企业人工智能停滞的原因：非采用

人工智能（AI）所承诺的和实际交付的之间的差距已经成为我们这个时代的决定性故事。

过去几年中，企业董事会将人工智能预算视为标准的费用项目，而不是生死攸关的命令。共识已经明确：购买技术，尽快部署，并期待运营效率大幅提高。

但是，宏观数据讲述了一个截然不同的故事。技术正在进入企业环境，但变革性的回报往往在前线停滞不前。

根据贝恩公司全球调查，大约40%的公司看到的人工智能驱动的成本减少仅为10%或以下。更令人担忧的是，只有极少数组织实现了30%的效率增益。贝恩公司本身指出，这些数字应该让高管感到不舒服，特别是考虑到有多少人工智能计划是在承诺指数级回报的基础上获得批准的。

然而，尽管这些滞后指标，仍有90%的企业增加了他们的人工智能支出。该行业实际上是在一个未实现的承诺上加倍下注。

这不是一个孤立的统计异常。思科的AI安全状态报告强调了一个类似的瓶颈：虽然85%的大型企业正在积极测试AI代理，但只有5%成功地将它们部署到全生产环境中。同时，德勤的企业AI状态报告表明，79%的组织在扩大他们的人工智能投资时遇到了严重的运营障碍，始终引用内部技能和采用差距作为他们的主要障碍。

技术模型是有效的。处理能力是有的。然而，价值却在采购合同和日常员工工作流程之间的某个地方泄漏了。

企业软件内部的差距有一个名字：非采用

在企业架构的世界中，灾难性的软件故障通常很响亮。它们看起来像系统故障，大规模数据泄露，或触发紧急董事会会议的合规性违规。

人工智能故障看起来完全不同。它是安静的，微妙的，并且异常昂贵。

预算获得批准，解决方案上线，六个月后，通常是在季度业务审查（QBR）期间，你会意识到工作流程从未被采用，文档没有被生成，结果也没有实现。

当你坐在一个处理数百万商业关键文档的软件过程中，直接在Salesforce等平台上运行，成为全球数百个客户的基础设施时，这种模式变得不可能忽视。你很快就会了解到，企业客户在高能量的发现和实施阶段所说的事情与他们的前线员工六个月后实际做的事情往往是两个完全不同的现实。

原因不是技术，而是匆忙

市场通常奖励速度。快速行动，展示进展，并将其展示给客户。但是在企业人工智能领域，速度有时会致命。没有意图的速度会使公司倒退。

人工智能具有独特的危险，因为建立一个令人信服的演示非常容易。一个小型工程团队可以在周末连接到一个大型语言模型，并在会议室中呈现一个令人惊叹的原型，看起来像魔术。很容易将这种最初的速度误认为是真正的运营进展。

当你匆忙地将一个不完善的、不稳定的人工智能层嵌入到复杂的企业环境中时，你不会神奇地解决低效率。你会放大它。一个非战略性的人工智能工作流程通常会引入不必要的复杂性，让客户面临更多的运营步骤和比升级前更少的价值。

成功地弥合承诺和交付差距的组织坚持不懈地拒绝仅仅为了技术而建设。他们不会在执行战略会议上问“我们可以在哪里应用人工智能？”

相反，他们问一个更基本的问题：“我们实际上为客户解决什么问题？”其他一切——模型选择、数据架构、集成表面——都必须从那里推进。

从生成输出到采取可信行动

企业人工智能的第一波以生成新颖性为特征：创建营销文案、起草基本电子邮件和总结长篇文本。由于人类始终预计会坐在下游，编辑文本并手动将其复制到最终目的地，因此这是低风险的。如果人工智能犯了一个错误，成本是微不足道的。

下一波提高了赌注。我们正在迅速地从简单的文本生成转向自主的、可信的行动：系统启动复杂的工作流程，执行系统到系统的交易，并在不需要不断的手动交接的情况下完成受监管的、可审计的企业文档。这就是风险配置文件完全改变的地方，也是为什么企业采用遇到了砖墙的原因。

