MIT揭AI真相：80%企业在用仅5%获益？6招破解“鸿沟”困局

更新时间：2025-09-21 10:49  浏览量：1

前阵子MIT（麻省理工学院）出了份报告，直接给当下的AI热浇了盆冷水。

现在不少公司都在碰生成式AI，有的是随便试试水，有的还专门花钱订了服务，但真正能把AI推进到实际生产里、帮公司赚着钱或者提了效的，没几家。

报告里管这情况叫“AI鸿沟”，简单说就是看着用AI的公司多，真尝到甜头的没几个。

这结果初看挺意外，细想又觉得合理，咱们自己平时用ChatGPT写个文案、Claude改段代码，确实顺手，干活速度明显快了。

但到了公司层面，为啥就不好使了？我之前看Gartner也提过类似情况，全球好多公司都部署了AI，可真能把AI用出规模化价值的，也就那么零星几个。

比如有的零售公司，花大价钱让AI做个性化营销，点击率是高了点，可后台财务对账还是靠人工，每月结账时一堆错漏，光返工就耗好几天，这哪是用AI提效，分明是捡了芝麻丢西瓜。

很多公司搞AI，其实有点“跟风凑数”的意思，老板开会时提一嘴“我们在布局AI”，显得公司跟得上潮流，可真要落地解决具体问题，反而没规划。

比如有的互联网公司，把AI全用在前台“炫技”上，又是自动写营销脚本，又是搞智能客服回复，数据看着亮眼，点击率涨了点，回复速度快了点，但后台的合同审查、供应链预测这些真正能省成本的环节，还是老样子。

更有意思的是“影子AI经济”，不少员工自己用个人账户调用AI工具干活，效率挺高，可公司不仅不鼓励，还怕出问题禁止。

本来这些员工摸索出的好用法，完全能变成公司级的方案，结果就因为管理层没重视，个体效率没法变成公司效率。

如此看来，好多公司的AI热，更像是“表面热闹”，没落到实处。

想跨越AI鸿沟，先得弄明白AI到底咋帮公司提效，现在业内有俩说法挺靠谱，能帮咱们理清思路。

一个是“预测机器”的说法，AI最擅长的是降低“预测成本”。

比如工厂要生产，得先猜市场要多少货，以前得花大价钱调研、请专家分析，现在AI能快速算出来。

但光有预测不够，还得有人“判断”，比如预测到某款产品会缺货，是赶紧加生产线，还是先跟经销商协调？这些没法量化的事，AI干不了，得人来定。

之前有个国有银行搞AI信贷审批，AI算客户违约率算得飞快，可到底批不批贷款，没人敢拍板，最后效率也没提多少，很显然，AI和人的配合得跟上，缺了哪头都不行。

另一个是“自动化”的说法，AI能替人干些重复活，还能帮人调岗位。

比如有的员工既会策划又会写文案，以前因为文案缺人，就一直让他写文案，浪费了策划能力。

现在AI替他写文案，他就能转去做策划，俩活的效率都能提上去。

但这里有个前提：AI替的活得是真能省时间的，而且人转岗后得有合适的活干。

要是AI只替了些本身就不费功夫的杂活，人转岗后又没事做，那效率还是上不来。

弄明白AI咋干活，就知道为啥好多公司掉沟里了，不是AI不行，是好多坎没迈过去。

先说技术上的坑，最常见的是“数据不凑手”，每个公司的业务不一样，数据也没法跟别人共享，想训个好用的AI模型，得自己从头攒数据，还得买设备维护，成本一下就上去了。

还有“老系统拖后腿”，比如美国社保系统用的还是几十年前的语言，之前马斯克想帮着改AI，结果根本对接不上，最后只能不了了之。

很多公司都有这“技术债”，想改又怕麻烦，只能硬扛着。

再说说非技术的坑，这其实更要命，有的公司引进了AI，可组织架构没调，各部门还是各干各的。

AI算出来的结果，销售部觉得跟自己没关系，生产部又看不懂，最后就是一堆报告堆着，啥用没有。

还有的公司找AI替人，专挑客服、数据录入这些本身就便宜的岗位替，这些岗位对整体效率影响不大，替了也没多大用，反而把有经验的员工放走了，得不偿失。

跨越AI鸿沟没那么玄乎，不用一上来就搞大项目，先从后台小事做起，比如让AI帮着审合同、对账单，这些活见效快，还能帮公司省成本。

再就是别拦着员工自己用AI，多问问他们觉得啥工具好用，把这些好用的工具整合进公司系统，员工也愿意用。

AI不是万能药，不能指望一用就见效，得慢慢调、慢慢试，把AI和公司的活儿真正揉到一块儿，等这些小事做好了，那道AI鸿沟，自然就慢慢填上了。