2025年，一组数据让整个AI行业陷入沉思。
MIT旗下研究机构NANDA在《生成式AI的鸿沟：2025年商业AI现状》报告中披露：95%的企业尚未从生成式AI中获取实质性商业回报。与此同时，全球AI基础设施投资已突破万亿美元量级，英伟达市值攀升至5万亿美元，OpenAI承诺未来投入1.4万亿美元算力资源。
供给端的狂欢，与需求端的沉默，形成了一道触目惊心的裂缝。
这道裂缝不是技术问题。GPT-4、Claude、DeepSeek等模型的能力已经足够强大，任何人都可以在五分钟内搭建一个能回答问题的AI助手。问题出在别处——出在那些更难被量化、更难被承认的地方。
一、80%的企业用的是"通用AI"，而不是"企业AI"
MIT的报告揭示了一个被广泛忽视的结构性问题：80%的组织在使用ChatGPT等通用AI工具，但只有5%的定制化企业AI解决方案能够真正投入生产环境并产生实际价值。
这两个数字放在一起，说明了什么？
通用AI工具和企业AI应用，是两件完全不同的事情。前者是一个聪明的陌生人，后者才是真正懂你业务的伙伴。
一个销售团队用ChatGPT写邮件，可以提升个人效率；但如果这个AI不了解公司的产品体系、不知道客户的历史沟通记录、不清楚公司的销售话术和禁忌，它写出来的内容就永远需要人工大量修改，最终沦为"高级自动补全"。
更深的问题在于：通用AI工具的使用是个人行为，而企业价值的创造需要系统行为。当每个员工各自用着不同的AI工具、各自摸索着不同的使用方式，企业得到的不是效率提升，而是一片碎片化的混乱。
二、失败的真正原因：70%来自人与流程，而非技术
波士顿咨询集团（BCG）的研究给出了一个让许多技术团队不舒服的结论：大约70%的AI项目挑战源于人与流程问题，而非技术因素。
RAND Corporation对65位拥有五年以上AI项目经验的数据科学家和工程师进行了深度访谈，总结出AI项目失败的五大主因，其中两个最为突出：其一，组织更关注使用最新最好的技术，而不是为用户解决实际问题；其二，技术被应用于现阶段AI难以解决的问题，目标设定过远导致无法实现。
这两个原因，本质上都是同一个问题：把AI当成技术项目，而不是业务转型项目。
在实际观察中，这种错位呈现出几种典型形态：
形态一：技术热闹，业务冷清。 企业举办了AI Workshop，组织了Hackathon，IT团队兴奋地搭建了各种演示，但业务部门始终觉得"跟我没关系"。AI平台更多被用于展示能力，而非解决问题。
形态二：ROI接近于零，却说不清楚为什么。 许多企业的AI项目上线了，但因为缺少明确的绩效指标和量化的业务价值，最终沦为"降本提效"的模糊表述，无法验证投资成效，项目很快被边缘化。
形态三：数据底座没有准备好。 阿里云CIO蒋林泉用"樱桃蛋糕"来比喻这个问题：原有的系统底座是"蛋糕坯"，大模型应用是上面的"樱桃"。如果蛋糕坯没有准备好，樱桃蛋糕从何而来？
三、还有一个更少被谈及的原因：没有方法论，只有工具
在上述原因之外，还有一个更根本的问题，在大多数AI失败复盘中被忽视了。
企业缺少的不只是AI工具，而是把业务知识转化为AI能力的方法论。
这个问题在中小企业中尤为突出。大型企业有专门的CIO团队、数字化转型部门，可以慢慢摸索、试错迭代。但对于年营收在1亿到10亿之间的中小企业，老板本人就是最核心的知识资产——他知道哪个客户喜欢什么、哪个产品在哪个渠道卖得好、哪种谈判策略奏效。这些知识从未被系统化，更谈不上被AI化。
当这类企业引入AI工具时，往往陷入一个怪圈：AI不了解业务，业务团队不信任AI，AI输出质量差，业务团队更不用AI，最终AI工具变成了一个昂贵的摆设。
这不是AI的问题，这是知识管理的问题。
IDC的数据显示，知识工作者每天花费约2.5小时（约占工作日的30%）在搜索信息上。麦肯锡的研究则显示，员工平均每天花费1.8小时寻找信息，相当于近25%的工作时间被消耗在"找东西"上。
四、那5%的企业做对了什么？
回到MIT报告中那个令人振奋的数字：5%的定制化企业AI解决方案能够真正产生实际价值。
这5%的企业，有几个共同特征：
第一，从业务问题出发，而不是从技术能力出发。 太古可口可乐的AI战略始终围绕一个核心问题：如何让销售人员效率更高、让店老板赚更多钱、让消费者在想喝可乐时能喝到。每一个AI应用，都有清晰的业务问题对应。
第二，把企业知识系统化，再AI化。 成功落地AI的企业，无一例外地在数据治理和知识整理上投入了大量资源。
第三，有人负责把方法论转化为AI能力。 这是最难的一步，也是最被忽视的一步。业务专家懂业务，AI工程师懂技术，但能把"业务专家的判断逻辑"转化为"AI可以执行的规则和知识"的人，极为稀缺。
五、一个值得认真对待的判断
AI不会让企业变好，把企业的好方法论装进AI，才会让企业变好。
这句话听起来像废话，但它指向了一个被大多数AI服务商忽视的核心问题：AI工具的价值上限，取决于被输入的知识和方法论的质量。一个装满了平庸判断的AI，只会更高效地输出平庸；一个装满了顶级方法论的AI，才能真正成为企业的智慧放大器。
这也是为什么，真正能帮助企业用好AI的，不是卖工具的技术公司，而是既懂业务方法论、又懂AI能力边界的复合型服务商。
企业需要的不是一个AI工具，而是一个能把自己的业务智慧装进AI的系统性解决方案。
参考资料：MIT NANDA, The GenAI Divide: State of AI in Business 2025；BCG, Why AI Transformation Is 70% People, 2025；RAND Corporation, The Root Causes of Failure for Artificial Intelligence Projects, 2024