关于报告的所有内容，公众号『行业报告智库』阅读原文或点击菜单获取报告下载查看。
2025年，人工智能在商业领域的热度持续攀升，但其商业落地的现状却呈现出一种令人深思的悖论：企业对AI的投入不断增加，但真正实现商业价值转化的却寥寥无几。调研显示，尽管企业在生成式AI领域投入了高达300亿至400亿美元的资金，但95%的企业却未能从这些投资中获得任何回报。这一现象被形象地称为“GenAI鸿沟”，它清晰地划分了AI商业化的两个阵营：少数成功实现AI商业价值的企业与大多数仍在原地踏步的组织。
从行业来看，AI的投入与产出呈现出鲜明的不平衡。在被研究的八大行业中，仅有科技和媒体行业显示出结构性变革的迹象，而其他七个行业，如能源、材料、金融服务等，尽管进行了大量的试点项目，但并未实现真正的商业转型。这种行业间的分化进一步凸显了AI商业化的困境。以能源与材料行业为例，其AI市场颠覆指数仅为0.5，该行业在AI应用上的近于停滞的状态。而科技行业则凭借其对AI的深度整合，如在内容创作、数据分析等领域的广泛应用，实现了显著的市场变革。
在企业层面，大型企业虽然在AI试点的数量上占据优势，但在规模化应用上却明显滞后。这些企业往往在AI项目上投入大量资源，但由于缺乏有效的学习机制和对现有工作流程的深度整合能力，导致大多数AI项目在试点阶段就宣告失败。相比之下，中型市场公司则表现得更为灵活和果断，它们在AI项目的实施速度上更快，从试点到全面部署的平均时间仅为90天，而大型企业则需要九个月甚至更长时间。
从工具的使用情况来看，通用AI工具被广泛采用，超过80%的组织已经进行了探索或试点，近40%的组织报告称已将其部署到实际工作中。但这些工具主要提升了个人生产力，而对企业的利润和亏损表现影响甚微。企业级系统，无论是定制的还是供应商销售的，都被悄然拒绝。60%的组织评估了这些工具，但只有20%进入试点阶段，最终只有5%进入生产阶段。大多数工具因工作流程的脆弱性、缺乏上下文学习能力以及与日常工作的不匹配而失败。
在这种背景下，“影子AI经济”悄然兴起。尽管只有40%的公司表示购买了官方的大型语言模型订阅服务，但在接受调查的员工中，超过90%的人表示他们定期使用个人AI工具来完成工作任务。这种“影子AI”的使用往往比正式的企业AI计划更能带来投资回报率，因为它直接满足了员工的实际需求，而无需经过繁琐的企业审批流程。
在投资方面，AI预算的分配也显示出明显的“GenAI鸿沟”。约50%的AI预算流向了销售和市场营销领域，而这些领域的AI应用虽然容易量化，但往往并非最具投资回报率的用例。相比之下，后端办公自动化等领域的AI应用虽然能够带来更高的ROI，但由于其效果难以直接体现在董事会级别的关键绩效指标中，因此往往被忽视。这种投资偏见进一步加剧了AI商业化的困境。
从技术角度来看，AI系统的学习能力缺失是导致“GenAI鸿沟”的核心障碍。大多数AI工具无法保留反馈、适应上下文或随着时间的推移而改进。这种学习能力的缺失使得AI系统在实际应用中显得僵化和不可靠，难以满足企业对复杂工作流程的需求。许多企业用户在使用AI时发现，尽管它在处理简单任务时表现出色，但在处理关键任务时却因缺乏记忆和上下文学习能力而无法胜任。
尽管大多数企业在AI商业化的道路上举步维艰，但仍有少数企业成功跨越了“GenAI鸿沟”。这些成功的企业和供应商通过直接解决学习能力的限制，实现了AI的商业价值。成功的买家要求对流程进行定制化，并根据业务结果而非软件基准来评估工具。他们期望AI系统能够与现有流程集成，并随着时间的推移而改进。而那些能够满足这些期望的供应商则获得了数百万美元的部署合同。
这些成功的企业在AI采购上采取了与传统软件采购截然不同的策略。他们不再等待完美的用例或中央批准，而是通过分布式实验、供应商合作和明确的责任制来推动AI的采用。他们将AI供应商视为业务服务提供商，而不是简单的软件供应商，并要求供应商根据实际业务结果来衡量工具的性能。
