95% 的企业 AI 试点不赚钱,问题不在模型——美的用三年走通的一条路

一组扎心的数据：MIT 的研究显示，企业生成式 AI 试点中 95% 没有产生可衡量的损益影响；IDC 调研显示，国内企业定制智能体项目的平均落地失败率高达 51.7%。钱花了，模型也够强，为什么就是不出活？

一、死掉的 AI 项目，很少死于模型

2026 年，企业 AI 进入了一个荒诞的循环：人人都在试点，几乎没人规模化。Teradata 调研显示，78% 的企业至少有一个 AI 智能体试点在跑，但只有 14% 把哪怕一个智能体推到了全公司使用。MIT Technology Review Insights 今年 10 月对 300 位技术高管的调查更直白：平均只有 34%的智能体项目进入了生产环境。

最反常识的结论在这里：失败的锅，模型基本不背。同一个模型，既支撑了演示成功的试点，也支撑了六个月后搁浅的生产系统。决定成败的，是模型周围那层不起眼的东西——数据怎么接、输出谁来审、成本怎么控、出问题谁负责。Gartner 甚至预测，超过 40% 的智能体项目将在 2027 年底前被取消，理由是成本失控、价值不清、风控不足——没有一条是"模型不够聪明"。

还有一个被普遍低估的瓶颈：知识，而不是数据。MIT Technology Review Insights 的调查发现，把项目做成了的企业（61% 的项目进入生产），与做不成的企业相比，差距最大的是"知识能力"——模型知不知道这个词在你的企业里是什么意思、这件事过去的处理惯例是什么、这个流程第一步找谁。

数据解决"有没有"，知识解决"懂不懂"。喂给模型一堆散落的文档，它只是个检索器；喂给它一套有主人、有口径、有惯例的知识，它才像半个员工。

二、美的三年路线图：先立规矩，再放全员

美的的 AI 落地不是从"找一个爆款场景"开始的，而是从四个让老板睡不着的问题开始的：信息安全会不会泄密？法律法规是否允许用外部大模型？全员开放怎么计费？到底用它解决什么问题、带来什么价值？

美的 AIGC 时间线：· 2023 年 5 月GPT-3.5 接入内网——但注意，此前一个月，安全审计、计费、外部大模型路由平台已经先行建成；· 2023 年 8 月发布 AIGC Open API 标准，任何业务系统接入大模型必须走统一通道；· 2024 年 1 月AIGC 战略正式发布，全员开放；· 2025 年 1 月DeepSeek R1 满血版本地部署；同年发布 MCP 框架与智能体工厂。节奏可以概括为九个字：全员试试看 → 认真找场景 → 全面 AI 化。

这里有个值得所有董事长注意的顺序：治理底座先于应用。安全审计、计量计费、模型路由这些"不好看"的工程，做在工具开放之前。多数企业恰恰相反——先让员工用起来，出了泄密或成本事故再回头补规矩，第一次事故就足以让 AI 战略被叫停。

第二步是把 AI 从"工具"推进"业务"。美的的路径分三段：2023 年做工具（翻译、问答、设计、代码），2024 年做业务融合——落地 68 个核心场景、建成知识库，电商文描提效 45% 以上，代码助手上线半年被 1700 多名开发者用了上千万次；2025 年做经营提效，核心场景扩到 158 个，从"省人省钱"走向业务模式和商业模式升级。支撑这一切的是一条朴素公式：场景 ×（数据 + 算力 + 算法）——场景是分子里的主变量，没有业务痛点的 AI 项目，分母再豪华也约等于零。

还有一层最容易被战略文件漏掉的东西：人心。美的在全员开放前做过一轮 455 份样本的技术焦虑调研，员工最担心的不是工具难用，而是"岗位会不会被替代"。公司用转岗培训与技能升级计划给出明确预期，工具推广才没有遇到隐性抵制。AI 落地的最后一公里从来不是技术，是人对饭碗的判断。

三、智能体不是买来的，是"喂"出来的

很多企业把智能体当软件采购：选型、招标、上线、验收。美的一开始也在卷模型跑分，后来发现真正决定问答质量的是知识运营——他们对知识库提的目标是问答准确率 90% 以上，为此定了三条硬规矩：每块知识有唯一 Owner、每个知识点来源唯一、所有文档标签化并挂上纠错与积分流程。这三条，和之前文章讲的"指标唯一口径、唯一责任人"是同一个治理哲学。

这也解释了为什么"买不来"：智能体的能力上限，取决于你企业里那些只存在于老员工脑子里、藏在流程和文档背后的经验，能不能被结构化地喂进去。模型是通用的，你的知识是独有的——后者才是护城河。PwC 对 2026 年的判断是：AI 项目的价值，技术只占两成，八成来自把工作重新设计成"人机分工"。模型决定它能不能做，组织决定它有没有得做、做完算谁的。

给决策者的四问清单

启动或复盘企业 AI 战略时，建议先过这四问：

• 规矩先于应用了吗
  ——安全审计、计费、统一接入通道，是否建在员工大规模使用之前？
• 场景击穿了吗
  ——有没有至少一个场景做到十倍级提效，而不是十个场景各提效 5%？
• 知识有主人吗
  ——喂给模型的企业知识，有没有唯一 Owner、唯一来源和更新机制？
• 工作重设计了吗
  ——是"给旧流程加个 AI"，还是按人机分工重排了流程和岗位？

四问里答不上来任何一问，钱最好先捂住。AI 落地这件事，快不是跑得早，是不返工。