「95% 的 AI 试点都失败了」?这个数字连自己的报告都撑不住(易读版)

本文是同名深入版的精简版。所有关键数字都经过独立核查,想看完整论证和出处请读深入版。

一句吓崩股市的话

2025 年 8 月 18 日,Fortune 发了篇报道:"MIT 报告:95% 的企业生成式 AI 试点正在失败。"第二天,AI 股集体回调,Nvidia 跌 3.5%,Palantir 跌了近 9%。从那周起,"95% 的 AI 试点失败"成了这个行业被引用最多的数字——董事会里、研报里、卖你 AI 方案的销售嘴里,都是它。

这篇文章去把原始报告找来,逐字读了一遍,又把这个数字流传一年的每一站都查了一遍。结论先给:这个数字连它自己的报告都撑不住;但它背后有一个真问题,值得认真回答。

报告里到底写了什么

那份报告叫《The GenAI Divide》,MIT 的 Project NANDA 小组出品,26 页,版本号 v0.1,自己写着"初步发现"。拆开看,有四件事媒体从来不提:

第一,"95%"在报告里是三个对不上的说法。开头说"95% 的组织零回报";正文里唯一有数据图的 5%,说的是"定制企业 AI 工具"的漏斗——60% 的组织考察过这类工具,20% 试点了,5% 用进了生产。"没用进生产"和"零回报"是两回事:一家公司的定制工具黄了,员工可能正用着 ChatGPT 省下真金白银——这恰恰是报告自己测到的(见第四点)。顺带一提:漏斗里 80% 的组织压根没试点过,"95% 的试点失败"这句话里的"试点",大多数根本没发生;真去试了的公司里,成功率是四分之一。

第二,"成功"的定义是"有人夸"。报告原文:成功=用户或高管"评价说"带来了显著且持续的生产率或利润影响。不是看财务数据,是访谈里有没有人这么说。附录里还有另一套定义(六个月内有可测 KPI),两套对不上。报告自己承认:这些数字"方向上准确",六个月的窗口"可能低估成功率"。

第三,样本小得惊人。52 家机构的访谈,加四场行业会议现场收的 153 份问卷。就这些。而且报告的"审稿人"一栏写的是第四作者自己——自己审自己。

第四,报告里还有一批方向相反的数据,没人转述。90% 的受访公司里,员工在私下用个人 AI 工具干活,报告原话是"几乎每个人都在用",而且这种私下使用"常常比正式项目回报更好";通用聊天工具的试点转化率约 83%——是个成功故事。同一份报告,既能读出"AI 全面失败",也能读出"AI 无处不在",取决于你摘哪一句。

数字出门就变形了

流言变形通常要传好几手。这次不用——第一篇报道就变了。报告说"95% 的组织零回报",Fortune 标题写成"95% 的试点在失败";报告的样本是"52 家访谈+153 份问卷",Fortune 写成"150 个访谈+350 名员工调查"——这组数字在公开的报告里不存在,却被几十家媒体照抄,一年过去,没有一家更正。

再往后就是标准剧本:限定语一层层脱落,"95% 的生成式 AI 试点(六个月内没有可测利润影响)"最后变成"95% 的 AI 项目失败";出身也一路升格,从"NANDA 项目组初步发现"变成"MIT 研究"再变成"MIT Media Lab 研究"。到 2026 年,还杂交出了一个没有任何出处的新数字:"90% 的企业 AI 实施失败"。

写报告的人在卖什么

Project NANDA 是个做 AI agent 基础设施的项目。报告的诊断是:AI 试点失败,因为工具不会学习;解药是会记忆、能自适应的 agentic AI——而这正是 NANDA 自己在建的东西。报告正文两次把自家协议列为解决方案,结论一章建议企业"开始和供应商合作"。做深度复盘的 80,000 Hours 说得直白:四位作者全都在开发或销售报告推荐的那类框架,而报告顶着 MIT 的牌子,没有任何利益冲突披露。

批评者不少,而且都是具名的:Wharton 教授 Werbach 公开要求"公布完整数据,否则应该撤稿"。一年过去,回应是零:没有数据,没有更正,没有续作,MIT Media Lab 那个小组的出版物页面上根本不列这份报告。

还有一个对照:同一年,MIT 还有一篇方向相反的爆款研究——"AI 让材料发现提速",被大学者背书、被国会引用,后来 MIT 自己声明对其数据"没有信心",要求撤下(批评者称数据造假)。2025 年最出圈的两个"MIT 数字",一个唱衰一个唱多,全都没过体检。机构招牌不担保方法质量,好消息和坏消息一样需要验尸。

为什么"90% 成功"和"90% 失败"能同时上头条

2024 到 2026 年,你可以同时看到这些标题:微软委托的研究说"每投 1 美元回报 3.7 美元"、只有 1% 的受访者说没回报;PwC 调查 4,454 位 CEO,56% 说 AI 过去一年既没增收也没降本;Wharton 说近四分之三的高管"已见到正回报";麦肯锡说能把像样的利润影响归因于 AI 的公司只有约 6%。

