摘要：

●   盡管有媒體報道稱生成式AI的投資回報率不佳，但其在企業(yè)內(nèi)部的部署仍在加速推進。

●   在IEEE近期開展的一項調(diào)查中，39%的全球科技行業(yè)企業(yè)領(lǐng)導者表示，其所在機構(gòu)將在2026年有選擇地常態(tài)化應(yīng)用生成式AI。

●   35%的受訪者稱其機構(gòu)“正快速整合生成式AI，并期待實現(xiàn)底線業(yè)績提升”。

●   IEEE專家指出，AI的未來核心在于功能性應(yīng)用——即能夠?qū)崿F(xiàn)工作流自動化、提升數(shù)據(jù)準確性并支持決策制定的系統(tǒng)。

全球企業(yè)已投入數(shù)十億美元部署生成式AI。近期媒體報道卻引發(fā)質(zhì)疑：這些機構(gòu)的投入是否物有所值？

盡管存在上述疑慮，但趨勢并非退縮而是精進：IEEE近期針對全球科技行業(yè)領(lǐng)導者開展的一項調(diào)查顯示，2026年，預(yù)計仍處于“剛剛起步”或停留在試點階段的企業(yè)將減少，而更多企業(yè)將實現(xiàn)生成式AI的常態(tài)化應(yīng)用，或?qū)⑵湔系礁黝悩I(yè)務(wù)運營中。

這份題為《2026及未來科技影響力：IEEE全球研究報告》的調(diào)研指出，科技行業(yè)領(lǐng)導者預(yù)計其所在企業(yè)將更深入地部署生成式AI。

受訪者需從六個階段中選擇一項，以最準確描述其所在機構(gòu)截至2026年的生成式AI應(yīng)用進展。在上一次調(diào)查中，最多受訪者表示其機構(gòu)的應(yīng)用水平處于“抱有較高期待或開展小型試點項目”階段；而在本年度調(diào)查中，39%的受訪者（占比最高）稱其機構(gòu)將“常態(tài)化應(yīng)用但有所選擇”，緊隨其后的是“快速整合并期待實現(xiàn)底線業(yè)績”（35%）。

●   剛剛起步：1%（較2025年下降4個百分點）

●   抱有較高期待并開展小型試點項目：8%（較33%下降25個百分點）

●   面臨挑戰(zhàn)并重新審視策略：4%（較18%下降14個百分點）

●   持續(xù)學習并初見成效：13%（較24%下降11個百分點）

●   常態(tài)化應(yīng)用但有所選擇：39%（較20%上升19個百分點）

●   快速整合并期待實現(xiàn)底線業(yè)績：35%（2026年新增選項，無2025年基準數(shù)據(jù)）

質(zhì)疑期已至？

新技術(shù)往往會經(jīng)歷觀察家們所說的“炒作周期”。這一概念對需要決策投資方向的投資者頗具參考價值，信息技術(shù)管理者也會借助它規(guī)劃企業(yè)技術(shù)路線圖。該周期描述了新技術(shù)如何從備受熱議迅速攀升至 “期望膨脹峰值”，隨后跌入“幻滅低谷”，最終逐步邁向?qū)嵱没闹髁鲀r值階段。互聯(lián)網(wǎng)的發(fā)展便遵循了這一路徑：20世紀90年代末的互聯(lián)網(wǎng)泡沫達到頂峰后，于2000年左右崩盤，而后逐漸成熟，成為如今商業(yè)、媒體與工作場景中不可或缺的日常平臺。

生成式AI無疑曾承載著極高的期待，但近三分之一的相關(guān)項目或許將被擱置。咨詢公司麥肯錫的報告顯示，近八成企業(yè)正在使用生成式AI，然而幾乎同等比例的企業(yè)表示，該技術(shù)尚未對底線業(yè)績產(chǎn)生可量化的影響。

這使得許多企業(yè)在規(guī)劃技術(shù)落地時，難免采取了某種程度的質(zhì)疑態(tài)度。

IEEE高級會員Santhosh Sivasubraman表示：“隨著技術(shù)應(yīng)用周期的自然推進，我們正進入一個理性質(zhì)疑的階段。這未必是壞事 —— 它意味著人們對AI的能力與局限的認知正在走向成熟。那些未經(jīng)充分規(guī)劃便倉促部署AI的機構(gòu)，如今正在重新評估其策略，進而制定出更具深思熟慮的落地方案。”

為何如此多AI項目以失敗告終？

該調(diào)查揭示了一個關(guān)鍵數(shù)據(jù)點，或許能解釋企業(yè)面臨的困境：AI項目失敗的常見原因是團隊高估了模型的可靠性。聊天機器人給出答案時的篤定態(tài)度，往往會讓人過度評估其能力 —— 50%的受訪者將“過度依賴AI”及“潛在的數(shù)據(jù)不準確問題”列為首要擔憂。

IEEE高級會員Eleanor Watson表示：“過高的期待讓企業(yè)領(lǐng)導者誤以為AI能成為‘數(shù)字員工’，而非為明確目標設(shè)計的精細化系統(tǒng)。”

她指出，企業(yè)常常將先進模型應(yīng)用于只需簡單數(shù)據(jù)分析便能滿足需求的場景；與此同時，他們用于訓練AI的數(shù)據(jù)質(zhì)量往往參差不齊。

IEEE 會員Ning Hu表示，另一項認知偏差源于將生成式AI的情感化特性與其功能性價值混為一談。企業(yè)往往會投入資源開發(fā)語氣親切、態(tài)度支持的生成式AI聊天機器人或虛擬助手，但這些工具卻幾乎無法帶來可量化的價值。企業(yè)本希望獲得的是能默默處理任務(wù)、確保業(yè)務(wù)有序推進的高效“管理者”，最終得到的卻只是一個試圖通過友好語氣和共情表達來取悅用戶的“陪伴者” —— 這類工具并不能產(chǎn)生實際成效。

創(chuàng)造實際價值

Ning指出，生成式AI最可靠的回報正體現(xiàn)在業(yè)務(wù)后臺場景中，即AI作為企業(yè)“運營中樞”發(fā)揮作用的領(lǐng)域。具體案例包括：訂單到收款流程的自動化、基于預(yù)測分析的庫存補貨、面向財務(wù)與人力資源部門的機器人流程自動化（RPA），以及制造業(yè)或醫(yī)學影像領(lǐng)域的精準控制。

調(diào)查顯示，網(wǎng)絡(luò)安全、供應(yīng)鏈與倉庫自動化以及軟件開發(fā)，將成為2026年AI的首要應(yīng)用領(lǐng)域。

Ning指出，另一個具有持續(xù)價值的應(yīng)用類別是“沙盒式實驗”：企業(yè)搭建隔離環(huán)境，讓生成式模型在其中探索創(chuàng)新解決方案或優(yōu)化設(shè)計方案，隨后將經(jīng)過驗證的成果應(yīng)用于實際生產(chǎn)。

“在所有這些場景中，AI的價值都通過具體且對業(yè)務(wù)至關(guān)重要的指標來衡量，而非僅依賴用戶情感反饋。”Ning表示。

換句話說，最優(yōu)質(zhì)的AI或許恰恰是“無趣”的 —— 它不追求表面的交互體驗，而是專注于創(chuàng)造實際業(yè)務(wù)價值。