查看MIT NANDA 2025年7月报告：为什么95%的AI试点失败率并非终点

我是一个坚定的乐观主义者，总是保持着对新技术的开放态度。最近让我着迷的长期热点是什么？人工智能（AI）.

麻省理工学院（MIT）NANDA最近发布了一篇名为《GenAI分歧：2025年企业人工智能现状》的论文，我认为这篇论文值得一读。它对人工智能和商业的现状提供了一个清醒的看法。LinkedIn的信息流可能会让人觉得人工智能已经改变了一切，但这篇报告却描绘出了一幅不同的图景。

首先，什么是MIT NANDA？

网络化代理和去中心化人工智能（NANDA）是麻省理工学院媒体实验室的一个雄心勃勃的研究计划。该项目涵盖了6个洲的18个领先的研究机构和一些科技行业的大牌，如Meta、Dell、Microsoft等。NANDA的目标确实是前瞻性的，如果不是开创性的的话。 该项目的目标 是建立人工智能代理的互联网基础设施，即一个去中心化的网络，人工智能代理可以在此发现、验证和相互协作，跨越组织边界。基本上，NANDA正在致力于制定清晰的规则、协议、指南和框架，以使人工智能代理能够代表人类和组织与其他代理进行交互。NANDA项目是开源的，这意味着它欢迎企业家、有远见的人、技术专家和政策制定者作为全面的合作伙伴。（这让你想起维基百科吗？）

我之所以提到NANDA，是因为他们的报告是人工智能研究的精华。报告的作者是人工智能领域的先驱，他们的发现应该被认真对待（尽管带有一点怀疑）。

该论文自一月份开始撰写，终于在2025年7月出版。该报告基于对300多个公开披露的人工智能计划的系统性审查，以及来自52个组织的领导者访谈和四个主要行业会议的153位高级领导者调查。

5%的人工智能试点成功率

该报告引入了“GenAI分歧”这个术语，描述了组织和行业在成功（或不成功）地采用人工智能时发生的（或没有发生的）破坏。如果一个企业处于“分歧的错误一边”，根据NANDA的说法，该企业未能真正改变、进化和重新思考其结构和业务运营。因此，处于“分歧的正确一边”意味着人工智能的使用具有可衡量的成果——“这种投资偏见通过将资源分配到可见但往往转化较少的用例中而延续了GenAI分歧，同时高回报机会的后台办公功能被低估了”。

该报告引起了轰动的原因是其关键发现。执行摘要指出：“尽管企业在GenAI上投资了300-400亿美元，但该报告发现了一个令人惊讶的结果：95%的组织没有获得任何回报……只有5%的集成人工智能试点获得了数百万美元的价值，而大多数组织仍然停滞不前，没有任何可衡量的利润和亏损影响。”听起来不太令人振奋，对吧？

该报告定义的“学习差距”是组织无法实现人工智能真正价值的根本限制。大多数GenAI系统根本缺乏保留反馈、适应上下文或随时间改进的能力。

• 系统无法从反馈中学习。 实际上，这意味着一位经理不断地将相同的数据集输入人工智能系统，但其性能并没有改善。 一位中型制造业经理描述了他如何反复将相同的产品手册上传到他们的人工智能系统中，以完善履约清单，但每次迭代都会复制相同的遗漏和错误，尽管进行了多次反馈会话，但输出质量并没有任何可衡量的改善。
• 每次都需要过多的上下文信息。 人工智能工具在会话之间缺乏记忆，因此每次交互都需要重新输入过去的知识和上下文。复杂的工作流程与简单的一次性任务不同，会拖慢并且无法成为可靠的支持，无法完成正在进行的项目。 该报告引用了一家公司的法律团队，他们在每次合同草稿时都必须将客户偏好、之前的谈判记录和监管约束重新输入人工智能工具中——这本应该是一个支持性的工作流程，但却变成了一个耗时的差事，破坏了复杂、多阶段项目的生产力。
• 一些商业流程的定制不足。 与其获得一个能够适应更广泛上下文的响应工具，不如说更广泛的上下文适应了工具，迫使用户绕过僵化的系统。 一位首席信息官指出，他们的供应商提供的风险分析人工智能“感觉像一个一刀切的盒子”，迫使团队将信用审批工作流程改为适应工具的僵化输入，而不是让人工智能适应既定的流程。这种不匹配最终导致了试点项目的放弃

