用企业上下文层释放 AI 价值：MIT Technology Review Insights 报告

在一家企业中，可能同时运行着任意数量的 AI 平台、系统和工具——例如 AI 驱动的客户平台、对话式助手，以及工作流和流程自动化工具。每一个都精密、先进且响应迅速。然而，一旦投入实际工作，产生的结果和行动却可能是错误的、混乱的，或缺乏对业务的恰当理解。许多组织发现自己正处于这种境地——而这可能正是它们难以从 AI 投资中获得回报的关键原因之一。

下载报告

一项 MIT Technology Review Insights 的调查发现，尽管所有接受调查的组织目前都在某种程度上使用 AI，但只有不到五分之一（16%）的组织正从其部署中获取变革性价值。占比最大的受访者（40%）表示，他们在特定任务或团队中看到了适度收益，21% 报告了有意义的收益，其余 23% 则表示收益甚微或完全没有收益。

企业大多仍处于试点 AI 用例的阶段（38% 的受访者如此表示），或使用 AI 通过 copilot 或聊天助手等工具辅助员工工作（35%）。仅有 12% 的企业已将 AI 智能体投入生产，3% 表示他们正使用 AI 完成关键流程中的大部分工作。

“模型的能力与模型在组织内部实际发挥的作用之间存在巨大差距，”Atlan 联合创始人 Prukalpa Sankar 表示。“就每一个现实中的意图和目的而言，通用人工智能已经到来。只是它在当今大多数公司中并不真正有用。”

Sankar 说，缺失的那一层是上下文，即 AI 对业务的理解程度。上下文层是位于组织业务系统（例如记录系统和数据，以及其 AI 平台）之间的架构基础设施。它将企业智能转化为受治理、可供机器使用的上下文，供 AI 智能体或模型使用，并帮助知识不断积累。“如果没有面向 AI 的上下文层，这几乎就像你雇用了世界上最聪明的实习生，蒙住他们的眼睛，然后把他们扔进你的组织里，”Sankar 说。

下载报告

本内容由 MIT Technology Review 的定制内容部门 Insights 制作，并非其编辑团队出品。内容由人类研究和撰写，可能使用的任何 AI 工具仅限于在人类监督下的生产流程。