为什么如此多的 AI 项目陷入停滞——以及为何从工作的发生点开始会改变一切
AI 投资持续增长，但许多项目却悄然停滞，甚至被完全放弃。问题很少出在技术本身，而在于组织选择从哪里开始。
简而言之：
许多 AI 项目停滞，并非因为技术失败，而是因为组织从过于复杂且定义不清的领域开始。以大规模转型、不明确的成功标准和脆弱的试点项目起步，往往会消耗动力。取得进展的团队通常更接近日常工作开始——在价值产生的地方支持人们，而不是一开始就重建系统。
AI持续吸引关注与投资，但令人意外的是，不少组织正在缩减或停止早期举措。关于大型代理型AI项目被放弃的报道，并不是对技术本身的评价，而是在提醒：这些项目启动时，成功所需的条件往往并不具备。
Gartner 多次强调了这一点。在其 2025 年战略预测中，Gartner 警告称，许多代理型 AI 项目可能会因业务价值不清晰或风险控制不足而失败。在另一份报告中，Gartner 指出，相当一部分 GenAI 项目难以突破试点阶段，原因往往在于组织低估了模型周边的运营要求。
这些发现为更广泛的反思提供了一个有用的起点：许多AI项目之所以举步维艰，并非因为AI表现不佳，而是因为其周围的环境尚未准备好支持有意义的进展。
在探索AI的组织中，一个反复出现的模式是：早期的热情并没有伴随着同样清晰的成功定义。领导者常用效率、自动化或“保持领先”等词来描述目标，但这些雄心并不会自动转化为某个具体项目的明确目标。
当期望在早期没有对齐时，项目往往会积累模糊性。即使是能力很强的团队，也可能努力工作却不确定自己应当实现的具体结果是什么。这种不对齐不一定在早期阶段显现，但最终会表现为范围漂移、利益相关方疲劳，或难以客观评估进展。
Gartner 对业务价值不清晰的强调在这里尤为重要。当目标定义不明确时，即使是有前景的想法，也难以积累动力。
试点本意是以安全的方式探索新能力，但在实践中，它们往往需要稀缺团队投入大量时间与精力：技术人员、领域专家、运营负责人以及数据所有者。
然而，试点很少获得所需的时间或稳定性。
常见的试点包括：
- 时间太短，无法证明价值，
- 约束太多，无法代表真实运营，
- 过度依赖无法腾出的资源，或
- 与其旨在支持的工作流程过于隔离。
当试点结束时，领导者可能看到有限的结果——并非因为想法没有价值，而是因为条件并非为公平呈现价值而设计。当多个试点以这种方式结束时，决策者自然会犹豫是否批准下一阶段。
这是项目被中止数量上升的一个安静但影响深远的因素。
在许多组织中，同样的挑战出现：AI项目往往从最难的地方开始。
它们一开始就试图：
- 重构数据，
- 重新设计工作流程，
- 集成遗留系统，
- 并协调多团队依赖关系。
即使团队已经准备充分，这些也是重大工程。对于已经被拉得很紧的组织——尤其是中小企业——这可能令人难以承受。
Gartner 指出，组织往往低估所需的运营调整，这一观察反映了现实情况。AI 的技术能力正在快速发展，但大多数组织在实际准备方面的推进速度却并不一致。
转型的重量成为障碍。
雄心本身没有问题，但在一个快速演进的领域里，保持务实尤为重要。对AI的信心大幅提升，工具也更易获取，但期望有时会超出组织现实上能够支撑的范围。
这不是恐惧或保守的问题。它只是承认AI项目带有隐藏的依赖关系，而其中许多只有在工作开始后才会显现。
一种审慎且有分寸的谨慎，能帮助领导者区分“原则上可行”与“在特定环境中可行”。这种谨慎是健康的。它保护资源，避免疲劳，并防止组织在结构性尚未准备好之前就承诺雄心勃勃的变革。
在那些成功推进AI的组织中，一个显著特点是：它们往往从不同的地方开始。它们不是以转型为先导，而是更接近日常工作——支持人们已经在做的任务。
许多运营挑战可追溯到人类输入的质量：笔记、摘要、描述、解释、索赔以及内部文档。这些小的文本单元对下游决策与工作负载的塑造，远超人们通常给予的重视。
改进这些输入不需要复杂集成、漫长的试点周期或沉重的结构性变更。它只需要在工作发生的地方提供支持——帮助人们以清晰且一致的方式表达他们已经知道的内容。
这种更轻量的方法往往更快产生价值。并且重要的是，它不会给团队或系统带来不必要的压力。
AI 项目被取消的趋势并不意味着 AI 本身正在失败。这表明组织往往从过于复杂、成本过高或目标不够清晰的领域开始，难以持续推进。
Gartner的预测强调了一个直白的事实：当AI被引入到已经准备好的环境中时，它才会成功。
对许多组织而言，这种准备不会来自大规模转型，而是来自从熟悉的领域开始——一次互动一次互动地增强人们已经做得很好的事情。
有时，最具战略性的举措不是围绕AI重建组织，而是让AI在今天的组织形态下为其提供支持。
来源：