我从NANDA报告中得出的主要发现

1. 阴影人工智能经济蓬勃发展

该报告引入了“阴影人工智能经济”这个术语，描述了员工如何在个人层面上使用人工智能作为工具，而不是组织范围内批准的工具。这听起来很熟悉，对吧？一位来自中国汽车品牌在CIS的朋友告诉我，她使用ChatGPT编写应用内内容（新闻帖子、广告等）。她说，总部没有批准任何人工智能工具供一般使用，所以她使用人工智能是她自己的助推器和时间节省器，她不太可能在她的经理面前提及它。

该报告提供了非常具体的数据。虽然只有40%的公司购买了官方的大型语言模型订阅，但来自超过90%的调查公司的员工报告称，他们经常使用个人人工智能工具来完成工作任务。这种隐蔽的使用往往比正式的企业计划带来更好的投资回报率，揭示了什么真正有效，当个人可以使用灵活、响应迅速的工具时。

2. 投资分配反映了错误的优先顺序

该报告揭示了人工智能投资和实际投资回报率潜力之间存在显著的不匹配。约50%的GenAI预算流向销售和营销功能，主要是因为结果可以轻松衡量，并与董事会级别的关键绩效指标（KPI）保持一致。然而，最高的回报往往来自后台自动化，例如业务流程外包（BPO）每年节省高达1000万美元，外部创意成本减少30%，外包风险管理每年节省100万美元。这种投资偏见通过将资源分配到可见但转化较少的用例中而延续了GenAI分歧。

然而，我的个人信念是这样的。根据我在一家国际银行公司的经验，该公司在全球拥有零售银行，我记得引入一个工具来深入了解组织的内部运作，依赖其数据，并（谁知道？）泄露内部信息的风险是巨大的。所以，我理解为什么注册一个AI内容工厂来制作Facebook广告的创意是一个简单的决定，而复杂的后端破坏则不那么热情地被接受。除非这是来自C级别的直接命令，否则在公司的核心实施严重的破坏性AI工具需要至少12个月。

幸运的是，我有机会看到一个为销售团队制作的AI自动化工具。他们雇佣了n8n的自由职业者，他为他们制作了一个AI驱动的呼叫和聊天分析工具。现在，企业能够更快地找到漏洞，并且随着AI的帮助，更多的痛点浮现出来，业务流程中处理的数据也更多、更快。他们的满意度非常高，更多的数据被处理得更快。

3. 内部建设输给外部供应商

说实话，这个发现让我感到惊讶。与人们普遍认为企业应该自己构建人工智能工具的观点相反，研究表明，与内部开发努力相比，战略性地与外部供应商合作更有可能实现部署。谁能想到呢？显然，不是我。

那些将人工智能供应商视为业务服务提供商的组织——要求深度定制，并将其责任归结为业务成果而非模型基准——实现了显著更高的成功率和更快的时间价值。

4. 更高的投资意味着更大的破坏？并非如此。

使用综合人工智能市场破坏指数，该报告显示，只有两个行业——技术和媒体与电信——显示出明显的结构性破坏迹象。九个主要部门中的七个表现出显著的试点活动，但结构变化很小，像医疗保健、金融服务和能源这样的行业的破坏评分低于5分中的0.5。这一投资可见性和实际转型之间的差距体现了GenAI分歧在行业层面的体现。

为什么95%的失败率是暂时的

尽管看似绝望的临时结果，但仍有一丝希望。该报告解释说，GenAI分歧是暂时的，将通过新兴发展克服。

NANDA本身是更紧密相连的人工智能世界的主要贡献者之一。该报告提到的机制是模型上下文协议（MCP）和代理到代理（A2A）作为基础设施，为代理之间的无缝互操作性和自治协调提供了基础。

