全球95%企业AI惨遭滑铁卢？MIT 26页爆火报告揭开真相：90%员工悄悄用ChatGPT高效办公，在科技、媒体行业掀起了效率革命。
全球95%搞AI项目的公司，基本都凉了！
这一惊人的观点，出自MIT的一份重磅研究报告——「The GenAI Divide: State of AI in Business 2025」。
报告地址：https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
谁曾想，这份令人咋舌的报告，一夜之间刷屏全网。
难道AI这么快就进入寒冬了吗？事实上，真相远比各大媒体的标题精彩。
在这份26页报告中，隐藏了一个爆炸性的事实：企业史上最快、最成功的技术应用普及，正在高管们的眼皮底下悄然发生。
虽然40%的公司都订阅了大模型服务，但90%的员工依然会选择用「个人AI工具」悄悄干活！
一位VC投资人Kasra Khalili一句话道出了真理，「AI并没有失败，而是公司内部构建系统的失败」。
报告的核心看点如下：
这背后，究竟揭示了什么现象？
各大科技巨头AI项目，在内部推行虽然步履维艰，但大多数员工早就在私下「开挂」了。
MIT报告指出，「事实上，几乎每个人都在以某种形式将LLM用于工作中」。
其中，90%的员工频繁地使用个人AI工具，比如ChatGPT、Claude等，哪怕是40%公司订阅了官方服务。
换句话说，员工使用AI频率，是企业采纳率的2倍多，这种现象被称为「影子AI经济」。
最关键的是，这些员工并非浅尝辄止，而是他们在每周的工作中，每天都会多次使用AI。
这种普及速度，直接吊打当年电子邮件、智能手机、云计算的采用频率。
报告中，有个案例太真实了：
一家法务公司斥资5万美元采购了一款专业的AI合同分析工具，但一位律师本人在起草文件时却坚持使用ChatGPT。
本质原因，就在于AI生成的质量差，显而易见。
这名律师表示，「ChatGPT总能生成更优质的内容，即便我们的供应商声称他们用的是同样的基础技术」。
如今，这一现象，在各行各业普遍存在。
就连微软这样的巨头，办公室员工在家用的都是ChatGPT。
一直以来，微软不论是在公司内部，还是客户中，大力推行自家的Copilot AI，效果不如人意。
去年春天，制药巨头Amgen高调官宣引入微软Copilot后，不过1年，全员纷纷转向了ChatGPT
企业级AI系统脆弱、设计过度，与实际工作流脱节，而消费级AI工具则因灵活性、易用性、即时性，广受好评。
正如一位首席信息官对研究人员表示，「我们今年看了几十个产品演示，可能只有一两个真正有用，其余的不是华而不实的包装，就是纸上谈兵的科学项目」。
当企业高管们还在摸索内部普及AI的门道时，员工们早已破解了「AI的密码」。
那些登上新闻头版「95%失败率」，特指的是，企业委托供应商或内部开发的、昂贵且定制化的企业级AI解决方案。
这些工具，之所以推行失败，核心在于缺乏「学习能力」。
报告一针见血，企业级AI无法保存反馈、适应上下文情境，无法随着时间而改进。
直白讲，就是太难用了。
像ChatGPT这样的通用AI工具投入生产的成功率为40%，而针对特定任务的企业级工具成功率仅为5%
员工们纷纷抱怨，每次都要手动输入一堆背景信息，还不会从反馈中学习进步。
相较之下，ChatGPT之所以成功，就因为灵活且响应迅速，即便每一次对话都是一次全新的开始。
而企业级工具则显得僵化呆板，每次使用前，都需要进行繁琐的设置。
这种学习能力的差距，在员工使用AI的偏好中，又映射出另一种现象——
70%员工在处理邮件、基础分析等快速任务时，直接找AI而非同事；但对于复杂的、高风险的工作，90%员工更信任人类。
这里的关键分界线并非关乎智能的本身，而是AI与人类在记忆与适应能力上的差异。
从更深层次看，「影子经济」并不是AI失败的证据，反而揭示了，传统企业指标无法衡量的巨大生产力提升。
员工们自行搞定了官方项目的集成难题，恰恰证明了隐藏的生产力。
MIT报告称，「影子经济」表明，只要能用上灵活、响应迅速的工具，个人完全有能力跨越GenAI应用的鸿沟。
一些具备前瞻性思维的公司，已经嗅到了机会。
他们努力弥合这一差距，从员工的自发使用中学习，在采购企业级方案前，先分析哪些个人工具能真正创造价值。
不仅如此，报告还甩出了一个挑战了传统的技术观念：企业应停止尝试在内部自建AI。
数据统计显示，那些与AI供应商合作的项目，67%能成功部署，而内部自建的只有33%。
一个最成功的案例是，那些把AI初创公司当做「业务伙伴」的企业，更注重实际业务成果，需要深度定制和持续改进，而非花哨的产品演示。
