En undersökning av MIT NANDA-rapporten från juli 2025: Varför 95% AI-pilotmisslyckande inte är slutet

Jag är en beprövad optimist och håller mitt sinne öppet för alla nya teknologier som kommer min väg. Min senaste besatthet som kommer att stanna för lång tid? AI.

MIT NANDA har nyligen publicerat en rapport som heter “The GenAI Divide. State of AI in Business in 2025”, och jag tycker att rapporten är riktigt värd att läsa. Den ger en sansad bild av AI och dess plats i näringslivet idag. Linkedin-flödet kan verka nästan hysteriskt om hur AI har kommit för att förändra allt, men rapporten målar upp en annan bild.

First off, what is MIT NANDA?

Networked Agents and Decentralized AI (förkortat till NANDA) är ett ambitiöst forskningsinitiativ från MIT Media Lab. Projektet spänner över mer än 18 ledande forskningsinstitutioner från 6 kontinenter och några stora namn inom tech-industrin – tänk Meta, Dell, Microsoft och liknande. Målet med NANDA är riktigt framtidsinriktat, om inte banbrytande. Ambitionen är att bygga den grundläggande infrastrukturen för Internet of AI-agenter, d.v.s. ett decentraliserat nätverk där AI-agenter upptäcker, verifierar och samarbetar med varandra online över organisationsgränser. I princip arbetar NANDA med tydliga regler, protokoll, riktlinjer och ramverk som möjliggör att AI-agenter interagerar med andra agenter på uppdrag av människor och organisationer. NANDA-projektet är öppen källkod, vilket innebär att det omfamnar entreprenörer, visionärer, teknologer och beslutsfattare som fullskaliga samarbetspartners. (Får du Wikipedia-vibbar?)

Orsaken till att jag berättar om detta är att MIT NANDA:s rapport är grädden på forskningskakan när det gäller AI. Författarna befinner sig i den absoluta frontlinjen inom AI-världen, och deras slutsatser bör tas på allvar (även om de ska tas med en nypa salt).

Rapporten var under utarbetning sedan januari och publicerades slutligen i juli 2025. Rapporten bygger på en systematisk översyn av 300+ offentligt redovisade AI-initiativ och intervjuer med ledare från 52 organisationer samt enkätundersökningar av 153 seniora ledare på fyra stora branschkonferenser.

5% AI-pilotframgångsgrad

Rapporten introducerar begreppet “The GenAI Divide” som beskriver den förändring som sker (eller inte sker) inom organisationer och till och med branscher som framgångsrikt (eller inte) använder AI. Om ett företag befinner sig på “fel sida om klyftan” enligt NANDA, misslyckas företaget med att på riktigt förändras, utvecklas och ompröva sin struktur och affärsverksamhet. Att befinna sig på rätt sida om klyftan innebär att man har en mätbar utkomst av att använda AI – “Denna investeringsbias förstärker GenAI-klyftan genom att rikta resurserna mot synliga men ofta mindre transformerande användningsfall, medan de högsta ROI-möjligheterna i backoffice-funktioner förblir underfinansierade”.

Orsaken till att rapporten har blivit så uppmärksammad är dess huvudsakliga slutsats. Sammanfattningen lyder: “Trots 30-40 miljarder dollar i företagsinvesteringar i GenAI, visar denna rapport en överraskande resultatform – 95% av organisationerna får noll avkastning … Bara 5% av integrerade AI-piloter genererar miljontals i värde, medan den överväldigande majoriteten förblir fast med ingen mätbar P&L-påverkan“. Inte så lovande, eller hur?

Den grundläggande begränsningen som förhindrar organisationer från att förverkliga AI:s riktiga värde är det som rapporten definierar som “inlärningsgapet”. De flesta GenAI-system saknar i grunden förmågan att behålla feedback, anpassa sig till sammanhang eller förbättra sig över tid.

