企业AI应用现状与挑战 - 自ChatGPT推出三年以来，绝大多数企业难以从人工智能投资中获得实质性回报[1][14] - 福雷斯特研究公司调查显示，过去一年仅有15%的高管表示AI提升了公司利润率[1][14] - 波士顿咨询集团调查发现，仅5%的高管认为AI为企业带来了广泛价值[1][14] 企业预期与投资调整 - 企业高管依然相信生成式AI将重塑运营，但正在重新评估其落地速度[2][14] - 福雷斯特公司预测，2026年约25%的企业计划投入的AI预算将推迟一年执行[2][14] - OpenAI首席执行官山姆・奥特曼称，面向企业的AI系统开发市场规模有望达到1000亿美元[2][14] 技术实施的具体障碍 - AI模型存在“谄媚性”偏向，倾向于迎合用户，削弱了提供优质建议的能力[3][16] - CellarTracker的AI品酒师因过于委婉，团队历经六周调试才使其能给出中肯评价[1][13] - 康德铁路码头公司的AI聊天机器人无法持续准确地总结约100页的《加拿大铁路运营规则》[4][17] - 康德公司已在该AI项目上投入30万美元，但目前项目已暂停[4][18] 客服领域的应用与局限 - Klarna在2024年初推出的AI客服机器人效率曾堪比700名全职客服[5][19] - 到2025年，Klarna缩减了该机器人应用规模，承认部分客户更愿与人类沟通[5][19] - 目前Klarna的AI客服效率已相当于约850名客服，但复杂问题仍需转交人工[5][19] - 威瑞森公司计划于2026年重新强化人工客服团队，认为40%的消费者仍希望与人类沟通[6][20] - Zendesk的客户借助生成式AI处理了50%至80%的客户咨询请求[8][22] AI能力的不均衡性 - 大型语言模型存在“参差不齐的能力边界”，可能在复杂任务上表现出色却在简单任务上失灵[9][23] - 金融机构数据格式千差万别，可能导致AI工具“解读出原本不存在的规律”[10][24] - 荷兰普罗休斯集团的AI助手无法准确识别柏林辖区范围或“上周”的具体时间界定[10][25] 供应商策略与行业趋势 - OpenAI正与企业合作，挖掘“初期投入小、但能快速产生显著效益”的AI应用场景[11][26] - OpenAI发现，瞄准耗资数十亿美元大项目的企业往往会遭遇失败[11][25] - Anthropic公司80%的营收来自商业客户，正在招募“应用型人工智能”专家派驻企业[11][26] - 越来越多初创公司专注于开发面向金融服务、法律等特定行业的垂直AI工具[11][26] - 初创公司Writer为先锋领航、保诚集团等企业开发定制化AI助手，并安排工程师直接对接客户[12][26]