在阅读文章前,辛苦您点下“关注”,方便讨论和分享。作者定会不负众望,按时按量创作出更优质的内容。文 |功夫鱼前 言AI这个曾被誉为“新电力”“第四次工...
2025-09-21 0
在阅读文章前,辛苦您点下“关注”,方便讨论和分享。作者定会不负众望,按时按量创作出更优质的内容。
文 |功夫鱼
AI这个曾被誉为“新电力”“第四次工业革命”的技术,正在快速改变我们的工作方式,然而麻省理工学院的一项报告却揭示了一个令人震惊的事实,80%的企业都在用AI,但95%的项目却未能带来实质性的回报。
为什么这个看似革命性的技术在企业转型中频频失效?是AI本身的问题,还是企业在应用中出了岔子?这背后究竟隐藏着怎样的“AI鸿沟”?
你有没有觉得最近大家都在谈AI,就像突然大家都在讨论那个天外来物,“AI是新的电力!AI是新的互联网!AI是‘第四次工业革命’!”简直像是某种“AI教”教徒的集体狂欢。
各种论坛、年会、推介材料,听到的都是:“AI将全面改造企业!”是不是听得有点头大,不过麻省理工学院(MIT)最近的一份报告,却给这场盛大狂欢泼了一盆冷水,80%的公司都在试用生成式AI,可真正开始赚钱的却只有5%,剩下95%的公司,基本上在AI的“试水”阶段就止步不前,成了所谓的“AI鸿沟”里的无辜牺牲者。
简单点说就是大部分公司都在说:“我们也在用AI哦!”但其实能成功转型的屈指可数,大家其实并没有享受到真正的AI红利,反而像是花钱买了个新玩具,但它并没有给你带来你想要的惊艳效果,生产率提升几乎是零。
AI到底是不是个空中楼阁,还是根本就是个“伪装成魔法的普通工具”,虽然AI的宏观效果不像我们想象中那样炸裂,但它却悄悄在个人工作效率上发动了“影子AI经济”,大多数员工都已经在用ChatGPT、Claude这些工具加速完成写作、翻译、编程这些“日常工作”,他们的效率至少提升了好几倍。
既然AI已经像空气一样普及了,它到底是如何提升生产率的呢,咱们得搞清楚这里面其实有两个理论,一个叫“预测机器”,另一个叫“自动化”。说得简单点一个是把预测成本给消减了,另一个就是用AI替代掉那些低效、低价值的工作。
先说说“预测机器”理论,听起来像科幻片的名字,其实就是讲AI在预测领域的牛逼之处,举个例子你是老板,要预测产品需求,过去你可能要请专家、做市场调查搞得头大。
而现在AI就能轻松地从大量数据中预测未来,让你少花钱、少出错,问题来了预测不是一锤子买卖,它还得和“判断”结合,预测结果出来后,你得知道怎么做决策,AI可不懂人情世故,它只能提供数据,最后还是得有个人做决定。
接着是“自动化”理论,AI就像个超能助手,帮你替代掉那些重复、无聊但却又必不可少的任务,比方说客服、文案、数据录入等,你把这些活交给AI,自己就可以腾出时间做更有价值的事。
问题是这种自动化能提高效率,前提是你要替代的任务本身就得是低效的,否则AI的贡献也就是“鸡肋”效率提升有限。
那既然AI这么好,为什么大家的转型效果差强人意,问题出在两个层面技术性原因和非技术性原因。
先看技术性问题,首先是数据问题!你总不能让AI学习到一些碎片化的、没有价值的数据吧,要训练AI,企业需要大量高质量的数据,但每家公司都有自己的“私房数据”,很少愿意共享。
所以要训练一个AI模型,就像在做一场数据“马拉松”,你得从零开始收集和整理,这对于很多企业来说,简直是巨大的技术负担。
