一份报告揭示，尽管美国公司在生成式AI上投入了高达400亿美元，但收效甚微。95%的企业AI项目未能产生任何回报，只有5%成功将AI工具规模化投入生产。失败的主要原因并非技术或人才不足，而是AI系统在数据保留、适应性和持续学习方面的缺陷。有趣的是，像ChatGPT这样的通用工具，因其灵活性和用户熟悉度，表现往往优于昂贵的企业定制工具。目前，AI的实际影响主要集中在科技和媒体等少数行业，并已开始导致这些领域的岗位裁减。
巨额投资与惨淡回报
企业在生成式AI领域的投入是巨大的，但结果却令人失望。
- 投资总额： 约350亿至400亿美元。
- 失败率： 95%的企业AI项目回报为零。
- 成功率： 仅有5%的企业成功将AI工具集成到生产流程中。
这种巨大的差距被称为“生成式AI鸿沟”（GenAI Divide）。一位受访的首席信息官直言不讳地指出：
我们今年看了几十个演示。可能只有一两个真正有用。其余的要么是现有技术的简单包装，要么就是科学实验项目。
失败的关键原因
报告指出，项目失败的核心并非基础设施、人才或学习资源不足，而是AI系统本身的局限性。
- 缺乏记忆： AI系统难以有效保留和利用过去的交互数据。
- 适应性差： 定制化的AI工具通常很僵化，难以根据具体工作流程进行调整。
- 学习能力有限： 系统无法随着时间的推移持续学习和进化。
这些缺陷导致许多企业级AI工具，尤其是定制聊天机器人，在关键工作流程中表现不佳。
行业影响与就业变革
生成式AI的影响并非普遍性的，而是高度集中在特定行业。
受显著影响的行业：
- 科技
- 媒体与电信
影响甚微的行业：
- 专业服务、医疗与制药、消费与零售、金融服务、先进制造业、能源与材料等。
在受影响的行业中，就业市场正在发生变化。报告指出，超过80%的高管预计在未来24个月内会减少招聘量。裁员主要集中在非核心业务岗位，如客户支持、行政处理和标准化的开发任务。
通用工具为何胜过定制方案？
一个出乎意料的发现是，员工更青睐并能更好地使用通用AI工具，而不是公司花大价钱购买的专业解决方案。
我们公司花5万美元买的AI合同分析工具，提供的摘要很死板，定制空间很小。但用ChatGPT，我可以引导对话，反复迭代，直到获得我想要的东西。即便供应商声称用了相同的底层技术，两者输出的质量差异也显而易见。
主要原因在于：
- 用户熟悉度： 员工已经习惯了ChatGPT等工具的界面和交互方式。
- 灵活性： 通用工具允许用户通过引导和迭代来获得更精确、更符合需求的结果。
成功的关键：从采购到合作
报告最后总结，成功跨越“生成式AI鸿沟”的公司，其做法与众不同。它们并非将AI视为简单的软件采购，而是当作一种业务流程外包。
成功的关键在于：
- 要求深度定制： 不满足于标准化的产品，要求供应商提供高度定制化的解决方案。
- 推动一线采用： 确保工具能被真正使用它的一线员工所接受和驱动。
- 以业务指标问责： 要求供应商对实际的业务成果负责，而不仅仅是提供技术。
最终，成功的关键是建立真正的合作伙伴关系，而不仅仅是购买产品。