2025年,MIT媒体实验室旗下的NANDA项目做了一次覆盖150多位高管访谈、350份员工问卷、300个公开AI部署案例的调研。结论只有一句话:95%的GenAI(生成式AI)试点项目,对P&L(损益表)没有产生任何可以衡量的影响。真正带来收益的,只有5%。
这份报告还有一个更扎心的补充:这95%里,大多数项目并没有卡在"做不出来"这一步——它们大都顺利上线了,技术本身没有问题。企业把最多的预算投向了销售和市场类AI试点,因为这类项目demo效果最好、最容易过审批;可恰恰是这类项目回报率最低。真正带来最高回报的,是后台自动化这类不起眼、不容易拿去汇报的项目。
如果你在过去两年参与过企业AI建设,大概率见过这类"最容易做"的项目原型——企业知识库问答、内部文档总结助手。这几乎是每一家开始建设AI能力的组织都会走的第一步:数据现成,技术成熟,风险几乎为零,demo效果又好看。它们几乎从不在"能不能做出来"这一关失败,上线那天甚至还会内部通报一下,截个图当作AI建设的第一个里程碑。
真正的悬念,出现在上线三个月之后。打开后台一看,日活寥寥无几——大部分员工出于新鲜感问过一两次,接下来就再也没打开过。系统还在,只是没人真的靠它做过什么决定。这不是某一家公司的运气不好,前面那份跨行业调研已经说明,这是一种普遍存在的组织行为模式。
知识库问答只是这个阶段最典型的样本。再过几年,这类"最容易做"的项目,形态会变,但只要判断标准还停留在"这个项目能不能做成",同样的结果就会在下一个新工具身上重演一次。
低垂果实没有错,错的是一直摘同一颗
"先做最容易做的项目",这个选择本身没有问题。对于第一个AI项目、第一笔预算、第一支团队来说,这几乎是唯一正确的答案——组织需要用一个低风险、周期短的项目,先把"AI能不能在我们这里跑起来"这件事证明给自己看,也证明给上面看。
问题是,大多数组织在拿到"能跑起来"这个答案之后,并没有换一套挑项目的标准,而是继续沿用同一套逻辑去选第二个、第三个:谁的数据最容易拿、谁的demo最好看、谁最容易过审批,就先做谁。一个组织成长以后,最危险的惯性,就是继续使用初期的成功经验。 用来验证能力的标准,被当成了配置资源的标准,一直用了下去。
这背后还有一层更现实的原因:没有人给出过第二把尺子。风险高低、周期长短,都是立项会上能被量化、能被写进PPT的东西;"这个项目会不会改变未来决策流程",却很难在立项阶段被量化,也没有现成的模板去论证。
还有一层更隐蔽的动力:越是不触碰任何人权限、不改变任何流程归属的项目,跨部门推动起来越顺畅——没有人会因为多了一个知识库问答工具而丢失什么话语权。技术上无害,很容易被组织默认成政治上安全,而政治上安全的项目,比需要触碰决策权归属的项目,更容易被批准。
FDE重新理解机会成本
FDE(Forward Deployed Engineering,前线部署工程,落地工程)看这类项目,问的不是"这个项目能不能成功",而是:这份建设资源、这段投入,本来还可以投向哪里。
资源投入到一个方向,就意味着放弃了投向所有其他方向的可能性——这就是机会成本…