为什么95% AI落地失败：来自MIT的报告

以下内容提炼自MIT的报告：The GenAI Divide STATE OF AI IN BUSINESS 2025；

1. 核心发现：GenAI鸿沟 (The GenAI Divide)

报告的核心论点是，企业AI领域正经历一个深刻的“GenAI鸿沟”——绝大多数（95%）的企业在AI投入上获得了零回报。这个鸿沟体现在：

高采用率 vs. 低转型率：虽然超过80%的企业探索或试点了 ChatGPT、Copilot 等通用工具，但只有约 5% 的定制化企业级AI系统成功进入生产环境。用户偏好 vs. 企业实践：员工普遍喜爱并高频使用免费、灵活的通用工具（如 ChatGPT），但对昂贵、僵化的定制企业AI工具感到失望，认为它们“脆弱”、“不适应工作流”且“无法学习”。2. 鸿沟的根本原因：学习缺失 (The Learning Gap)

报告明确指出，阻碍AI规模化应用的根本障碍不是技术、法规或人才，而是 “学习能力”的缺失。

当前工具的致命缺陷：无论是通用工具还是企业定制工具，绝大多数都缺乏记忆（Memory）、上下文适应性（Contextual Adaptation）和持续学习（Continuous Learning）的能力。用户需求：员工在处理关键任务时，需要的是能记住历史交互、从反馈中学习、并不断优化的系统，而不仅仅是能生成一次性内容的模型。通用工具（如 ChatGPT）因缺乏这些能力，无法用于核心业务流程。买而非建 (Buy, Don't Build)：与外部专业供应商合作开发的解决方案，其成功部署率（~67%）是内部自研（~33%）的两倍。以业务结果为导向：评估工具的标准不是技术指标（如准确率），而是可衡量的业务成果（如成本节约、流程加速、客户留存率提升）。深度定制与集成：要求供应商深刻理解并深度嵌入到现有的、具体的业务工作流中，而不是提供通用的“万能”解决方案。赋能一线员工 (Bottom-up Adoption)：鼓励并采纳由“产消者”（Prosumers，即日常使用AI工具的员工）提出的用例和工具，让业务部门主导创新，而非依赖中央AI团队。关注后端价值：最大的 ROI 往往隐藏在被忽视的后台职能（如财务、采购、法务、后台运营），通过自动化替代 BPO（业务流程外包）和外部代理机构来实现显著的成本削减（数百万美元），而非裁员。聚焦狭窄、高价值用例：不要试图打造全能平台，而是选择一个具体、痛点明显的小型工作流（如合同审查、电话摘要、代码生成）作为切入点。构建“智能体” (Agentic) 系统：开发具备持久记忆、能自主学习和迭代优化的智能体系统，而非静态的问答机器人。低摩擦、快见效：工具必须易于部署、配置简单、能快速展示价值（Fast Time-to-Value）。信任先行：利用渠道合作伙伴、同行推荐和现有供应商网络来建立信任，因为企业在采购决策中极度看重信任和社交证明，远超功能本身。4. 未来趋势：智能体网络 (The Agentic Web)

报告预言，下一代AI基础设施将超越单个智能体，演变为一个 智能体网络 (Agentic Web)。

基于 NANDA、MCP、A2A 等新协议，不同AI智能体将能自动发现、协商、协调，跨平台、跨组织边界地完成复杂任务（如自动寻找供应商、谈判合同、执行交易）。这将从根本上改变商业运作方式，从人类中介的流程转变为去中心化、自主运行的网络。停止投资于那些需要你不断提示、无法学习的“静态”AI工具。开始合作：寻找并投资于能提供深度定制、具备学习能力的外部供应商。重新设计组织：赋予一线业务经理权力，让他们成为AI创新的驱动力。着眼长远：关注能带来可持续成本节约（尤其是后台自动化）和工作流效率提升的方案，而非仅追求表面的“炫技”演示。

NANDA 和 A2A 是为构建下一代人工智能基础设施——**“智能体网络”（Agentic Web）**而开发的底层协议和框架。

它们不是具体的产品或公司，而是旨在解决当前AI工具 “缺乏记忆、无法学习、难以协作” 的核心问题（即“学习鸿沟”），并实现AI智能体（Agents）之间自主发现、协商和协调的关键技术标准。

定义：由 MIT Project NANDA 开发的基础设施。作用：建立在其他协议之上（如 Anthropic 的 Model Context Protocol - MCP），用于构建可扩展的分布式智能体架构。关联：作为未来智能体网络的一种实现路径，帮助推动 AI 能力转化为可衡量的商业成果。A2A 是基础通信协议，规定了智能体之间“怎么说”。NANDA 是基于 A2A 等协议构建的架构，提供大规模、去中心化智能体协作的完整方案。共同目标：超越当前孤立、需要人类提示的 AI 工具（如 ChatGPT），构建去中心化、自主运行、能自我优化的 智能体网络 (Agentic Web)。在这个网络中，不同 AI 智能体可以像互联网上的网站一样，自动发现彼此、协商任务、共享数据并完成复杂的端到端工作流，从而彻底改变企业运营模式。