近期行业调研显示，当前近7成企业级AI项目未能实现预期业务价值，多数企业将失败原因归咎于大模型性能不足，但科技行业分析指出，核心问题出在企业自身的底层数据质量不达标、业务流程适配性差、AI治理体系缺位，与大模型本身的技术能力关联度极低。
某制造企业去年斥资百万上线生成式AI生产故障预测系统，上线后误报率高达70%，不仅没有降低运维成本，反而要安排专人每天核对AI发出的预警信息，上线3个月后便被管理层叫停。类似的案例正在全球企业的AI落地过程中密集发生。
2023年生成式AI爆发以来，全球超6成中型以上企业已启动至少一项AI落地项目，覆盖客服、生产、研发、供应链等多个业务场景，企业级AI市场规模年增速超过40%。但光鲜的市场数据背后，是极高的项目失败率：第三方调研机构Gartner最新发布的报告显示，2023年已上线的企业AI项目中，仅28%最终为企业带来了可量化的业务收益，剩余项目要么长期停留在POC测试阶段，要么上线后因效果远低于预期被迫下线。
多数遭遇项目失败的企业，第一反应是追责大模型供应商，认为是模型参数不足、能力不够导致效果不佳，不少企业甚至接连更换了3-4个不同厂商的大模型，却始终没能解决核心问题。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号