探讨AI 在企业中落地困难的几个原因

不可否认 AI 在年初彻底火了一把，但笔者认为火的只是概念，激发了大家对 AI 概念认知的好奇心。于是各种培训搞起来，培训之后呢？大部分企业就没有然后了。

AI 的火也只是表现层，好比网上的一段子：AI 目前最大的功能是想啥有啥， 但就是不能指望它干啥。

AI 技术看起来很神奇，但真正应用到实际工作中后才发现 AI 的局限性远远大于预期，高昂的投入成本、技术实现的复杂性以及漫长的回报周期让不少公司望而却步，导致 AI 在企业应用市场外热内冷。

AI 为什么在企业中落地困难呢？笔者分析大约有以下四个原因：不懂，算法、算力、数据

1.不懂：对 AI 认知不够

2.算力：担心投入资源不一定有回报

3.算法：通用大模型能力强，但是不专业

4.数据：缺少数据，有数据但质量不高

对 AI 认知不够

对 AI 的理解不足，主要体现在企业需求模糊和专业人才缺少。

需求模糊

不同企业的业务场景和需求差异大，通用AI技术难以直接适配，结果AI找不到精准发力点，陷入碎片化需求。

部分企业对AI认识不足，缺乏清晰的AI战略规划，没有将AI与企业业务战略相结合，导致AI应用缺乏明确方向和目标。

造成“锤子找不着钉子”的情景，业务部门需求模糊（如“提升销量”），

人才短缺

AI落地需同时懂算法、业务、工程的跨界人才，这样复合型人才匮乏，制约了AI项目的推进。也存在基层员工视AI为岗位威胁，消极配合的情况。

算力：担心投入资源不一定有回报

现实情况是大部分传统企业生存艰难，面对高额的算力成本难以支撑，而且AI价值难以量化，比如“客户满意度提升”，提升多少，如何验收都是问题。

另外除模型开发外，数据治理、算力扩容、系统改造、持续运维成本常超预算数倍。

算法：通用大模型能力强，但是不专业

通用大模型存在答非所问情况，比如我要一把可以自由滑动的五星脚皮椅设计图，AI 给我的图片是两个五角星的下脚

这个主要原因就是通用大模型不认识“五星脚”，关于算法下一篇专门讲讲通用大模型和微调后定制行业模型的区别。

数据：缺少数据，有数据但质量不高

众所周知 AI 技术想发挥作用，外需依托强大的数据基础。

而目前企业数字化基础薄弱，尤其缺乏清洁、结构化的数据，数据孤岛现象严重，流程混乱，管理不规范

就算 AI 有效嵌入现有体系，也是垃圾数据进，无效答案出。

所以 AI依赖大量高质量数据进行训练，依托企业管理的标准化、数据的完整性、流程的规范化。

同时，数据安全至关重要，一旦泄露会给企业带来巨大损失，这使得企业在使用和共享数据时顾虑重重。

AI落地本质是技术与业务的交响曲，成功企业往往在数据基建上耐心耕耘，训练行业特有模型、寻找具体业务场景运用 AI。

当技术理想主义让位于商业务实主义，AI才能从“实验室宠儿”蜕变为“生产力引擎”。