MIT 那份调研的真相：全员在用 AI，只有 16% 拿到变革性价值

一句话总结：MIT Technology Review 的调研显示，所有受访组织都在用 AI，但只有 16% 拿到「变革性价值」，38% 还在试点、12% 才让智能体上了生产。报告把瓶颈归结为缺失的「上下文层」，这个判断有价值，但要注意它出自 MIT 的赞助内容部门，提出这个概念的 Atlan 恰好就是卖上下文层的公司。

有一组数字，我觉得每个做企业 AI 的人都该看一眼。

调研覆盖的组织里，100% 都在用 AI。但真正说「拿到了变革性价值」的只有 16%。剩下的人在哪儿？40% 说只在特定任务或团队看到中等增益，21% 说有意义但有限，23% 说几乎没有回报。

这份数据来自 MIT Technology Review 的 Insights 团队，10 月 28 日发布。中文媒体这两天转得很多，多数停在「84% 失败」这个标题上。

我想往前推一步：这个 84% 到底是怎么来的，以及提出解释的那个人，有没有立场。

先把数字摆全

这张表最值得盯的不是第一行，是末尾两行。

12% 和 3% 这两个数字放在 2026 年 10 月这个时间点上，反差感很强。过去两年所有人都在谈 Agent、谈自主执行、谈数字员工，但真正让智能体在生产环境跑起来的只有一成出头，让它接管关键流程主体的只有 3%。

也就是说，绝大多数公司的 AI 还停在「帮员工写点东西、答点问题」这个层面。它能提效，但不改变业务结构。这解释了为什么 40% 的人停在「中等增益」这一档：单点提效的天花板就在那儿。

剪刀差：模型能力已经溢出

如果问题是模型不够聪明，那等下一代模型就好了。但数据显示不是。

斯坦福 2026 年的 AI Index 里有一个指标很说明问题：Terminal-Bench 测的是智能体能不能独立完成真实的端到端技术任务，这个成绩从 2025 年 2 月的 20% 涨到了 2026 年初的 77.3%。一年涨了近四倍。

同一时期，PwC 的全球 CEO 调研（4454 位 CEO、覆盖 95 个国家）给出另一半图景：56% 的 CEO 至今没看到 AI 带来的显著财务收益，只有 12% 说自己在成本和收入两端同时受益。

把这两组数据叠在一起，结论很清楚：模型能力在飞，企业收益在原地。中间断掉的那一截，不在模型侧。

这是我认为这份报告真正有价值的地方。它没有停在「AI 不行」或者「企业不会用」这种互相指责上，而是指了一个具体位置：模型和企业业务系统之间，缺一层东西。

上下文层：一个蒙眼实习生的比喻

提出这个概念的是 Prukalpa Sankar，数据目录公司 Atlan 的联合创始人。她的原话大意是：

没有上下文层，就像你招了全世界最聪明的实习生，然后蒙上他的眼，一把推进公司大门。

这个比喻我认为很准。模型知道怎么推理、怎么写代码、怎么组织语言，但它不知道：你们的产品编码 SKU-2847 代表哪条产线、谁有权批一笔 30 万的采购、哪个客户分群才是真正的利润来源、上个月那份预算为什么被推翻。

这些知识不在任何公开语料里，也不在模型权重里。它们散在 ERP、CRM、工单系统、Confluence、老员工的脑子里。这也是为什么「记住」比「更强」更难，组织记忆那篇专门拆过这件事。

报告给上下文层的定义是：位于企业业务系统和 AI 平台之间的基础设施，把机构知识翻译成受治理的、机器可用的上下文，让知识能积累复用。

拆开看有三件事要做：

一是让数据可访问。 台账、数据仓库、业务系统，得能被 Agent 读到，而且要统一口径。这一层看起来简单，实际最难，因为大多数公司的同一个指标在不同系统里有三个值。

二是让语义可理解。 光有数据不够，还得有「这个字段是什么意思、什么情况下该用哪个」的说明。这部分过去靠人问人，现在得写成机器能读的形式。

三是让行为有边界。 谁能读、谁能写、什么操作必须审批。没有这层，Agent 越能干越危险。

但这份报告的立场，得说清楚

现在到我最想说的部分。

这份报告是 MIT Technology Review 的 Insights 部门做的，不是编辑部。Insights 是它的定制内容部门，原页面底下明确写着「由 Insights 制作，非编辑部内容」。

更关键的一层：提出「上下文层缺失」这个诊断的 Sankar，她的公司 Atlan 卖的产品就是数据目录，也就是上下文层的一种实现。

这不是说她说错了。诊断本身我认为是对的，和我在实际项目里看到的吻合。但读的时候得知道：一个卖锤子的人告诉你墙上缺个钉子，这个建议可能对，但你得自己判断墙是不是真需要那颗钉子。