它们没有谁在撒谎。它们用的是不同的尺子,而尺子每严一级,"成功率"就掉一档:

• 问"你估计你的回报是几倍"(选择题,"不知道"不算数)→ 99% 有回报;
• 只问已经部署了 AI 的公司"一年内有没有回报"→ 74%;
• 问高管"你感觉回报是正的吗"→ 74%(副总裁以上 81% 说是,中层只有 69%——问谁,答案就归谁);
• 问 CEO"你的 AI 项目达到自己的预期了吗"→ 25%;
• 看过去 12 个月实测的增收加降本 → 12%;
• 要求把 5% 以上的利润变化明确归因给 AI、且自评获得显著价值 → 约 6%;
• 要求"规模化产生价值"→ 5%。

看到了吗:NANDA 的 5% 在最严的那一端一点都不孤单——麦肯锡 6%、BCG 5%、PwC 12%,都挤在同一段。它的问题不是方向,是拿 52 个访谈报出精确数字,再把"没有显著利润影响"偷换成"零回报",最后被媒体放大成"AI 全面失败"。

顺带记住一个细节:卖 AI 的厂商,数字总是暖的;卖"AI 转型服务"的咨询公司,数字总是"少数人成功、你需要帮助"。BCG 自己的方法附录都承认:没注明"已实现"的数字,是受访者的预期,而且"可能有感知偏差"。

政府数据说:用得快、用得浅、藏着用

跳出厂商和咨询的问卷,官方统计和学术数据的图景是三句话。

用得快。生成式 AI 三年达到约 53% 的成人使用率,比当年的个人电脑和互联网都快。

用得浅。采用了 AI 的美国企业,57% 只在三个以内的职能上用;欧洲央行说,欧元区约七成企业"在用 AI",但用到能驱动转型的强度的只有约 7%。企业实际花的钱更能说明问题:企业卡支付数据显示,付费用 AI 的公司过了半数,但中位数公司的 AI 支出是每个员工每月 11.38 美元——一杯咖啡多一点。效果端最扎实的证据来自丹麦:研究者把全国工资记录翻了个遍(2.5 万名最容易被 AI 影响的工人),结论是 AI 聊天机器人对工资和工时的影响精确为零(能排除大于 2% 的效应)。用的人自己说省了约 3% 的时间——而实验室里同类任务的对照实验(医药界验证新药的那种方法)测出的提升要高一个数量级。宏观层面连高盛自己都承认:整体经济里"找不到生产率与 AI 采用之间的实质关系"——虽然他们 2023 年预测过 AI 十年能把全球 GDP 抬 7%。

藏着用。同一个时间点,三个官方口径打架:问企业,18% 在用;问工人,41% 在用;按就业加权算,78% 的劳动力所在的公司在用。为什么差这么远?一个重要原因:员工用自己的账号,老板看不见。一项覆盖 47 国 4.8 万人的调查发现,57% 的员工向雇主隐瞒自己在用 AI,把 AI 的产出当成自己的交上去。所以"95% 试点失败"和"人人都在用 AI"不矛盾:失败的是正式立项的项目,繁荣的是统计不到的影子使用。

历史上每次都这样

高失败率数字配权威署名,是个三十年的老配方,每一代都有:

• "只有 16% 的软件项目成功"(Standish,1994)——同一家公司的数据,换个统计口径,成功率能从 5.8% 变 94.2%。这个我们上一篇拆过。
• "85% 的大数据项目失败"(2017)——全部出处是 Gartner 一位分析师的一条个人推特,后来还删了。它被当"Gartner 研究"引用了快十年。
• "85% 的 AI 项目失败"(2018)——Gartner 原话是"85% 的 AI 项目会因数据或算法偏差产出过错误结果"(几乎是句废话),流传中变成了"失败率 85%"。
• "四分之三的 IoT 项目在失败"(思科,2017)——自家数据是:完成的项目里约三分之二被认为成功;"失败率 74%"是把"没自评'完全成功'的公司"全算成失败凑出来的。
• 最妙的是这个:哈佛商学院研究了两千多家拿到风投的创业公司,《华尔街日报》2012 年的报道口径是——"如果把失败定义为没达到预期投资回报,那超过 95% 的创业公司都失败了。"同一批公司,按倒闭清算算,失败率只有三四成。95% 这个数字,在 AI 之前就有一个一模一样的先例,配方相同:把及格线画在"完美",失败率想多高有多高。

新药研发从一期临床走到上市,成功率约一成,没有人因此说"制药不行"——高失败率是漏斗的形状,是所有搞实验的领域的常态。真正该记住的是:这些失败率数字,几乎从来没在测它们声称测的东西。而且辟谣没用——有研究统计过,引用了辟谣文献的论文里,继续以讹传讹的和真正纠正的,是 12 比 1。

四种理论怎么读这个数字

经济学里有四套框架,对"95% 试点没回报"给出四种解读,而且开的药方互相矛盾:

