MIT的一个研究团队发布了一份后来被疯传的报告。他们系统梳理了300多个公开发布的企业AI项目，访谈了52家组织的高管，结论用一句话就能讲完：企业大约95%的生成式AI试点，没有在损益表上留下任何可衡量的痕迹。同期砸进去的钱，估算在300亿到400亿美元。

MIT的一个研究团队发布了一份后来被疯传的报告。他们系统梳理了300多个公开发布的企业AI项目，访谈了52家组织的高管，结论用一句话就能讲完：企业大约95%的生成式AI试点，没有在损益表上留下任何可衡量的痕迹。同期砸进去的钱，估算在300亿到400亿美元。

这份报告有意思的地方在于它怎么解释这个数字。研究者的原话是，造成鸿沟的原因"看起来并非模型质量或监管，而是由做法决定的"。翻译成大白话：工具基本是够用的，卡住的是用工具的方式。

从今天起，本号开设"企业AI转型方法论"系列。这是开篇，想把三件事说清楚：为什么值得专门开一个系列讲方法论；这个系列打算用什么框架贯穿始终；以及从一个真实的反转案例出发，聊聊AI转型真正的对象是什么。

两个流行误区，各自指向同一种偷懒

接触的企业多了，会发现对AI转型的误解高度集中，主要有两种。

第一种，把转型当采购。评估几家供应商，看几场演示，选一个平台签下来，给全员开账号，然后等着效率自己长出来。MIT那份报告恰好戳破了这种幻想：八成组织都试过通用AI工具，近四成已经部署，但工具的普及和业务的改变之间，隔着一整条组织改造的流水线。买，只是最容易的一步。

第二种，把转型当裁员。AI能干活了，那就把人换掉，成本立刻下来。这个逻辑在演示视频里无懈可击，在真实的客户面前经常撞墙。它的问题在于假设了一个前提：所有的工作都是同质的，AI能干其中七成，就等于能替代七成的人。可工作不是均质的面粉，它是标准动作和关键判断的混合体，前者AI接得住，后者恰恰是客户愿意付钱的部分。

这两种误区方向相反，病根相同：都想绕开"改变工作本身"这件麻烦事，直接兑换结果。一个想用钱买，一个想用人头换。

而且这个坑到2026年也没有变浅。Gartner仍然预计超过四成的智能体AI项目会在2027年底前被取消，德勤的调研里只有11%的组织拥有生产就绪的智能体系统。去年死的是聊天机器人试点，今年换成智能体接着死，坟场换了一批住户，病因没有换。

一个完整的反转：700个人的活，和重新招回来的人

来看一个把第二种误区走到极致、又自己回头的案例。

瑞典金融科技公司Klarna的CEO发了一封高调的公开信：AI客服上线首月处理了230万次对话，承担了约700名全职客服的等效工作量，平均解决时长从11分钟压到2分钟以内，预计带来约4000万美元的年化利润改善。这封信当时被全球科技公司内部传阅，成了"AI替代人工"叙事的旗帜。公司后来的招股书披露，2024年实际省下约3900万美元；到2025年三季度财报电话会，CEO给出的最新估算是AI承担约853名全职客服的等效工作量，年化节省约6000万美元。

钱是真省了。然后反转来了。2025年起，Klarna的客户满意度持续下滑，用户抱怨回复机械、问题在循环里打转，公司甚至一度让工程师和营销人员回去顶班接电话。CEO在公开访谈里承认当初裁得太狠，重新招募了一批高技能人工客服，并留下了一句值得每个管理者抄下来的话：客户随时都该能找到一个人。

有意思的是，这一年半里AI本身没有退步，模型反而升级了好几代。变化的只是Klarna对工作的理解。他们终于看清，那700个人的活里，"账单什么时候到期"这一类标准问答，AI干得又快又好；但客户刚失去亲人、请求延期还款这种时刻，需要的是判断和体谅，这一部分从来就不该被换掉。省下的6000万美元是真的，被削掉的那部分客户体验也是真的，两笔账必须放在一起算。

所以AI转型究竟转的是什么？转的是工作被完成的方式，进而是每一项工作里人和机器的分界线，再往上是围绕这条分界线的流程、考核和组织。工具只是这场改造的入场券。

这个系列的框架：一条主线，三个问题

想清楚"转的是什么"，接下来的问题是怎么转。本系列将用一条主线贯穿：AI转型的本质，是把组织里"可自动化的判断"和"必须由人负责的判断"重新切一遍。切完之后，钱、活、人三样东西都要跟着动。这三个问题，就是后续篇章的脉络。

第一个问题，钱怎么算。AI投入的产出周期和传统IT完全不同，用买ERP的预算逻辑套AI，几乎必然在第二年开始互相埋怨。这个系列会专门写预算的三个口径，也写怎么识别那些注定算不出回报的投入。

第二个问题，活怎么切。Klarna用真金白银演示了切错的代价。哪些环节适合AI独立跑，哪些必须人机协作，哪些要坚决留给人，这中间有章法可循。后面会展开讲场景选择的判断标准，以及试点怎么设计才不会死在演示结束的那一刻。

第三个问题，人怎么摆。设不设AI部门、AI委员会该不该有、一把手工程和业务驱动哪个更靠谱、转型慢的公司输在哪，这些组织层面的纠结，每一家都躲不开。系列后面会逐个拆。

这里多说一句顺序。三个问题没有严格的先后，但有一条底线：先在单个场景里把"活怎么切"跑通，再动流程，再动组织。倒过来做的企业也见过，先设部门、先定编制、先发文件，然后满组织找场景去填，结果场景是凑出来的，用的人心知肚明。MIT报告里对成功那5%的描述很朴素：挑一个真痛点，执行到位，选对伙伴。没有一家是靠组织架构图先行的。

顺序上大致是先讲钱和活，再讲组织和人，中间穿插失败模式的复盘。每一篇都尽量带着数据或真实案例说话，不摆概念。

开工之前，先判断该不该动

方法论讲再多，也得先回答一个前提问题：你的企业现在该不该转。有三类情况建议缓一缓。数据底子一塌糊涂、连客户主数据都对不齐的，先补地基，AI放大垃圾的速度和放大价值一样快；核心业务正在生死线上的，别分心，转型是有余粮者的游戏；只有老板热情、业务负责人集体沉默的，先解决意愿问题，否则试点做完就是做完，不会有下文。

转型不是道德义务，是企业发展到某个阶段的选项。判断时机，本身就是方法论的一部分。

那95%里的大多数，并非输在起点，而是倒在从试点到量产的半程。里面有一个几乎所有企业都会踩的坑。