夜雨聆风
企业重金砸AI:最大的障碍是企业的“可读性”
企业砸重金搞AI，却有一个扎心的数字：过去三年，IBM调查发现只有约25%的AI项目达到了预期回报，真正成功在全公司规模化的比例更是只有16%。麦肯锡的调研同样惊人——高达成88%的企业已经在用AI，但仅有6%真正创造了规模化价值。
为什么？是技术不够强？预算不够多？还是请的算法工程师不够牛？
都不是。
我认为企业智能化升级的第一大障碍，不是技术，不是资金，而是一个被严重低估的问题——企业的“可读性”。
什么叫企业的可读性？一个企业能不能被AI有效理解和赋能，取决于三个层面的可读性。
第一层：数据可读性——AI连你企业的“血液”都读不到
先看一组数据：中国信通院的调研显示，89%的制造企业存在严重的数据孤岛问题。这些企业平均部署了8.3个独立系统，但数据互通率不足30%。销售部的客户数据在CRM里，生产部拿不到；财务部门的成本报表要人工整理，花好几天；管理层想做实时经营分析？根本没有统一的数据视图。
IBM的研究更直接——数据孤岛被IBM首席数据官称为现代数据策略的“阿喀琉斯之踵”。当数据生活在互不相连的孤岛中时，每一个AI项目都变成了一个旷日持久的6到12个月的数据清理工程。团队花更多的时间在查找和整理数据上，而不是产生有意义的洞察。
更可怕的是，Gartner预测，由于数据质量低下，至少30%的生成式AI项目将被直接放弃。你花了几百万做AI，结果连基础数据都没打通，AI就像被阻断血液循环的病人——拥有再强大的“大脑”，也只能陷入停滞。
第二层：企业知识可读性——AI读遍了全网，却读不懂你的公司
这一点更隐蔽，也更致命。
现在的通用大模型，说白了就是个“读遍全网的大学生”，但它读不懂你的企业。你公司几十年来积累的业务经验、行业认知、专家判断，散落在邮件、会议纪要、项目报告、合规文件中，有的存云盘，有的放OA，有的躺在老师傅的笔记本里。
这就是知识管理领域著名的“SECI模型”揭示的难题：企业最有价值的知识往往是隐性知识——老师傅的手感、资深业务的直觉判断、主管面对危机时的临场应变。这些知识没有被写成SOP，没有变成结构化文档，它们“躺平”在人的经验和记忆里。
有数据指出，企业里大部分数据其实是文档、视频、日志这类非结构化数据，但很多企业还在用“文件夹分类”的老办法管理。AI检索时，要么读不懂扫描件里的手写批注，要么分不清不同版本的差异。
更头疼的是知识的质量治理没跟上——谁来负责标记知识的更新时间？怎么验证准确性？过时知识怎么下架？结果AI基于“带病知识”输出建议，管理层如果用了，损失不可估量。
能读遍全网的AI，遇到你公司专属的知识和经验，突然就“失明”了。这个障碍不解决，AI永远只能是一个花架子。
第三层：决策可读性——企业最大的“黑箱”在你老板脑子里
这可能是最底层的问题。
麦肯锡的研究指出，70%的企业数字化转型最终以失败告终，而失败不全然来自技术层面的失误，往往根植于组织内部——文化惰性、部门本位主义、决策层失焦。当一个组织的决策逻辑、管理思维、工作流程本身就是一个巨大的“黑箱”时，AI如何介入？你连自己的组织逻辑都看不清，怎么让机器来理解你、辅助你、甚至驱动你？
阿里达摩院在2025年AI生产力洞察中也指出，AI使用时长最长的行业TOP3为IT服务、汽车营销和教育科研，这些行业的共同特点是“知识密集、流程清晰、逻辑可追溯”。换句话说，一个行业能否被AI赋能，首先取决于这个行业的“可读性”够不够高。
放眼全球，企业AI转型的天花板，从来不在于大模型的技术迭代速度，而在于企业自身的内功——你有多少数据是互联互通的？你有多少知识是结构化的？你的决策过程有没有被记录、被梳理、被标准化？
有行业分析指出，真正AI转型成功的领先企业，遵循的是“10-20-70法则”：10%的资源投入算法，20%投入技术，70%投入人与组织流程。
所以结论很简单：企业智能化升级的第一大障碍，就是企业的“可读性”。数据不可读，AI就缺血；知识不可读，AI就失明；决策不可读，AI就无脑。
不是AI不够强，是你自己的企业“读不懂”。当你抱怨AI不够聪明的时候，不妨先自问：你的企业，自己能把自己“读懂”吗？
相关阅读：