• Systemen lär inte av feedback. I verkligheten innebär det att en chef matar det med samma datamängd om och om igen, men ingen förbättring av prestanda sker. En mellanstora tillverkningschefer beskrev hur han upprepade gånger laddade upp samma produktmanual till sitt AI-system för att förbättra fullföljandekontrolllistor, men varje iteration kopierade identiska utelämnanden och fel, utan någon mätbar förbättring av utdatakvalitet trots flera feedbacksessioner.
• Överdriven manuell kontext krävs varje gång. AI-verktyg saknar minne mellan sessioner, så varje interaktion innebär att mata in tidigare kunskap och tidigare sammanhang igen. Komplexa arbetsflöden, till skillnad från enkla engångsuppgifter, drar ut på tiden och misslyckas med att fungera som ett tillförlitligt stöd för pågående projekt. Rapporten citerar en korporativ juridisk grupp som, för varje kontraktutkast, måste mata in kundpreferenser, tidigare förhandlingsanteckningar och regulatoriska begränsningar till AI-verktyget – vilket förvandlar vad som borde vara ett assistentarbetsflöde till en tidskrävande syssla som undergräver produktiviteten i komplexa, flerstegsprojekt.
• Otillräcklig anpassning för vissa affärsprocesser. Istället för att få ett responsivt verktyg som anpassar sig till det större sammanhanget, anpassar sig det större sammanhanget till verktyget, vilket tvingar användarna att arbeta runt styva system. En CIO noterade att deras leverantörslevererade riskanalys-AI “kändes som en allt-i-ett-låda”, vilket tvingade teamen att omforma sina kreditgodkännandeprocesser för att passa verktygets styva indata snarare än att AI-anpassar sig till etablerade processer. Missmatchen ledde slutligen till övergivna piloter

Min topp fynd från NANDA-rapporten

1. Den skugglika AI-ekonomin blomstrar

Rapporten introducerar begreppet “skugglika AI-ekonomin” för att beskriva hur anställda använder AI på sin egen nivå som ett personligt verktyg, inte som ett organisationsspecifikt godkänt verktyg. Detta låter bekant för mig, faktiskt. En vän till mig från en kinesisk bilvarumärkesfilial i CIS delade att hon använder ChatGPT för att skriva in-app-innehåll (nyhetsinlägg, annonser och mer). Hon säger att på huvudkontorsnivå fanns inget AI-verktyg godkänt för allmän användning, så hennes användning av AI är hennes egen boost och tidssparare som hon inte riktigt tar upp med sin chef.

Rapporten tillhandahåller mycket specifika siffror. Medan endast 40% av företagen har köpt officiella LLM-prenumerationer, rapporterade arbetare från över 90% av de undersökta företagen regelbunden användning av personliga AI-verktyg för arbetsuppgifter. Denna skugganvändning levererar ofta bättre ROI än formella företagsinitiativ, vilket avslöjar vad som faktiskt fungerar när individer har tillgång till flexibla, responsiva verktyg.

2. Investeringstilldelning avspeglar felaktiga prioriteringar

Rapporten avslöjar en betydande felaktig tilldelning av AI-investeringar och faktisk ROI-potential. Ungefär 50% av GenAI-budgetarna flödar till försäljnings- och marknadsföringsfunktioner, främst eftersom resultaten kan mätas lätt och överensstämmer med styrelse-KPI:er. Men de högsta avkastningarna uppstår ofta från backoffice-automatisering, som BPO-eliminering som sparar upp till 10 miljoner dollar per år, 30% minskning av externa kreativa kostnader och 1 miljon dollar som sparas årligen på outsourcad riskhantering. Denna investeringsbias förstärker GenAI-klyftan genom att rikta resurserna mot synliga men ofta mindre transformerande användningsfall.

Min personliga tro är dock den här. Utifrån vad jag minns från min erfarenhet på ett internationellt bankföretag som äger detaljhandelsbanker över hela världen, är det en stor risk att införa ett verktyg som gräver djupt i organisationens inre, matar på dess data och (vem vet?) läcker insiderinformation ut där. Så jag förstår varför det är en självklarhet att skriva under för ett AI-innehållsfabrik för enkla kreativa verk för Facebook-annonser, medan komplexa bakre disruptiva AI-verktyg inte är lika entusiastiskt omfamnade. Om det inte var ett direkt kommando från C-nivå, skulle implementering av allvarliga disruptiva AI-verktyg i företagets ryggrad ha tagit minst 12 månader.