放眼整个行业，也仅有科技、媒体，因AI发生了颠覆性的结构变革。
而医疗、金融、制造在内的七大主要行业，在AI应用实际上「慢半拍」。
整体表现为，AI试点频繁，但内部结构性变化微乎其微。
在医疗和能源领域，大多数高管表示，未来5年内没有裁员计划，也未预见会裁员。
这种审慎的态度并非失败，而是一种智慧。
这些暂未被颠覆的行业，正对AI的实施进行深思熟虑，而不是盲目冲入混乱的变革。
科技和媒体行业之所以发展更快，是因为它们能承受更高的风险。超80%高管预计，公司将在24个月内缩减招聘规模。
另一个需要注意的点是，企业AI预算中，有一半都砸在了销售和营销上。
然而，真正赚钱的其实是，那些不起眼的后台自动化项目。
比如，通过AI取代外包合同，企业每年能剩下200万-1000万美元的客服和文档处理成本，还能砍掉30%外包创意费用。
更牛的是，这些收益没靠裁员实现。AI工具提升了工作效率，但并未改变团队结构、预算。
MIT这份报告，并未证明AI的失败，恰恰揭示了——
AI的成功甚至已超出了企业的预期，员工早已走在了雇主的前面。
技术本身没有问题，问题出在企业的采购和管理方式上。
那些能跨越GenAI鸿沟的公司，共同点是，加以利用能深度融合、不断优化的工具。
至于那95%没搞成的企业AI试点，其实报告已经指出了一条明路：跟着90%已摸透AI门道的员工学习。
Contextual AI创始人认为，GenAI项目失败根本原因不在模型，而是上下文重要性被忽视
一位制造业高管表示，「我们处理某些合同的速度是变快了，但仅此而已」。
显然，他未能看到全局。
处理合同的速度加快，当这一改进乘以数百万员工和成千上万的日常任务时，不就是最后大爆发的生产力？
总言之，AI革命没有失败，它正在每一次的ChatGPT对话中，悄然取得成功。
另一份来自摩根士丹利报告，也从侧面印证了AI革命并未失败的观点。
其中的一项分析称，由AI带来的颠覆性变革，或能为标普500公司每年节省9200亿美元的成本——相当于总薪酬的41%，或2026年税前利润的28%。
而这个过程，将通过削减薪酬开支（裁员、自然流失、自动化）来实现。
报告的核心观点如下：
首先，在AI的冲击下，不同行业受到的影响程度也会有所不同。
比如日常消费品的分销与零售、房地产管理以及交通运输业是受冲击最大的几个行业。其中，由AI驱动的潜在生产力提升，预计将超过2026年预测收益的100%。
但对于半导体和硬件行业等，人力成本相对于其盈利而言占比较低的行业，可挖掘的AI价值潜力则相对较低。
其次，「完全自动化」与「任务级增强」之间，还是有区别的。
简单来说就是，软件应用中的AI智能体的作用，更倾向于重新分配任务，而非彻底取消岗位。
相比之下，以人形机器人形态出现的具身智能，则在物流和实体零售等行业构成了更直接的替代风险。
报告同时预测，在岗位替代的趋势下，全新的职位类别也将应运而生——从首席AI官（Chief AI Officer）到AI治理专家不一而足。
这与早期技术颠覆浪潮中，市场对程序员、IT专家和数字营销人员的需求激增如出一辙。
最后，分析师还指出，AI的全面普及可能需要数年甚至数十年的时间。
企业初期的重点将是依赖人员的自然流失和提升流程效率，而非立即进行大规模裁员，尤其是在那些由面向客户的岗位驱动收入的行业。
AI革命的浪潮已至，
总的来说，无论是从麻省理工学院深入一线的微观洞察，还是来自摩根士丹利高瞻远瞩的宏观分析，都指向了一个共同的结论——
AI革命的浪潮已至，学习并拥抱那些灵活、高效的AI工具，将会帮助你抓住这价值数万亿美元的时代机遇。
参考资料：
https://venturebeat.com/ai/mit-report-misunderstood-shadow-ai-economy-booms-while-headlines-cry-failure/
https://www.youtube.com/watch?v=5xxtVvqwkX4
https://fortune.com/2025/08/19/morgan-stanley-920-billion-sp-500-savings-ai-agentic-robots-jobs/
编辑：桃子 好困
本文由人人都是产品经理作者【新智元】，微信公众号：【新智元】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自ChatGPT网站截图
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。