6.7
深览指数
商业人人都是产品经理·陈哥聊测试··AI 生成
为何80%的AI项目都会失败？（内含自查方法）
文章基于Gartner、麦肯锡、标普全球等机构的调研数据指出，超过80%的AI项目失败，核心原因不在技术，而在于企业普遍陷入“为做AI而做AI”的陷阱、业务目标模糊、数据治理不足、组织缺乏权责闭环与变革文化。作者提供了一个包含业务清晰度、数据就绪度、决策执行闭环、组织就绪度四个维度的自评框架，并指出那些成功落地的企业并非靠前沿技术，而是将精力花在数据治理和组织流程改造上。此文适合企业决策层、AI项目负责人以及正在规划AI落地的业务与数据团队阅读，用于立项前的风险自查。原文 ↗
核心观点
- ▍企业AI项目失败的核心原因不在技术本身，而在于业务目标模糊、数据治理混乱、组织缺乏权责闭环和变革文化等非技术因素。
- 01超过80%的AI项目难以落地，失败率是传统IT项目的两倍；Gartner统计显示仅48%的AI项目能完成试点阶段。
- 02标普全球2025年调研发现，已有42%的企业叫停了大部分AI项目，比例较前年的17%显著上升。
- 03Informatica 2025年调研显示，数据质量差是AI落地最大的障碍，43%的企业卡在这一步；Gartner预判到2026年，60%的AI项目将因数据不合格而无法推进。
- 04麦肯锡调研指出，愿意同步调整内部工作方式配合AI变革的企业，成功率是只搞技术企业的5.3倍。
- 05成功突破的企业通常将50%-70%的时间和预算投入在数据治理上，而不是急于开发模型。
- 06反面案例：Zillow因AI模型输出的定价无人负责、缺乏组织机制的闭环跟进，单季亏损4.21亿美元，最终关停业务线。
反方 / 局限
- — 文章对“企业缺乏高质量数据”这一根本痛点的解决路径讨论有限，并未具体说明中小企业如何在预算有限的情况下高效完成数据治理。
- — 文章提出的四层自检框架偏向于定性判断，缺乏量化评估工具或行业对标基准，实际应用中可能仍依赖项目负责人的主观经验。
9 分钟 · 4 卡片 · 7 资料
读原文 →