企业AI落地瓶颈
5 节点2 篇5 来源
【背景】尽管生成式AI技术快速迭代，但企业在将其转化为实际业务价值时仍面临严峻挑战。埃森哲首席AI与数据官Lan Guan指出，仅10-20%的企业工作流值得使用前沿模型能力，规模化需要七层基础设施支撑。ThinkingAI韩国区总经理서광덕在TAS 2026会议上强调，瓶颈在于运营而非模型，数据定义与分类体系应先于模型选型。Salesforce副总裁Sumeet Agrawal则提出“漏水的AI管道”概念，认为缺乏架构优化导致Token浪费。IBM数据显示，40%的企业仍停留在探索阶段，技能缺口和数据复杂性是主要障碍。多方观点一致表明，企业AI落地的核心矛盾已从技术可用性转向组织适配性、数据治理能力及成本控制效率。
时间线显示，从2024年IBM报告揭示早期采用者优势，到2026年各方深入剖析具体瓶颈，行业共识逐渐清晰：单纯引入模型无法解决系统性问题，必须重构数据基础与业务流程。
事情怎么走到这一步
IBM发布《全球AI采用指数2023》，指出42%的大型企业已部署AI，但40%仍在探索阶段，技能缺口（33%）和数据复杂性（25%）为主要障碍。
newsroom.ibm.com ↗新华网报道指出，企业AI应用存在“最后一公里”堵点，数据可见不可用及项目价值失踪是核心问题，需将AI嵌入核心决策环节。
news.cn ↗Salesforce副总裁Sumeet Agrawal撰文分析“漏水的AI管道”，指出上下文膨胀、无治理数据访问及错误模型选择导致Token浪费，呼吁建立架构级优化。
fortune.com ↗埃森哲首席AI与数据官Lan Guan基于18000个项目经验指出，仅10-20%的工作流适合前沿模型，规模化需构建包含数据、治理等七层的基础设施。
diginomica.com ↗ThinkingAI韩国区总经理서광덕在TAS 2026演讲中提出开发、持续性和收益化三大瓶颈，强调数据定义与分类体系应先于模型选型。