系统（例如记录系统和数据，以及其 AI 平台）之间的架构基础设施。它将企业智能转化为受治理、可供机器使用的上下文，供 AI 智能体或模型使用，并帮助知识不断积累。“如果没有面向 AI 的上下文层，这几乎就像你雇用了世界上最聪明的实习生，蒙住他们的眼睛，然后把他们扔进你的组织里，”Sankar 说。
下载报告
本内容由 MIT Technology Review 的定制内容部门 Insights 制作，并非其编辑团队。它由人类研究和撰写，可能使用的任何 AI 工具仅限于在人类监督下的生产流程。
在 AlphaGo 与围棋冠军李世石对弈十年之后，当今的 AI 仍未利用上使那场胜利成为可能的机制。