摘要：
- 尽管有媒体报道称生成式AI的投资回报率不佳，但其在企业内部的部署仍在加速推进。
- 在IEEE近期开展的一项调查中，39%的全球科技行业企业领导者表示，其所在机构将在2026年有选择地常态化应用生成式AI。
- 35%的受访者称其机构“正快速整合生成式AI，并期待实现底线业绩提升”。
- IEEE专家指出，AI的未来核心在于功能性应用 —— 即能够实现工作流自动化、提升数据准确性并支持决策制定的系统。
全球企业已投入数十亿美元部署生成式AI。近期媒体报道却引发质疑：这些机构的投入是否物有所值？
尽管存在上述疑虑，但趋势并非退缩而是精进：IEEE近期针对全球科技行业领导者开展的一项调查显示，2026年，预计仍处于“刚刚起步”或停留在试点阶段的企业将减少，而更多企业将实现生成式AI的常态化应用，或将其整合到各类业务运营中。
这份题为《2026及未来科技影响力：IEEE全球研究报告》的调研指出，科技行业领导者预计其所在企业将更深入地部署生成式AI。
受访者需从六个阶段中选择一项，以最准确描述其所在机构截至2026年的生成式AI应用进展。在上一次调查中，最多受访者表示其机构的应用水平处于“抱有较高期待或开展小型试点项目”阶段；而在本年度调查中，39%的受访者（占比最高）称其机构将“常态化应用但有所选择”，紧随其后的是“快速整合并期待实现底线业绩”（35%）。
- 刚刚起步：1%（较2025年下降4个百分点）
- 抱有较高期待并开展小型试点项目：8%（较33%下降25个百分点）
- 面临挑战并重新审视策略：4%（较18%下降14个百分点）
- 持续学习并初见成效：13%（较24%下降11个百分点）
- 常态化应用但有所选择：39%（较20%上升19个百分点）
- 快速整合并期待实现底线业绩：35%（2026年新增选项，无2025年基准数据）
质疑期已至？
新技术往往会经历观察家们所说的“炒作周期”。这一概念对需要决策投资方向的投资者颇具参考价值，信息技术管理者也会借助它规划企业技术路线图。该周期描述了新技术如何从备受热议迅速攀升至 “期望膨胀峰值”，随后跌入“幻灭低谷”，最终逐步迈向实用化的主流价值阶段。互联网的发展便遵循了这一路径：20世纪90年代末的互联网泡沫达到顶峰后，于2000年左右崩盘，而后逐渐成熟，成为如今商业、媒体与工作场景中不可或缺的日常平台。
生成式AI无疑曾承载着极高的期待，但近三分之一的相关项目或许将被搁置。咨询公司麦肯锡的报告显示，近八成企业正在使用生成式AI，然而几乎同等比例的企业表示，该技术尚未对底线业绩产生可量化的影响（https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage）。
这使得许多企业在规划技术落地时，难免采取了某种程度的质疑态度。
IEEE高级会员Santhosh Sivasubraman表示：“随着技术应用周期的自然推进，我们正进入一个理性质疑的阶段。这未必是坏事 —— 它意味着人们对AI的能力与局限的认知正在走向成熟。那些未经充分规划便仓促部署AI的机构，如今正在重新评估其策略，进而制定出更具深思熟虑的落地方案。”
为何如此多AI项目以失败告终？
该调查揭示了一个关键数据点，或许能解释企业面临的困境：AI项目失败的常见原因是团队高估了模型的可靠性。聊天机器人给出答案时的笃定态度，往往会让人过度评估其能力 —— 50%的受访者将“过度依赖AI”及“潜在的数据不准确问题”列为首要担忧。
IEEE高级会员Eleanor Watson表示：“过高的期待让企业领导者误以为AI能成为‘数字员工’，而非为明确目标设计的精细化系统。”
她指出，企业常常将先进模型应用于只需简单数据分析便能满足需求的场景；与此同时，他们用于训练AI的数据质量往往参差不齐。
IEEE 会员Ning Hu表示，另一项认知偏差源于将生成式AI的情感化特性与其功能性价值混为一谈。企业往往会投入资源开发语气亲切、态度支持的生成式AI聊天机器人或虚拟助手，但这些工具却几乎无法带来可量化的价值。企业本希望获得的是能默默处理任务、确保业务有序推进的高效“管理者”，最终得到的却只是一个试图通过友好语气和共情表达来取悦用户的“陪伴者” —— 这类工具并不能产生实际成效。
创造实际价值
Ning指出，生成式AI最可靠的回报正体现在业务后台场景中，即AI作为企业“运营中枢”发挥作用的领域。具体案例包括：订单到收款流程的自动化、基于预测分析的库存补货、面向财务与人力资源部门的机器人流程自动化（RPA），以及制造业或医学影像领域的精准控制。
调查显示，网络安全、供应链与仓库自动化以及软件开发，将成为2026年AI的首要应用领域。
Ning指出，另一个具有持续价值的应用类别是“沙盒式实验”：企业搭建隔离环境，让生成式模型在其中探索创新解决方案或优化设计方案，随后将经过验证的成果应用于实际生产。
“在所有这些场景中，AI的价值都通过具体且对业务至关重要的指标来衡量，而非仅依赖用户情感反馈。”Ning表示。
换句话说，最优质的AI或许恰恰是“无趣”的 —— 它不追求表面的交互体验，而是专注于创造实际业务价值。
延伸阅读：探索IEEE全球调查的更多深度洞察，了解将在2026年重塑行业的各类技术：https://www.ieee.org/ieee-global-survey-forecasts-agentic-ai-adoption-will-reach-consumer-mass-market-level-2026-ai。