1. 生产率 J 曲线:新技术早期的投入(改流程、建数据、培训人)在账上全是成本、不是产出,所以"测不到回报"正是变革期的标准长相,越是大技术越明显——熬过去就好。提出者 Brynjolfsson 在 2026 年初宣布美国正在"走出谷底";同一周,另一位首席经济学家写道:"AI 无处不在,唯独宏观数据里没有。"谁对,还没裁决。
2. 吸收能力:公司消化新技术的能力是自己练出来的副产品,买不来;缺这个能力的公司,失败不是运气差,而且可能永远过不了这道门。这派最扎心的一点:NANDA 报告也说问题是"learning",但它说的是工具要会学(所以买我们的 agent 框架),这派说的是组织要会学(所以别指望买工具解决)。同一个词,两张相反的购物单。
3. Acemoglu 的天花板:也可能 AI 眼下能创造的企业利润本来就少——他算的上限是十年抬升生产率不到 0.66%。按这个读法,95% 不是测量假象,是正确地测到了一个小效应,等十年也不会反弹。
4. 电气化的历史:1900 年的人完全可以说"发电机无处不在,唯独生产率数据里没有"——电气化等了四十年,等到工厂重新设计、新一代工程师长成,回报才来。回报的大头从来不在省电费,在重构工作流——而今天只有约 21% 的组织重新设计过工作流。

三层事实可以同时成立:任务层面 AI 的提升是真的(实验反复复现),企业层面的利润归因普遍缺席(严口径 5-12%),宏观层面还没有信号。四套理论赌的是这三层之间会不会传导。

这篇文章的判断,怎么检验

按证据从硬到软:

1. "95% 的组织零回报"在报告里没有数据支撑——报告里唯一可追溯的 5% 是定制工具漏斗,而"没进生产"不等于"零回报"。原始 PDF 可逐字核对。
2. 报告样本是 52 家访谈+153 份问卷;Fortune 写成 150+350,公开版本里不存在这组数字,至今未更正。
3. "成功"的定义是访谈里"有人夸",且报告自认数字只是"方向性准确"。
4. 报告作者在卖报告推荐的解药(agentic AI 框架),无利益冲突披露;被公开要求"公布数据或撤稿"后,一年零回应。
5. 最严口径下的独立测量收敛在 5-12%(麦肯锡约 6%、BCG 5%、PwC 12%)——NANDA 的 5% 方向不孤单,孤单的是它的措辞和样本。
6. 感知口径一贯乐观(约 74% 说有回报),且职级越高越乐观(副总裁以上 81% vs 中层 69%)。
7. 官方统计:采用史上最快,使用普遍很浅(57% 的采用企业限于三个职能内;中位数公司月均每员工投入 $11.38)。
8. 丹麦全国工资数据:AI 对工资工时的影响精确为零(排除 >2%);宏观生产率里找不到 AI 信号,连高盛自己都这么说。
9. 57% 的员工隐瞒 AI 使用——企业口径的统计天然偏低,失败叙事和繁荣现实可以同时为真。
10. 95% 有个一模一样的先例:按"没达预期回报"口径,95% 的风投创业公司都是"失败"的——高失败率是实验组合的常态形状,不是 AI 的绝症。
11. 历史上的失败率数字几乎从不测它声称测的东西:85% 是删掉的推特,85% 是偏差预测的变形,74% 是"非完全成功"的凑数。
12. 四套理论对"95% 会不会自己好起来"给出相反答案——这是接下来五年最值得盯的问题,目前没有任何同行评审研究正面检验过这个数字。

值得盯什么:NANDA 会不会公开数据(那是唯一能复测 95% 的路);美国生产率统计 2026-2027 的修订里会不会出现能归因于 AI 的加速(J 曲线之争的裁决点);Gartner 把"至少 30% 会被弃置"上修到"实际超 50%"之后,还会不会再修;以及下一个病毒式失败率数字——按老配方的节奏,它已经在路上了。

最要紧的几件事

1. 再看到"X% 的 AI 项目失败",先问三件事:分母是什么?"失败"怎么定义?说这话的人卖什么?这三问拆掉了 70%,拆掉了 85%,也拆掉了 95%。
2. 成功率是尺子的函数,不是事实的函数。自估口径 99% 成功,严格归因口径 6% 成功,中间隔着的不是谎言,是六个可以各自调节的口径旋钮。引用任何数字,把尺子一起引出来。
3. 给自己的 AI 项目记两本账:一本记"有没有进生产"(漏斗账),一本记"有没有省钱赚钱"(利润账)。NANDA 的核心错误就是把两本账混成了一本。
4. 试点大量死亡是实验组合的正常形态,别拿它当恐慌的理由,也别拿它当买解药的理由——新药九成折戟,药厂照样赚钱,秘诀是漏斗管理,不是消灭失败。
5. 你的员工大概率已经在用 AI,而且一半人藏着。比起再立一个正式试点,先让藏着用的人敢说、用得合规——影子使用里埋着的 ROI,可能比正式项目还高,这是那份报告里最扎实、也最没人引用的发现。