当一个系统从起草消息转变为执行高风险工作流程——例如在CRM中移动记录、修改财务合同或完成自动化合规文档——错误的余地变为零。对于在严格的监管框架下运营的企业，例如HIPAA、FedRAMP或SOC 2，信任差距不是抽象的；它是一个直接的法律和财务责任。

人工智能生成的草稿仍需要人类来验证和采取行动。做得好，人工智能执行的工作流程会压缩整个周期，但仅当它运行在业务已经信任的系统上时。将人工智能连接到未经验证的基础设施上，组织无法透明地审计它，它将引入巨大的风险，或者完全不使用它，无论模型多么强大。围绕这一运营信任的赌注正在两个不同的方面呈指数级上升：

• 外部监管表面：监管格局正在迅速收紧。Gartner预测，全面的人工智能监管将在2030年前影响世界上75%以上的经济体。
• 内部财务成本：运营错误的内部成本已经深深地根植于我们的系统中。我们自己的S-Docs 2025年文档工作流程和合规风险报告发现，61%的企业在过去一年中仅仅由于文档或工作流程错误就遭受了严重的业务中断。这些故障触发了密集的审计，严厉的监管审查和严重的法律暴露，平均每家组织的直接罚款和罚金成本近六位数。

警告信号是安静的，它们属于产品对话

如果你等待正式的支持票或明确的客户升级来告诉你你的人工智能策略正在失败，你已经太晚了。非采用是一个沉默的杀手。人工智能部署停滞的真正警告信号不会以错误的形式出现；它们以缺乏活动的形式出现。

在运营审查期间，任何高管都可以进行的最有价值的比较非常简单：我们的用户实际上在应用程序中每天做什么，与利益相关者在销售周期期间告诉我们的他们将要做的事情有什么不同？当这两个现实开始偏离时，你正在看待产品部署中身份危机的最早和最诚实的信号。

真正的区别：反馈循环现在是产品策略

在我的职业生涯中，领导技术、产品和战略团队跨越高度竞争的行业，我见证了许多技术周期的展开。如果我学到了一个普遍的真理，那就是：提供最新、最闪亮的技术很少是可持续增长的银弹。真正的组织成功需要技术、人员和流程之间的战略紧密对齐，以及对预期结果的明确路径。

在当前时代，进入市场的速度已经成为基本要求。由于开源框架、强大的云架构和商业API，几乎任何软件组织都可以以极快的速度构建和交付人工智能功能。现代企业中真正的、可持续的区别不再是你可以多快地发布代码；而是你的组织在技术落入实际用户手中后可以多快地学习、适应和迭代。

历史上，采用差距——预期软件使用和实际前线行为之间的持续空间——被视为一个孤立的售后问题。它被交给客户成功经理和实施顾问通过培训课程和采用活动来解决。

但是，在一个人工智能原生地融入企业工作流程核心结构的世界中，反馈循环不再可以被外包给一个账户管理团队。它必须成为你整体产品策略的核心支柱。

那些成功地弥合承诺和交付差距、真正实现投资回报率的罕见企业，并不是因为他们发现了一个秘密的、更好的语言模型。他们之所以成功，是因为他们在现实世界的运营使用分析和核心开发路线图之间设计了一个更紧密、更高响应的反馈循环。

领导者应该从中吸取的教训

对于正在应对这个不舒服的转折点的高管来说，人工智能的成功不会由组织部署新工具的速度决定，而是由他们将这些工具融入日常工作现实的有效性决定。那些看到有意义的回报的公司并不是在追逐实施里程碑或头条新闻引起的试点。他们正在解决特定的客户问题，在可信的系统和工作流程中嵌入人工智能，并通过持续的采用和结果实现来衡量成功，而不是启动日期。

最重要的是，他们认识到阻力、犹豫和变通方法并不是失败。它们是信号。预期使用和实际行为之间的每个差距都揭示了信任、治理、可用性或流程设计仍需要改进的领域。那些将这些信号视为持续改进的输入的组织将是弥合人工智能承诺和实际价值之间差距的组织。最终，人工智能时代的赢家将不是那些行动最快的人，而是那些建立了运营纪律的人，他们能够将实验转化为可信的、可重复的成果，并在规模上实现这一目标。