标签

企业AI为何困在概念验证?两大巨头动作暴露三大致命陷阱

发布时间:2026-05-08 17:18来源:微信阅读:6

近九成AI项目未能投入生产,仅一成企业实现规模化收益。Anthropic与OpenAI同日宣布115亿美元企业级部署投资,恰恰印证——症结不在模型本身,而在落地方法。

或许你已尝试将AI嵌入业务流程。跑通概念验证,效果尚可,领导也颇为振奋。然后呢?然后便没了下文。

这并非个案。Gartner预测,到2025年底,三成生成式AI项目将在PoC后终止。BCG调研1400余位高管,结果更令人警醒:近九成将AI列为前三战略重点,却有三分之二对自身AI进展不满。

5月4日,Anthropic与OpenAI同步宣布成立企业AI部署合资公司。Anthropic携手黑石、高盛,估值15亿美元;OpenAI更激进,集结19家投资方,融资40亿美元,估值达100亿。双方不谋而合地采用同种模式——Palantir式的“嵌入式工程团队”。

此坑最为常见,也最具毁灭性。

BCG调研中,62%高管将“人才与技能缺口”视为AI落地头号难题。然而实情是,许多项目夭折并非因缺人,而是数据根本不可用。

试想,企业内部数据处于何种状态?财务系统一种格式,CRM系统另一种,ERP又是第三种。同一客户姓名在三套系统中拼写可能各异。想靠AI做客户画像?先统一数据口径再说。

业界共识是,数据治理占AI项目总工作量的四成至六成。多数人视其为“苦差事”,企图跳过直奔模型调优。结果?模型输出惨不忍睹,随后归咎于AI“不可靠”。

Anthropic在公告中描述的合作模式耐人寻味:“工程团队与临床医生及IT人员并肩协作,构建融入既有工作流程的工具。”注意,并非先打造强大模型再寻应用场景,而是先理解业务流程,梳理数据流转,最后才确定适用模型。

落地建议:启动PoC前,先投入两周开展数据盘点。数据存放何处?格式是否统一?质量是否达标?有无缺失?这些问题不解决,后续努力皆成徒劳。

诸多企业选择AI场景的方式是——见他人做什么便跟风。智能客服流行便上马智能客服,代码生成火热便部署代码生成。却鲜有人认真测算:该场景的投资回报能否为正?

BCG数据显示,九成企业高管仍处于观望或小规模试点阶段,仅一成公司真正从AI获取规模化价值。为何如此?因多数企业所选场景,要么是“领导认为新颖”,要么是“行业都在追”,而非“业务真实所需”。

反观成功案例。Palantir为何能持续增长?2026年Q1财报超预期,主要依赖美国政府机构订单。政府为何愿买单?因Palantir解决的是具体问题——情报研判、供应链优化、作战规划。每个项目都有清晰的ROI核算。

对比许多企业内部AI项目,立项时写的是“提升效率”、“赋能业务”等模糊目标。完成PoC,效果“似乎不错”,但究竟节省多少人力、提升多少转化、缩短多少周期?无人能说清。说不清便无法向管理层争取预算,项目就此停滞。

落地建议:选场景时使用此公式——AI价值 = (现有成本 - AI后成本)× 发生频次。先算清当前成本,再算AI能节省多少,该场景多久出现一次。数字可观,再动手实施。

这是近期行业变化最显著的领域。

过去两年,多数企业使用AI的方式是调用API——OpenAI、Azure、AWS Bedrock。启动快,无需自建基础设施,按需付费。此即SaaS/API模式。

但问题随之而来。金融、医疗、政务等行业,数据不得出企业。将客户数据上传至OpenAI服务器?合规部门首先否决。即便非强监管行业,数据量激增后,API费用也难以承受。

此时你可能考虑:是否自行部署开源模型?可行,但需组建团队。一个合格的AI团队,年薪加基建成本,每年至少200-500万元。且从建队到产出,需12-24个月周期。许多企业耗不起。

Anthropic与OpenAI此番动作,本质是在推动第三条路径——嵌入式工程模式。AI公司派遣工程师入驻企业,理解业务,定制方案。听起来理想,代价也不菲。Palantir单个项目,百万美元起。

因此当前真正跑通的企业,采用混合模式:通用任务调API,敏感场景私有化部署,复杂项目选择性引入驻场。据行业报告,七成以上企业已在实践此混合策略。

落地建议:切勿一开始就选择“最高级”模式。先用SaaS API验证场景可行性,跑通后再考虑私有化。需深度定制的场景,再引入驻场支持。渐进式演进,远胜一步到位。

Q:我司规模较小,是否也需如此复杂? A:无需。中小企业最适合从SaaS API切入,选择1-2个高频场景做PoC。关键是场景选对、数据备妥,模式反倒次要。

Q:PoC效果良好,但老板不愿拨款推进生产环境怎么办? A:问题大概率出在ROI未量化。回去将PoC结果转化为数字——节省多少人力、提升多少效率、降低多少成本。用数据说话,管理层才好决策。

Q:开源模型与商业API如何抉择? A:视场景而定。数据敏感度高、调用量大,选开源模型私有化部署(如DeepSeek、Llama)。数据不敏感、调用量小,商业API更省心。多数企业混合使用。

Q:Anthropic与OpenAI的驻场服务,中小企业能否使用? A:目前来看,这两家目标客群为中大型企业。中小企业可关注本地化AI服务商,或使用Palantir AIP等平台自建。

作者简介:clarance,DataFocus内容创作者,专注AI+BI融合实践,持续追踪企业AI落地动态。

参考文献:

点击“阅读原文”进入 DataFocus 官网,或长按二维码,加入技术交流群,了解更多产品及最佳实践信息,期待您的留言、反馈、分享和交流。