01

今天，AI被广泛宣传能够重塑我们商业和生活模式的变革性潜力，从自动化日常任务到提供各种回答见解，AI能做到的事似乎无限。

但是，在这种乐观的表象之下，隐藏着一个严峻的现实：

绝大多数人工智能项目都未能实现预期价值，我们翻阅了各种权威研究和行业报告都表明，AI项目的失败率惊人地高达70-80%，甚至最高达到了85%。

当然，我所指的“失败”并不只是说技术开发失败了，更常见的情况是项目没能达到预期的投资回报率（ROI），没有对业务产生有价值的影响，或者是没能在整个组织中推广应用。

我们总结了绝大多数AI项目的失败原因，技术并不是最难的拦路虎，而是另外三个关键要素：战略、数据和人员。

02

我们先来看战略层面。

麦肯锡的调研显示，把AI项目认为是一次技术上升级，流程上的补充优化，完全委托给IT部门去解决，这是导致失败的最常见案例。

这其实就跟很多企业进入互联网营销，接触短视频直播一样。

如果领导者不重视，一把手不亲自参与进来，仅仅把互联网当成一个线上店铺，一个额外的销售渠道而已，不去思考企业的产品、应用场景、业务模式如何随之改变，企业的营销体系如何在全域进行有效地布局，从而触达和贴近真实的客户需求，带回多元化的订单，对市场风向进行更好的判断。

那么，这样的互联网营销转型其实注定是要失败的。

同样，AI的价值在于它能驱动业务转型，实现组织变革管理，而不仅仅是我今天多了个AI可以去聊天，可以当助理。

这就需要领导者的深度参与，它同样也是一把手工程，需要去确保AI项目跟公司的核心战略目标保持一致，给出关键的资源分配。

没有这种级别的支持，AI项目往往会迷失方向，难以推进，甚至很难获得跨部门的支持协作，像Gartner就估计，85%的AI项目没有实现规模化，主要原因是缺乏高管的支持以及跟业务战略的一致性。

当然，我们在确定目标的时候，也不要想着让AI彻底改变业务这样宏大、不切实际的目标。

我们在之前的单仁行也讲过，AI不是神仙，重要的是人的思考，所以，不要对AI的短期能力抱有不切实际的期望。

更合适的方法是设定一系列明确、可衡量的指标，比如说节省了哪些成本，在哪个环节提高了多少效率，缩短了产品、研发、运营的周期等等。

03

第二个因素就是数据。

今天对AI一个普遍存在的误解就是它是软件应用，但实际上，企业端的AI项目核心不是代码，而是驱动它的数据。

像我们在文思子牙以及AI搜索优化的系统里，就给每个企业内置了专属的数据库，为什么要多做这个事？

因为我们把低质量的数据输入给AI，必然会导致不可靠的输出或者是通用型输出，而不是企业真正需要的答案。

包括在单仁牛商最新改版《视播时代·企业全域营销快速增长系统班》上，我们对AI这部分进行了重点的升级。

我们不仅讲到了AI工具的应用，更重要的是关于企业对于AI的顶层战略，包括AI工具的选择和实施、数据准备和提问标准，以及至关重要的员工培训和业务变革。

就像我们给文思子牙训练了系统化的营销思维链和输出标准。

当每家企业把自己的背景、产品服务、业务特征、关键词、应用场景变成一个明确、量化的专有数据喂给AI的时候，我们就能真正体会到AI的神奇之处。

当然，这一点也适用于其他的企业端AI项目，不管再怎么强大的AI，你给它垃圾数据，得到的也一定是垃圾。

第三个因素就是人员。

在麦肯锡的调研数据当中，我们可以看到一个惊人的情况，在进行AI转型的企业当中，超过一半的企业对自己10%的员工进行了AI培训，只有9%的企业对自己一半员工进行了AI培训。

这是一个很大的问题，我认为，人的主观感受是AI转型当中容易被忽视的决定性因素。

因为如果员工自己不信任一个工具，他们不仅不会使用它，甚至还会积极地抵制它。

就像许多员工担心AI可能会让他们的技能过时，这一点在全球都是共通的，想Aberdeen的一项研究发现，70%的婴儿潮一代、63%的X一代、57%的千禧一代和Z一代都认为“AI会让他们的工作面临风险。”

