生成式AI的投资陷阱：企业烧钱400亿，95%颗粒无收

据估计，美国公司已向生成式AI项目投入了350亿至400亿美元。然而，麻省理工学院网络代理和去中心化AI（NANDA）项目最近的一份报告揭示了一个严酷的现实：95%的企业几乎没有从这些巨额投资中获得任何回报。仅有区区5%的组织成功地将AI工具大规模整合到其运营中，这导致了研究作者所称的“生成式AI鸿沟”。

这项令人警醒的评估基于一项全面分析，该分析源于对52位企业领导者的结构化访谈、对300多项公开AI倡议和公告的审查，以及对153名商业专业人士的调查。这份由Aditya Challapally、Chris Pease、Ramesh Raskar和Pradyumna Chari撰写的报告，将这一显著差距归因于当前AI系统的根本性限制：它们无法有效地保留数据、适应并随着时间推移进行学习，而非缺乏基础设施、培训或人才。

“生成式AI鸿沟”在部署率方面表现最为明显。专门为内部使用而设计的定制企业AI工具，难以超越试点阶段，只有5%最终达到全面生产。虽然面向消费者的聊天机器人可能由于易于试用和灵活性而最初取得成功，但它们缺乏记忆和定制化功能，往往使其在关键业务流程中失效。正如一位不愿透露姓名的首席信息官在接受作者采访时坦率地指出：“我们今年看了几十个演示。也许一两个真正有用。其余的都是包装或科学项目。”这种情绪与其他近期研究相呼应，这些研究表明企业领导人对其AI努力的信心正在下降。

尽管普遍表现不佳，NANDA报告承认，一小部分公司确实发现生成式AI有益，尤其是在技术和媒体与电信领域，该技术产生了切实的影响。然而，对于大多数行业——包括专业服务、医疗保健与制药、消费与零售、金融服务、先进工业以及能源与材料——生成式AI迄今为止已被证明无关紧要。一家中型制造公司的匿名首席运营官总结了这种脱节，他表示：“领英上的炒作说一切都变了，但在我们的运营中，没有任何根本性的转变。我们处理合同的速度更快了一些，但这就是所有改变了。”

不断变化的就业格局是生成式AI影响日益明显的一个领域，尤其是在技术和媒体领域。报告指出，这些行业中超过80%的高管预计未来两年内招聘量将减少。这些劳动力削减主要发生在经常外包的非核心业务活动中，例如客户支持、行政处理和标准化开发任务。这些角色甚至在AI实施之前就因其外包性质和流程标准化而变得脆弱，报告表明受影响行业中5%到20%的支持和行政处理岗位已经受到影响。这一趋势与更广泛的行业观察相符，例如甲骨文和IBM等公司据报道一直在努力平衡AI资本支出，或面临被指控利用AI作为海外转移工作的借口。

该报告的一个关键发现是AI预算的错误分配，其中约50%通常用于营销和销售。作者提倡进行战略转型，敦促企业将投资转向能产生有意义业务成果的活动。这包括前端流程，如潜在客户资格认证和客户保留，以及后端效率，如消除业务流程外包、减少广告代理支出和简化金融服务风险检查。

有趣的是，研究强调，像OpenAI的ChatGPT这样的通用工具通常优于定制的企业解决方案，即使后者使用相同的底层AI模型。报告称，主要原因是用户熟悉度和可访问性，这是“影子IT”——员工独立采用工具——的结果。一位接受研究采访的企业律师完美地说明了这一点，她对一个价值5万美元的专业合同分析工具表示不满。“我们购买的AI工具提供了僵硬的摘要，定制选项有限，”她回忆道。“使用ChatGPT，我可以引导对话并迭代，直到我得到我需要的东西。根本的质量差异是显而易见的，ChatGPT始终能产生更好的输出，尽管我们的供应商声称使用相同的底层技术。”

报告总结道，成功跨越“生成式AI鸿沟”的公司，对待AI采购的方式更像是业务流程外包客户，而非标准软件即服务客户。他们要求深度定制，促进一线员工的采用，并要求供应商对可衡量的业务指标负责。最终，跨越这一鸿沟需要真正的伙伴关系，而不仅仅是购买。