尽管企业在生成式人工智能（GenAI）行业投入了300至400亿美元，但本报告却揭示了一个令人惊讶的结果：95%的企业机构未能获得任何回报。这种结果在买方（大型企业、中型市场企业、中小企业）与建设方（初创公司、供应商、咨询公司）之间呈现如此鲜明的分化，我们称之为”生成式人工智能鸿沟”。仅有5%的人工智能集成试点项目正在获取数百万美元的价值，而绝大多数项目仍停滞不前，无法产生可衡量的损益影响。这种分化似乎并非由模型质量或监管驱动，而似乎取决于方法路径。
ChatGPT和Copilot等工具已被广泛采用。超过80%的企业机构已探索或试点这些工具，近40%报告已部署使用。但这些工具主要提升的是个人生产力，而非损益表现。与此同时，企业级系统（无论是定制化或供应商销售的）正被悄然弃用。60%的企业机构评估了此类工具，但仅20%进入试点阶段，只有5%达到生产环境。大多数失败源于工作流程僵化、缺乏情境学习能力以及与日常运营需求不匹配。
报告总结出定义”生成式人工智能鸿沟”的四大模式：
• 有限颠覆性：八大主要行业中仅有两个显现出有意义的结构性变革
• 企业悖论：大型企业试点数量领先但规模化应用滞后
• 投资偏见：预算倾向于关注度高的前台职能而非高回报的后台办公功能
• 实施优势：外部合作伙伴的成功率是内部自建的两倍
规模化的核心障碍并非基础设施、监管或人才，而是学习能力。大多数生成式人工智能系统无法保留反馈、适应情境或实现持续改进。
少数供应商和买方通过直接解决这些局限性取得了更快进展。成功的买方要求针对特定流程进行定制化改造，并基于业务成果（而非软件基准）评估工具。他们期望系统能整合现有流程并持续优化。满足这些要求的供应商在数月内即能获得价值数百万美元的部署合同。
虽然大多数实施案例并未推动人员裁减，但跨越”生成式人工智能鸿沟”的企业机构开始在产品支持、软件工程和行政职能行业出现选择性的人力影响。此外，表现最优异的组织报告称，通过减少业务流程外包（BPO）支出和外部机构使用（尤其在后台运营行业）实现了可衡量的成本节约。其他机构则指出，通过自动化外联和智能跟进系统提高了客户留存率和销售转化率。这些早期成果表明，针对特定流程部署具备学习能力的系统，即使没有重大组织重构，也能创造实际价值。