这种焦虑造成了对AI的抵制，因为员工会优先考虑自己的工作安全，而不是技术进步的潜在好处，从而使得任何AI转型遭遇失败。

所以，企业的领导者必须主动要进行沟通，清晰地传达AI是作为增强员工能力的工具，而不是替代他们的技术。

同时，也要对员工进行职业转型和技能提升的再培训，让员工真正把AI作为提升自己的机遇。

04

当然，对于绝大多数中小企业来说，因为缺乏资源和资金，AI转型没办法像那些大公司一样从底层的算法、算力去开发一个自己的AI，而是去购买一个现成的AI应用或者系统，并入到自己的工作流程中。

从成本角度考虑，这是最经济的做法，当然，我们需要去考虑到数据、功能的兼容集成、培训和持续维护的成本，不是说简单买一个AI应用，谁便宜就买谁。

假如这个AI没办法跟公司软件和业务相兼容，通用大模型也无法完全适应公司独特的业务流程，导致输出结果平庸，就会掉入现成产品的陷阱。

然后，那些从来没有接受过培训，又对AI心存恐惧的员工就不会去信任AI的输出，很快就回到他们熟悉的传统工作流程中，最终钱也花了，但没有解决任何实际问题。

所以，与其追求一步到位的AI转型，中小企业更应该采纳循序渐进的“爬行-行走-奔跑”的方法论。

什么意思呢？

在爬行阶段，企业需要去识别具体的业务痛点，而不是追逐最新的技术潮流或者是最便宜的AI工具。

我们首先要对自己的业务、产品、盈利模式和营销体系进行一次彻底的审视，搞清楚我们试图用AI解决什么问题？

是解决重复性任务、容易出错的流程，还是内容的产出，客户的响应？

有明确的功能性指标，就能快速验证AI的价值。

到了行走阶段，就是启动试点项目。

我们在确定了合适的目标之后，就可以去针对性挑选AI应用来启动一个小规模的试点项目，比如说关于营销，我们就可以去尝试利用文思子牙去实现系统化的AI营销流程，我们把内容、剪辑、业务关键词、用户画像、订单询盘、账号运营都集成到了一起，跟企业现有工作流程的集成摩擦最小，用户界面也容易上手。

而且，今天很多AI应用都是订阅模式，有前期的体验，而不是一次性买断，包括我们也是，所以，企业可以用更低的成本去获得AI能力。

这个阶段的目标是在2到3个月内产生可衡量的结果，试点项目不要追求完美，更重要的是证明AI的价值。

到了奔跑阶段，就是在试点成功之后进行公司内部的推广和培训。

试点项目会给我们提供了一个具体的内部案例，向所有员工证明AI能够帮助他们，而不是取代他们，这种来自内部的成功故事，远比任何自上而下的命令都更有说服力。

同时，我们也可以借着这个机会给员工提供全面的AI知识培训，帮助他们理解AI能做什么、不能做什么，以及如何正确使用AI工具，在组织内部建立起对AI的信心和支持。

当然，假如企业拥有一定预算，又面临业务挑战，那么，最好是要找到专业的咨询顾问，让他们来帮助企业去制定一个全面的AI顶层战略，包括AI工具的选择和实施、数据准备和提问标准，以及至关重要的员工培训和业务变革。

这不仅可以规避掉一些陷阱，也能让企业更快获得一个定制化的战略规划，更早拿到回报。

当然，对于中小企业来说，也不必过于焦虑，毕竟今天的AI还在发展的初期阶段，我们不要把眼光局限在掌握某一个AI工具，而是要逐步建立起一种能够持续学习、不断适应的组织能力。

把AI看作是企业提升业务韧性和核心竞争力的基本要素，同时，也把它作为一段持续的旅程，进行战略性、阶段性的投入，这才是我们中小企业在未来智能化的商业环境中持续成长的关键。

-

责任编辑 | 罗英凡

图片均来源于网络

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。