企业AI规模化95%失败？四大症结与突围策略

生成式AI在企业中的推广正面临严峻挑战：高达95%的试点项目最终未能成功，多数公司尚未实现AI技术在全公司范围内的落地应用。失败的原因并非单纯的技术问题，而是缺乏系统性转型规划、跨部门协作不足、员工抵触情绪以及价值传递不清晰等多重因素共同作用的结果。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

那些试图在全公司范围推广AI工具的领导者们，往往需要应对员工抵触、沟通不畅以及参与度不足等现实困境。

令人警醒的数据为IT领导者成功运营AI试点项目的能力描绘了一幅黯淡图景。

麻省理工学院研究发现，尽管企业对快速部署技术充满雄心，但仍有95%的生成式AI试点项目以失败告终。麦肯锡的一项调查显示，近66%的受访者表示，他们的公司尚未开始在企业范围内推广AI。实际上，许多公司一直深陷AI试点的困境，部分公司去年在生成式AI应用方面更是遭遇了明显挫折。

咨询公司West Monroe的首席AI官Bret Greenstein认为，那些无法成功跨越试点阶段的公司，大致可分为以下四类：

• 未制定转型计划就试图扩大规模的企业

• IT团队未能与其他部门协同合作的企业

• 员工对AI技术持抵触态度的企业

• 未能有效传达或展示AI潜在价值创造能力的企业

在以往的技术变革中，如云计算发展初期，也出现过类似情形。不过，如今存在一个关键的不同之处。

“AI技术将影响每个工作岗位。”Greenstein强调道。

避免失败

解决AI试点问题的责任落在了技术团队肩上，因为复杂的数据处理需求阻碍了AI的广泛应用，而数据治理则被提升到了优先事项清单的首位。技术负责人还必须在扩大规模之前解决数据安全问题。然而，技术问题并非通过AI试点的唯一障碍，也未必是最大的障碍。

成功取决于所有部门用户的参与。

“每个步骤都需要业务部门的参与，尤其是在测试环节，”Salesforce负责AI和Agentforce的首席客户官Greg Beltzer表示，“这与传统的开发运维模式有所不同。”

旅游平台Engine的客户体验与运营副总裁Demetri Salvaggio指出，公司高管在讨论其AI工具背后的“原因”时非常谨慎。该公司与Salesforce建立了长期的AI合作关系，并是其首批Agentforce平台客户之一。实验性的企业文化使该公司能够打破试点停滞不前的趋势。

透明度和开放的态度使Engine避免了陷入Greenstein所提到的前三类情况，因为公司领导能够调动员工积极性，并消除他们对工作被取代的早期担忧。Engine的GTM系统总监Joshua Stern指出，围绕AI构建一个“心理安全网”，能够鼓励员工尝试使用智能体，并相互分享他们的发现。

他的团队仅用12天就开发出了Engine的客户支持智能体Eva。Stern表示，从如此浓厚的兴趣和技术熟练程度来看，人们很容易认为每个人都会像团队一样对这项技术充满热情和期待，但事实并非如此。

“非技术部门的员工对它有点害怕，”Stern在谈到技术部门以外的员工时说道，“他们对使用它更为敏感，你必须构建一个安全网，让他们看到自己的同事用它做出了很棒的事情，这样他们才会想要效仿。”

Greenstein提到的第四类公司——未能传达AI潜在价值的公司——似乎很容易避免，但在企业环境中，创造价值说起来容易做起来难。事实上，麻省理工学院95%的失败率实际上源于一个数据点，该数据点发现研究中只有5%的AI试点项目实现了快速的收入增长。

Beltzer表示，部分差距源于缺乏分析工具。例如，如果以每位员工每天节省的时间作为成功指标，则很难证明。Salesforce最终为Agentforce开发了一款可观测性工具。Salvaggio表示，该工具帮助Engine优化了Eva。然而，未能创造价值也可能源于在有缺陷的基础上应用AI，无论该智能体承诺带来多少回报。

“无论你试图自动化或提高效率的流程是什么，它都必须是一个相当不错的流程。我还没见过AI真正解决过很多糟糕的流程问题。”Beltzer说道。

切勿贪多求全

在企业部署AI的过程中，Greenstein、Stern和Salvaggio提醒不要试图一蹴而就。正如Beltzer所说，失败的试点可能反映出其背后的非AI流程存在问题，从小处着手有助于识别这些情况。

“如果你试图一次性完成所有事情，你将无法衡量效果，而且永远无法取得任何进展。”Stern补充道。

Greenstein表示，他曾合作过的一家公司希望利用AI做几十件事情，他的建议是选择五件事情开始做，因为所有流程都使用相同的数据源，并且需要一些相同的技能。通过处理较小子样本中的问题，有助于实现规模化。

“当你这样做时，你会发现许多其他问题的依赖关系已经得到解决，因此，那些问题将更容易解决，你可以将它们作为第二波、第三波任务来处理。”Greenstein说道。

尽管Engine已经成功跨越了试点阶段，但其规模化之路仍未走完。Stern表示，公司每天都在为智能体AI寻找新的应用场景，这也是计划的一部分。

“从小处着手，”Salvaggio表示赞同，“汲取这些经验教训，取得成功——这既有助于团队，也有助于所有支持它的人。”