我倾向于认为需要。理由不是这份报告，而是那两组数据的剪刀差：模型能力涨了四倍，收益没跟上，中间必须有东西在挡着。至于挡住的是不是「上下文层」这一个东西，还是别的原因，可以再讨论。

我的判断：缺的其实是三样

如果把「上下文层」这个偏架构的说法落到能动手的层面，我看到的是三件事，缺一个都跑不通。

第一，数据能拿到但没人整理。 大部分公司不是没有数据，是数据在七个系统里、口径不一、没人对过账。Agent 拿到三份互相矛盾的月活数字，它会给出一个看起来合理但完全错的结论，而且你不知道它错了。

第二，有语义但没有机器可读的语义。 业务专家知道「这个字段在月末要减掉退货」，这句话只存在于他脑子里。要让 Agent 用上，得把它写成规则、文档或者带注释的 schema。这件事几乎没人在做，因为它不属于任何人的 KPI。

第三，没有验收标准。 这是我认为最被低估的一条。你怎么判断一个 Agent 干得好不好？多数团队答不上来。没有验收标准，就没法迭代，因为它每次输出看起来都还行，你只能凭感觉说「这次好像差了点」。

第三点尤其致命。它解释了为什么 38% 的公司卡在试点出不去：试点阶段的判断标准是「能不能跑通」，生产阶段的判断标准是「跑得对不对」，而后者从来没人定义过。想知道一个跑起来的 Agent 到底哪一步出了问题，得先有日志，可观测性那篇给了具体做法。

图 1：左边是 16/21/40/23 四档收益分布，右边是模型能力与财务收益的剪刀差，下方是上下文层要解决的三件事

报告本身的短板

三处要打折扣的地方。

样本没公开。 报告给了百分比，没给样本量和行业分布。这意味着它是一张全景照，不是一个可复现的实验。看到 16% 这个数，别当成精确测量，当成一个方向性信号更合适。

「变革性价值」没有操作定义。 什么叫变革性？是收入增长超过某个百分比，还是流程被重构？报告没说。不同受访者心里的标准大概率不一样，这会带来系统性偏差。

自评口径。 所有回答都是受访者自己判断的。人对自家 AI 项目的评价通常偏乐观，尤其是投入了大量预算之后。真实情况可能比 16% 更差，不太可能更好。

五个问题

这份调研是谁做的，可信吗？

MIT Technology Review 的 Insights 部门，属于定制内容团队而非编辑部。数据本身可以参考，但框架和结论受委托方影响，读的时候要带上这一层判断。

16% 这个数字准吗？

样本量和行业分布未公开，没法验证精度。它更适合当成「少数」的量级参考，不适合当成精确比例引用。

上下文层要花多少钱？

没有标准答案，取决于系统数量和数据质量。但有个粗略的分法：如果公司只有两三个主要系统、数据口径统一，这部分投入可能是几个人的月工作量；如果有十几个系统且互相打架，那就是一个跨部门的年度项目。

没有上下文层就不能用 AI 吗？

能用，但天花板很低。单点提效（写文案、改代码、总结会议）不太依赖上下文层，直接接模型就能见效。需要跨系统判断的任务才会撞墙。

小公司也需要吗？

小公司天然有优势：系统少、口径统一、决策链短，很多东西在几个人脑子里就够了。它的「上下文层」可能就是一份写清楚的文档。真正需要基础设施的是系统多、人员多、流程长的组织。

结语

这份报告我会推荐给两类人看。一类是正在推企业 AI 但卡在试点出不去的人，它会告诉你卡在哪一层。另一类是老板问「为什么投了这么多钱没看到效果」的人，它能提供一个比「模型不行」更准确的解释。

但我不太认同中文媒体转述时那个「84% 的企业 AI 失败」的说法。失败这个词太重了，数据说的是「还在路上」：40% 有中等增益，21% 有意义增益，加起来 61% 是有效果的，只是没到变革级。把 61% 的有效果说成失败，会让很多本来该继续投入的团队提前放弃。

真正的问题不是失败率高，是收益分布极度不均。而那 16% 和剩下 84% 的差别，大概率不在他们用了哪个模型。后两篇把这件事落到动手层面：补上下文层、建私有评测集。

参考资料

• Creating AI value with enterprise context（MIT Technology Review Insights） - 原始报告，含完整数据与上下文层定义
• Only 16% Get Transformative Value From AI, Poll Finds - 数据拆分与「赞助内容」性质的说明
• 企业 AI 落地撞墙：模型够强，业务没接住 - 中文解读，含斯坦福 AI Index 与 PwC CEO 调研的交叉数据