然后是“学习缺口”,现在的AI就像个永远也长不大的孩子,每次给它一个任务,它都得从头学起,永远不记得以前做过的事,这就导致了AI的成本不会随着任务次数的增加而降低,换句话说AI并不能像人类一样,经过多次实践变得越来越聪明。
还有“技术债”,就像你把一栋老房子住到漏水了,但你没钱重建,只能每年修补一些破洞,许多公司在过去的IT建设中积累了大量的技术债,那种过时的、破碎的系统架构,后来想用AI改造时,简直是硬着头皮去碰,修修补补做起来“累觉不爱”。
再来说说非技术性的原因,首先是企业的组织结构和激励机制没跟上,很多公司在引入AI时,忘了同步调整内部结构,AI能提高预测精度,但部门之间的“内耗”也随之增多,各自为了自己的利益做决策,结果大家的步调不统一,AI的作用反而被浪费了。
那么AI替代的是哪些岗位,我们现在用AI替代的都是文案、客服这种岗位,这些本来就是成本低、工作单一的岗位,AI的影响有限,真正能提升整体效率的,反而是那些后台的复杂任务,比如财务对账、合同审查、供应链预测等,然而很多公司却偏偏忽视了这些领域,结果只在前台“做做样子”。
如何跨越这个“AI鸿沟”,关键在于六个字决策闭环!你得把AI的预测和人类的判断结合起来,不能让预测停留在报告里,要让它直接推动行动,还得改造员工技能体系,让AI和员工“协作”,而不是单纯的替代,还有建立反馈机制,让AI能不断学习和进化,避免一直停留在“新手”阶段。
另外技术债和系统改造也是必须面对的难题,就像打游戏时,碰到的最难的副本,得耐心去攻克。别再想着直接推翻重来,渐进式改造,模块化推进才是最务实的选择。
跨越“AI鸿沟”,不仅仅是技术的突破,更是管理和制度的大调整,你得从后台、从员工的日常工作中入手逐步推进,才能真正让AI释放出它的潜力,真正的突破,不是在前台“炫技”,而是在后台的深层改造。
相关文章
在阅读文章前,辛苦您点下“关注”,方便讨论和分享。作者定会不负众望,按时按量创作出更优质的内容。文 |功夫鱼前 言AI这个曾被誉为“新电力”“第四次工...
2025-09-21 0
前言这年头,AI被吹得神乎其神,又是“重构生产力”又是“超级智能时代”,听着就玄乎。但最近有人扒了上百万条ChatGPT的对话记录,把普通人用AI的真...
2025-09-21 0
前言别管芯片谁造得快,先看看数据怎么跑得动。在全球拼AI、拼算法、拼芯片的热潮中,有个容易被忽略的真问题正悄悄浮出水面:算力不是光有“力”就行,还得“...
2025-09-21 0
相信很多用户都遇到过这样的困扰,刚刚为干净的地面感到欣慰,却不得不面对基站内部残留的污垢和毛发。洗地机基站会有异味吗,怎么处理?这个问题困扰着无数用户...
2025-09-21 0
今年8月初,PCI SIG组织官方宣布了PCIe 8.0标准规范,计划2028年正式发布。现在刚刚过去不到两个月,PCI SIG已经完成了PCIe 8...
2025-09-21 0
成都在科技创新领域不断发力,取得了一系列亮眼成绩。2024年,国家级创新平台达146个,国家高新技术企业总数预计突破1.45万家,同比增长11.5%。...
2025-09-21 0
2022年底,一款名叫ChatGPT的AI工具横空出世,不仅让人们感到科技的震撼,也让一些“传统”AI工具的前景蒙上阴影。比如,写作辅助工具巨头Gra...
2025-09-21 0
近年来,二手手机市场是彻底火了 随着iPhone 17和iPhone Air的发布,大家换手机的速度也越来越快,手机更新周期直接缩短了不少。 不仅苹果...
2025-09-21 0
发表评论