大多数 AI 投资都以失败告终——看看赢家们做对了什么

(SeaPRwire) –   生成式 AI 与以往的技术变革截然不同：它正以惊人的速度从根本上重塑企业的运营方式。农业机械化曾花费数十年时间将美国农业劳动力占比从三分之一降至 1%，而 AI 仅在数月内就实现了这一目标。

然而，尽管投入了数十亿美元，大多数组织在从试点项目转向生产环境并实现广泛应用的过程中依然步履维艰。事实上，根据 Gartner® 的研究，“2024 年，60% 的生成式 AI 原型验证（POC）在完成后被放弃¹。”

AI 实验与成功之间的差异并不在于选择哪种大语言模型，而在于更多层面的考量。

通过与处于 AI 转型不同阶段的合作伙伴和客户合作，我们观察到了一些将成功实施与停滞不前的项目区分开来的共性模式。那些成功从试点转向生产的组织专注于四个相互关联的支柱，且至关重要的是，他们认识到技术只是其中之一。

以下是 AWS 所观察到的成功企业所采取的正确做法。

1. 战略性地构建数据基础

仅仅拥有数据是不够的——如何组织、治理和激活数据才是关键所在。领先的组织实施了三项具体实践：将所有数据连接起来；对数据进行标记和组织，以便于查找；并设置控制措施，确保只有合适的人员（或智能体）才能访问敏感数据集。

金融服务和医疗保健等受监管严格的行业通常在此方面具有优势——其现有的治理框架可以加速 AI 计划的推进。然而，对于从零开始的组织，与其试图统一整个数据仓库，不如从具体的用例出发进行反向推导。例如，电信运营商可以先将网络性能数据与客户服务工单和账单记录连接起来，以实现单一目标：在客户遇到问题之前预测服务降级。一旦该用例产生价值，您就可以确定哪些额外的数据连接最为重要，并以此为基础进行扩展。

2. 通过安全与验证建立信任

在企业级 AI 中，信任不仅仅是锦上添花，它是决定您的投资能否从试点走向生产的基石。组织面临着双重挑战：既需要 AI 系统足够安全以保护敏感数据，又需要其足够准确以做出重大决策。

以一家拥有 70 万会员的医疗保健提供商为例。他们的客户在最脆弱的时刻打来电话，需要医疗建议或有关保险覆盖的信息。AI 带来的机遇是巨大的——能够以任何语言、全天候地更快地为客户提供支持。但在这种背景下，哪怕是一次幻觉都可能造成真正的伤害，从而侵蚀多年建立起来的信任。

领先的组织正在从“信任但验证”转向“先验证，后信任”。他们正在实施多层验证：检查输入内容是否存在恶意信息，根据已知事实和政策验证输出结果，并持续监控是否存在偏差或异常行为。诸如自动推理（一种在芯片设计和安全验证中使用了数十年的数学方法）等新兴技术，现在可以根据定义的规则检查 AI 输出，在某些情况下可将幻觉减少 99%。这种“验证优先”的方法加速了创新而非拖慢了进度，当团队知道护栏会在错误触达客户之前将其拦截时，他们便能更果敢地进行实验。

3. 变革文化，而不仅仅是技术

阻碍 AI 采用的最大因素不是技术，而是变革管理。组织的结构围绕着复杂的流程构建，并由管理这些流程的员工组成。要让员工退后一步，重新构思这些流程，使其实现端到端的自动化或由智能体处理，需要有意识的文化转型。

成功需要自上而下的承诺和自下而上的赋能。领导者必须展示出超越言语的切实承诺，而员工则需要空间和支持来重新构思自己的工作流程。BT Group 很好地诠释了这一点：当他们在 2024 年开启 AI 之旅以提高生产力和提升客户体验时，他们部署的不仅仅是技术。他们建立了一套与技术能力相匹配的赋能策略。如今，近 4,000 名员工使用 AI 编码助手每年编写和维护 400 万行代码——但这一成就的取得，离不开对培训的投入、在团队中培养倡导者，以及给予人们实验的许可。

现实情况是微妙的：AI 将自动化许多任务，同时也会创造新的机会并提升人类在其他方面的潜力。最成功的组织对这种转型持透明态度，并投资于员工技能重塑，以确保他们在 AI 增强的环境中茁壮成长。

4. 与合适的专家合作

虽然一些组织拥有完全内部构建生成式 AI 能力的资源和专业知识，但大多数组织发现，战略合作伙伴关系可以加速他们从试点到生产的进程。问题不在于您是否能独立完成，而在于这是否是实现价值的最快路径。

合适的合作伙伴带来三个关键优势：驾驭快速发展的 AI 领域的技术专长、将 AI 应用于特定行业和监管环境的领域知识，以及推动大规模采用的变革管理经验。

数据证实了这一点：与拥有深厚 AI 专业知识和成功客户案例的合作伙伴合作的组织，其 AI 项目进入生产环境的速度平均比没有专业合作伙伴的组织快 25%。在价值实现速度往往决定竞争优势的环境中，这种加速可能是决定性的。

前行之路

成功的组织将生成式 AI 视为业务转型，而不仅仅是技术部署。能够蓬勃发展的组织不是那些拥有最先进模型的组织，而是那些认识到 AI 的成功需要对技术、人员和流程进行同等投入的组织。

¹ Gartner 报告，《预测分析：全球人工智能服务》，作者：Colleen Graham, Ben Fieselmann 等，2025 年 9 月。GARTNER 是 Gartner, Inc. 和/或其附属公司在美国及国际上的注册商标和服务标志，经许可在此使用。保留所有权利。