NANDA的努力和这些工具是通往NANDA所追求的东西的途径——代理网络，一个能够跨互联网自治协调的代理网络。他们的交互将被设计用来用动态的自我教育系统取代静态的工作流程。

听起来过于美好，甚至像魔法？好吧，Microsoft Copilot Studio的多代理编排是对这一愿景最接近的实现。该系统有助于构建一个代理树，其中一个主Copilot代理触发负责特定任务的子代理，例如安排或文档生成。每个代理都在其专业领域内工作，同时与其他代理协调。用更实际的术语来说，当用户请求“计划我们的第四季度产品发布”时，编排器代理会自动委托给专门的代理——一个处理市场研究，另一个处理时间表创建，第三个代理与项目管理工具协调。工作同步进行，但仍然是自治的。

那么，NANDA的报告给我们留下了什么？跨越GenAI分歧的窗口正在迅速关闭，因为企业开始与能够学习的工具建立供应商关系，这些工具会产生破坏并进化和优化业务运营，增加组织核心的速度。成功在于购买人工智能代理系统，而不是在内部从头开始构建。随着代理学习、记忆和自给自足的系统变得更加普遍，当前的95%的失败率将让位于一个新的时代，在那里人工智能系统将跨供应商、域和组织边界无缝协作。这种未来才是当前投资的真正回报。

人工智能采用的替代观点

NANDA项目在编译多个来源的数据和调查多个领域的领导者方面做得非常出色。但它是否是全球人工智能采用的最终权威？如果您像我一样发现《GenAI分歧》有些令人沮丧，甚至令人气馁，我已经找到了这些关于人工智能采用的替代观点来保持我对人工智能的个人热情。

• IT Brief UK的Jed Nykolle Harme分析了Lenovo的CIO Playbook 2025。该研究包括来自EMEA（欧洲、中东和非洲）IT领导者的反馈，其结论远比这更有希望。事实证明，零售行业在人工智能满意度方面领先，其中96%的人工智能试点性能达到或超过预期。
• 我之前对那些发现人工智能实施困难、不太愿意进行大规模整合的巨型企业市场参与者表示同情。Lenovo却呈现出不同的图景，银行、金融服务和保险（BFIS）行业：尽管人工智能采用率最低，仅为7%，但有33%的测试人工智能报告称试点超过了预期。正如阿拉伯商业所说的，“谨慎的方法”是积极趋势背后的秘密。
• 另一份令人放心的报告是IBM CEO Study，以IBM副董事长加里·科恩的前言开头：“随着人工智能的采用加速……最终的回报只会来自于敢于将风险视为机会的CEO……当业务环境不确定时，使用人工智能和企业数据来确定你有哪些优势是一个竞争优势。在这一点上，领导者如果不利用人工智能和自己的数据来推动发展，那么他们就做出了一个有意识的决定，不去竞争。”
• IBM CEO调查显示了一些令人振奋的事实。例如，人工智能投资预计在接下来的两年内将增加一倍以上，几乎20%的IT预算将分配给人工智能——这表明尽管存在明显的挑战，但对人工智能的信念依然坚强，并且是战略性的，而不是反应性的支出。
• 最后但同样重要的是，IBM CEO报告中的64%的CEO同意，落后于竞争对手的风险推动了对新技术的投资，即使在完全理解其影响之前。然而，这并不是快速的决定。相反，决策者选择“战略性对冲”。简单来说，当竞争对手为其网站推出人工智能聊天机器人时，您也会这样做。您可能不确定收入增加，但您知道，如果您落后两年，等待“完美的数据集”编译，您将永远失去动力。所以规则很简单：积极地跟随，然后看看结果。

结论

总之，我想表达我对人工智能的个人、衷心的信念。作为一名企业家、CMO、商业开发者和前银行办公室员工，我看到了人工智能可以帮助优化预算、简化工作流程和增强团队的许多方法。未来是增强和加速的。如果一家企业想要竞争，它需要精通人工智能。虽然我提出的发现是有争议的，但我相信，当前的人工智能格局，其峰谷交错，反复重现，每当有新技术出现时，都只是一个自然的学习过程。