问你一个问题：你们公司买了AI工具吗？买了的话，你用吗？
我猜大部分人的答案是：买了，但不怎么用。或者更诚实一点——公司买的不好用，我偷偷用自己的ChatGPT。
你不是一个人。
MIT刚发布了一份报告，叫《The GenAI Divide: State of AI in Business 2025》，翻译过来就是"GenAI鸿沟"。这份报告调研了300多个AI项目、访谈了52家企业、问卷了153名高管。
结论很扎心：企业在AI上砸了300-400亿美元，95%没有产生任何可衡量的财务回报。
但更有意思的是另一个发现——
只有40%的公司购买了官方的AI订阅服务。但是，超过90%公司的员工都在用个人AI工具处理工作任务。
MIT给这个现象起了个名字：影子AI经济（Shadow AI Economy）。
---
01
影子AI：员工在用，公司不知道
什么叫影子AI？
就是员工用自己的ChatGPT Plus账号、Claude订阅、或者其他消费级AI工具来处理工作。公司IT部门不知道，老板也不知道。但活干得又快又好。
MIT的研究者采访了很多这样的案例。
有一个中型律所的公司法律顾问，她们公司花了5万美元买了一个专门做合同分析的AI工具。但她每次都是打开ChatGPT来处理合同问题。
为什么？
因为公司买的那个工具太难用了。 界面复杂、响应慢、还经常答非所问。反观ChatGPT，问什么答什么，还能记住上下文，用起来顺手多了。
这不是个例。MIT发现了一个有意思的矛盾：
对企业AI工具最持怀疑态度的那批人，恰恰是消费级AI的重度用户。
他们知道好的AI是什么体验。所以对公司买的那些半成品，容忍度越来越低。
---
02
95%失败，问题出在哪？
企业花了这么多钱，为什么95%的项目都失败了？
MIT的答案是四个字：学习差距（Learning Gap）。
什么意思？
不是模型不够聪明。GPT-4、Claude都很强。问题是企业部署AI的方式，把这些聪明的模型变蠢了。
具体来说，有三个致命问题：
第一，没有记忆。
你今天问它一个问题，明天它就忘了。每次对话都是从零开始。它不知道你们公司的业务逻辑，不知道上次讨论的结论，不知道哪些方案被否决过。
消费级ChatGPT现在都有记忆功能了，企业版反而没有。
第二，不会学习。
员工用了一年，AI还是那个AI。你纠正它100次同一个错误，第101次它还犯。没有反馈循环，没有持续优化。
MIT报告原文说得很直接：ChatGPT的局限恰恰暴露了企业AI的核心问题——它忘记上下文、不学习、无法进化。
第三，没有集成。
AI工具跟现有工作流是割裂的。你要先打开一个系统，复制内容，粘贴到AI工具，等它生成，再复制回来。
这个流程本身就够烦的了。一来二去，大家就不用了。
---
03
技术上怎么理解这个问题？
从技术角度看，MIT说的"学习差距"其实是三个能力的缺失：
能力
消费级AI（如ChatGPT）
企业级AI（大部分）
记忆
✅ 有（Memory功能）
❌ 无
适应
✅ 能根据用户习惯调整
❌ 静态部署
反馈循环
✅ 用户反馈影响模型
❌ 无法闭环
说白了，企业买的AI是"死"的，员工用的AI是"活"的。
死的AI就像一个新员工，你培训完他今天的工作，明天他全忘了。你又得重新培训。
活的AI会记住你的偏好，会从错误中学习，会越用越顺手。
这就是影子AI为什么效果更好的根本原因。
---
04
但企业级AI不是没救
说到这儿得补充一句：企业级AI不是天生就"死"的。
消费级AI靠算法自动学习。企业级AI呢？可以靠人工服务来弥补。
什么意思？
就是配一个专门的团队，做这几件事：
人工反馈收集：员工用了觉得不好，有人记录下来
知识库持续迭代：把新的业务规则、常见问题、纠错记录不断更新进去
定期调优：根据使用数据优化提示词、调整回答策略
很多AI供应商其实提供这种"运维服务"。问题是大部分企业买完工具就完事了，没有人持续喂养它。
就像你买了一盆植物，不浇水不施肥，怪它不长？
MIT报告里提到的那5%成功企业，很多就是这么做的——把AI当成需要持续培养的员工，而不是买来就能用的工具。
---
05
还有一个数据很有意思
MIT还发现，企业AI预算的分配有很大问题。
50%以上的AI预算投向了销售和营销。
这两个部门最显眼，老板最关注，所以钱往这儿砸。
但实际上，ROI最高的是后台运营和财务自动化。
为什么？
因为后台工作流程标准、数据干净、容错空间大。AI最擅长的就是这种重复性高、规则明确的任务。
销售和营销呢？变量太多，客户需求千差万别，AI的幻觉问题在这儿暴露得最彻底。
MIT报告里有一句话很精辟：
"企业把钱花在最显眼的地方，而不是最有效的地方。"
---
06
那5%成功的企业做对了什么？
MIT也分析了那5%成功的企业，找到了几个共同特点：
第一，买比自己做更好。
2024年的时候，47%的AI方案是企业自己开发的。到2025年，这个比例降到了24%。
为什么？因为自己开发的成功率只有外部采购的一半。
很多企业觉得自己数据独特、业务复杂，得自己搞。结果搞了一年，模型跑不起来，团队累得半死，项目不了了之。
外部供应商已经趟过无数坑了，拿来主义反而更快。
第二，从"影子AI"学习。
聪明的企业不是禁止员工用个人AI，而是去观察：员工在用什么工具？解决什么问题？哪些场景效果最好？
然后把这些需求标准化，采购能满足这些需求的企业级工具。
第三，让一线部门主导。
成功的AI项目不是IT部门或者AI实验室推的，而是业务部门自己发起的。
因为他们最清楚痛点在哪、流程是什么、什么样的解决方案能落地。
第四，先做后台，再做前台。
别上来就搞AI客服、AI销售。先把财务对账、合同审核、报表生成这些后台工作自动化了。
这些地方ROI最高，试错成本最低，还能给团队建立信心。
---
07
我的判断
MIT这份报告揭示了一个很讽刺的现实：
企业花大钱买的AI没人用，员工偷偷用的免费/便宜AI反而创造价值。
这说明什么？
说明AI落地的核心问题不是技术，是执行。
不是模型不够强，是企业部署的方式把模型搞弱了。
不是员工不想用AI，是公司提供的AI不好用。
所以我的建议是：
第一，别禁止影子AI，去研究它。
员工在用什么工具？解决什么问题？这就是你最真实的需求调研。
第二，别从销售开始，从后台开始。
财务、法务、HR、运营，这些地方的流程最标准，AI最容易落地。
第三，买比做更靠谱。
除非你是大厂有专门的AI团队，否则别自己造轮子。外部工具成功率是内部的2倍。
第四，让业务部门主导，不是IT部门。
谁用谁来选。IT负责安全和合规就行。
---
说白了就是，AI这东西，不是花钱买了就有用的。
95%的企业证明了这一点。
但好消息是，那5%成功的企业也证明了：只要方法对，AI是真能创造价值的。
关键是——别把活的AI搞成死的。
你们公司用AI的情况怎么样？是买了没人用，还是偷偷用个人工具？评论区聊聊。