Lyckligtvis hade jag chansen att se insidan av en AI-automatisering som gjorts för försäljningslaget i ett lokalt fönsterstillverkningsföretag. De anställde en frilansare från n8n, och han byggde ett AI-drivet verktyg för samtal- och chattanalys. Företaget kunde nu snabbare hitta flaskhalsar i sin tratt och fler smärtor kom till ytan när AI hjälpte företaget att bearbeta skriven och talad språk. Tillfredsställelsgraden var himla hög, med mer data som bearbetades snabbare.

3. Interna byggnader förlorar mot externa leverantörer

För att vara brutalt ärlig, den här slutsatsen tog mig med överraskning. I strid med den allmänna uppfattningen att företag bör bygga sina egna AI-verktyg, visar forskningen att strategiska partnerskap med externa leverantörer är dubbelt så sannolika att nå distribution jämfört med interna utvecklingsinsatser. Vem hade kunnat tro det, eller hur? Jo, uppenbarligen inte jag.

Organisationer som behandlar AI-leverantörer som affärstjänsteleverantörer – kräver djup anpassning och håller dem ansvariga för operativa resultat snarare än modellbenchmark – uppnår betydligt högre framgångsgrader och snabbare tid-till-värde.

4. Hög investering innebär högre disruption? Inte riktigt.

Med hjälp av ett sammansatt AI-marknadsstörningsindex visar rapporten att endast två branscher – Teknologi och Media & Telekom – visar tydliga tecken på strukturell disruption från GenAI. Sju av nio stora sektorer visar betydande pilotaktivitet men minimal strukturell förändring, med branscher som Hälsovård, Finansiella tjänster och Energi som visar disruptionspoäng under 0,5 på en 5-punkters skala. Detta gap mellan investerings synlighet och faktisk transformation exemplifierar GenAI-klyftan på branschnivå.

Varför 95% misslyckande grad är tillfällig

Trots till synes hopplösa interimistiska resultat, finns det lite hopp i tunnelns ände. Rapporten förklarar att GenAI-klyftan är tillfällig och kommer att övervinnas genom framväxande utveckling.

NANDA själv är en av de ledande bidragsgivarna till en ännu mer sammanlänkad AI-värld. Mekanismerna som rapporten citerar är Model Context Protocol (eller MCP) och Agent-to-Agent (eller A2A) som infrastrukturunderlag för sömlös agentinteroperabilitet och autonom samordning över system.

NANDA:s ansträngningar och dessa verktyg är vägen till exakt vad NANDA är ute efter – det agenterade nätet, ett nätverk av agenter som kan samordna sig själva över internet. Deras interaktion kommer att utformas för att ersätta statiska arbetsflöden med dynamiska självlärande system.

Låter det för bra för att vara sant eller till och med magi? Jo, Microsoft Copilot Studio’s Multi-Agent Orchestration är den närmaste motsvarigheten till visionen. Systemet hjälper till att bygga ett träd av agenter där en huvud-Copilot-agent utlöser underagenter som är ansvariga för specifika uppgifter som schemaläggning eller dokumentgenerering. Varje agent förblir inom sitt expertområde medan de samordnar med andra. För att uttrycka det i mer praktiska termer, när en användare begär “Planera vår Q4-produktlansering”, delegerar orchestrator-agenten automatiskt till specialiserade agenter – en hanterar marknadsundersökning, en annan hanterar tidslinjeskapande och en tredje samordnar med projektledningsverktyg. Arbetet fortskrider i samklang, men autonomt.

