公司里的 AI 智能体演示很漂亮，为什么多数都没能真正上线？小编先给结论：根据 MIT Project NANDA《GenAI 鸿沟》报告背后的研究，2025 年上半年有 60% 的组织评估过企业级 AI 系统，20% 把它推进到试点，只有 5% 走到了生产。这条漏斗压在估计 300 亿到 400 亿美元的企业生成式 AI 支出之上，同一批研究者发现，95% 的组织没有得到可衡量的回报。
智能体让这笔账更难算。聊天机器人答得不好，只浪费某人一分钟；智能体发错一笔退款、覆盖掉一条客户记录，就会给财务、客服，以及要向客户解释的人制造新工作。演示把这些都藏起来了：它用干净的输入、友善的观众，也没有谁的生产预算。让智能体越过这道坎的，多半是不起眼的集成、测试和运维工作。
试点是容易的那部分
尝试智能体的公司占比已经不是最有意思的数字。麦肯锡 2025 年《AI 现状》调查发现，23% 的受访组织正在业务某处扩展某个智能体 AI 系统，另有 39% 在做智能体实验。但往下一层看，扩展的规模很单薄：多数扩展者只在一两个职能里做，没有任何单一业务职能有超过 10% 的受访者报告已规模化部署智能体。
放弃率也在同时攀升。标普全球市场情报调查了北美和欧洲 1000 多家公司，发现放弃大部分 AI 项目的公司占比从一年前的 17% 跳到了 42%，平均每家组织在概念验证走到生产之前，就废弃了其中的 46%。演示证明的是模型能把任务做一次；生产意味着在杂乱的输入上做一万次，并由一位明确的负责人对每个结果负责。这是两个不同的项目、不同的预算，而多数组织只给第一个拨款。
试点卡住的五个地方
| 卡点 | 表现 |
|---|---|
| 数据是精心挑选的 | 试点数据集由希望试点成功的人组装。Gartner 对数据管理负责人的调查发现，63% 的组织要么缺少、要么不确定自己是否拥有 AI 所需的数据实践；Gartner 预计，到 2026 年，缺乏 AI 就绪数据支撑的 AI 项目有 60% 会被放弃。 |
| 集成是模拟的 | 演示读的是一个 CSV 导出文件；生产中的智能体要通过真实认证调用 ERP，遵守速率限制，还要扛得住没人通知的表结构变更。 |
| 没人定义“正确” | 输出由运行演示的人，挑他们选的案例来评判。没有几百条书面测试用例和约定的通过率，就无法判断第二版是否比第一版好。 |
| 系统不会学习 | MIT 研究者把这点放在鸿沟的核心：他们研究的多数工具不保留反馈，也不适应上下文，员工于是悄悄改回手工做。 |
| 负责人随黑客松散场 | 试点由爱好者推动；生产需要一位为智能体错误负责的业务负责人，以及一位能在凌晨两点读它运行轨迹的待命工程师。 |
规模越大，越慢
MIT 团队还给这个转换计了时：中型企业从试点到全面实施大约 90 天，大型企业要九个月或更久，原因是更多审批、更多遗留系统，以及每人都握有否决权的更多利益相关方。耐心也不一定换来结果。IBM 2025 年对 2000 位 CEO 的研究中，受访者称近年的 AI 举措只有约四分之一达到预期投资回报，仅 16% 在全企业范围内规模化；一半的人说，投资的节奏让他们留下了互不连通的技术。
真正上线的团队做对了什么
德勤 2026 年《企业 AI 现状》调查了 24 个国家的 3235 位负责人，发现只有 25% 把 40% 或更多的 AI 试点推进到了生产；另有 54% 预计在三到六个月内达到这一水平。前一个数字是实绩，后一个是预测，而这个领域里的预测老化得很糟糕。已经在第一组的组织有几个共同习惯：
- 选一个带数字的工作流，比如每天清理的发票异常数，或无需升级就关闭的工单数，而不是笼统地“用智能体”。
- 在试点开始前，就给集成、监控和评估编预算，这样一个好演示就不用干等六个月的第二轮融资。
- 先写测试集，再写智能体。
- 把交给人工的环节当作设计出来的功能：智能体认出某个案例超出能力，就带着上下文转交出去。
这些在技术上都不难，在组织上却不方便，这正是它们常被跳过的原因。如果您的团队也在评估 AI 在编程环节的风险，可以顺着读小编写的 AI 生成代码的风险与检测平台。
给第二个问题拨款
试点回答一个问题：模型能不能做这件事？生产问的是更难的：在一个糟糕的周二，CRM 很慢、输入是一份扫描的 PDF、写提示词的人在休假，业务能不能照样靠模型把这件事跑下去？只为第一个问题付钱的预算，正是有希望的试点最终落进放弃率数字里的原因。一年后仍在运行的智能体，多半属于那些从第二个问题开始的团队。
常见问题（FAQ）
为什么多数 AI 试点走不到生产？
常见原因是数据是挑选的、集成是模拟的、没有定义“正确”、系统不会学习，以及试点负责人没有接手生产责任。
MIT 报告里的 5% 是什么意思？
2025 年上半年，60% 的组织评估过企业级 AI 系统，20% 走到试点，只有 5% 走到生产。
企业规模对落地速度有影响吗？
有。MIT 发现中型企业约 90 天从试点到全面实施，大型企业要九个月或更久。
团队怎么提高上线成功率？
选一个带指标的工作流，试点前就给集成、监控和评估编预算，先写测试集，并把转交人工设计成功能。