几周前，一张漫画在网上疯传：小玩偶问“我们是谁？”答：“是”；问“我们要什么？”答：“人工智能！”；问“用来做什么？”答：“不知道！”；问“何时想要？”答：“现在！”
这则笑话精准映射了现实。美国麻省理工学院（MIT）“去中心化架构中的网络化AI智能体”（NANDA）项目发布的报告《生成式人工智能鸿沟：2025年商业中的人工智能现状》也印证了这一点。
AI试点成功率仅5%，多数陷入停滞
尽管生成式AI为企业敏捷性、问题解决及盈利带来希望，但大多数举措尚未取得显著成功。报告显示，仅有约5%的AI试点项目实现了明显的收入加速，其余大多对利润或亏损几乎没有产生可衡量的影响。
核心瓶颈并非技术，而是“学习差距”
报告主要作者、MIT NANDA项目贡献者Aditya Challapally指出，少数取得卓越成就的企业往往聚焦单一痛点，并与使用方建立明智的合作关系。
对于报告中95%的公司而言，仅部署生成式AI解决方案远远不够。核心问题不在于模型质量，而在于业务整合存在缺陷，即所谓的“学习差距”。AI工具虽已存在，但在流程的其他环节——尤其是“人”的常规工作中出现了断层。
Challapally解释称，ChatGPT等通用工具因灵活性适合个人使用，但在商业场景中无法创造奇迹，因为它们不会主动学习或适应特定工作流程。
AI是辅助而非捷径，需精准解决痛点
AI是极佳的辅助工具，在加速测试、完善创意、整合数据及执行复杂任务方面表现出色，但绝非捷径。成功应用AI代理的公司，均选定了具体痛点并有效解决了摩擦，从而自然提升了生产力与盈利能力。
在盲目追求“AI无处不在”之前，企业应理性审视：现有工具能否切实满足需求？即便目前尚无应对重大问题的完美产品，若能通过AI加快特定流程或辅助员工做出更明智决策，便是当前最佳选择。
最终决策权始终在人手中，包括界定AI的介入程度。技术处于不断演进中，企业的AI策略也应保持动态优化，随时准备在未来六个月内进行调整。
Henrique Calandra，WallJobs创始人（巴西科技公司，提供实习合同自动化解决方案），《面向初学者的生成式人工智能》一书作者，ABStartups专栏作家，InovaBRA和Distrito等大型生态系统演讲嘉宾。