Vad lämnar då rapporten av NANDA oss med? Fönstret för att korsa GenAI-klyftan smalnar snabbt när företag börjar låsa in leverantörsrelationer med lärande-kapabla verktyg som producerar disruption och utvecklar och optimerar affärsverksamhet i bakkontoret, vilket lägger till hastighet i organisationens allra kärna. Framgången ligger i att köpa AI-agent-system snarare än att bygga dem från scratch internt. När agenter som lär, minns och självförsörjande system blir mer vanliga, kommer den nuvarande 95% misslyckande graden att ge vika för en ny era där AI-system samarbetar sömlöst över leverantörer, domäner och organisationsgränser. Den framtiden är den riktiga avkastningen på nuvarande investeringar.

Alternativa synsätt på AI-antagande

NANDA-projektet gjorde ett fantastiskt jobb med att sammanställa data från flera källor och undersöka ledare från flera fält. Men är det den ultimata talesmannen för världsomspännande AI-antagande? Om du, som jag, fann GenAI-klyftan något deprimerande, om inte avskräckande, har jag funnit dessa alternativa synsätt på AI-antagande för att hålla min personliga AI-eld brinnande.

• Jed Nykolle Harme från IT Brief UK bröt ner CIO Playbook 2025 från Lenovo. Studien inkluderar feedback från IT-ledare över hela EMEA (Europa, Mellanöstern och Afrika), och dess slutsats är långt mer lovande. Det visar sig att detaljhandelsbranschen leder när det gäller AI-tillfredsställelse, där 96% av AI-pilotprestanda antingen möter eller överträffar förväntningarna.
• Jag uttryckte tidigare medkänsla med jätteföretagsmarknadsaktörer som har svårt att implementera AI och inte är särskilt öppna för intensiv inkorporering. Lenovo presenterar dock en annan bild med banker, finansiella tjänster och försäkringsbranschen: trots den lägsta AI-antagandegraden på 7%, rapporterar 33% av dem som testar AI att piloterna överträffar förväntningarna. Hemligheten bakom sådana positiva trender är “en försiktig approach”, som Arabian Business uttrycker det.
• En annan lugnande rapport IBM CEO Study öppnar med ett djärvt förord av IBM Vice Chairman Gary Cohn: “När AI-antagandet accelererar… den ultimata avkastningen kommer endast till CEO:er som har modet att anta risk som möjlighet. … När affärsmiljön är osäker, använda AI och er egen data för att identifiera var ni har utrymme är en konkurrensfördel. Vid den här punkten är ledare som inte använder AI och sin egen data för att gå framåt och fatta beslut som inte konkurrerar.“
• IBM CEO-undersökningen visar några inspirerande fakta. Till exempel förväntas AI-investeringstillväxt mer än dubblas under de kommande två åren, så att nästan 20% av de totala IT-budgetarna kommer att allokeras till AI – åtagandet visar att trots synliga och bevisade utmaningar, tron på AI är stark och, viktigast av allt, det är en strategisk investering snarare än reaktiv utgift.
• Slutligen är 64% av CEO:erna i rapporten överens om att risken för att hamna efter driver investeringar i ny teknik långt innan en tydlig förståelse av dess påverkan har uppnåtts. Men det finns inga snabba beslut. Istället väljer beslutsfattare “strategiskt hedge”. I enkla termer, när en konkurrent lanserar en AI-chattbot för personliga rekommendationer, gör du samma sak för din webbplats. Du kanske inte är säker på intäktsökning, men du vet att om du förlorar två år tills “den perfekta datamängden” sammanställs, kommer du att förlora momentum irreversibelt. Så regeln är enkel: aggressivt kopiera, sedan se resultatet.

Slutsats

I slutsatsen vill jag uttrycka min personliga, innerliga tro på AI. Som entreprenör, CMO, affärsutvecklare och tidigare kontorsanställd inom bankväsendet ser jag många sätt som AI kan hjälpa till att optimera budgetar, effektivisera arbetsflöden och boost teams. Framtiden är förstärkt och accelererad. Om ett företag vill konkurrera, måste det vara AI-fluent. Medan resultaten jag presenterade är kontroversiella, är jag övertygad om att den nuvarande AI-landskapet, med dess toppar och dalar, är en naturlig inlärningsperiod, upprepad gång på gång med varje ny teknik.