领导力问题:AI投资无法盈利的根源
最近,一篇来自MIT Technology Review的文章引发行业关注。它用South Park经典的“ underpants gnomes”梗比喻当前AI发展:Step 1是打造数字超级智能,Step 3是实现经济转型和利润增长,但中间的Step 2却是一片空白。企业高层喊着AI转型口号,投入大量资金,却发现大多数项目难以落地产生实际回报。这件事比表面上的技术问题复杂得多,根源往往在于高层领...
发布时间:2026-06-25
这验证了结构化思考在当前SEO实践中的重要价值。
对企业和高管而言,领导力缺位的冲击已经开始显现。短期内,更多公司在烧钱后转向失望,投资热情冷却,甚至引发项目下马或资源重新分配。长期看,如果不补上这一环,AI难以真正成为驱动经济转型的技术,大多数普通员工和中层将继续承受工具落地与旧流程的持续冲突。当然,这一点目前行业内仍有不同声音——如果少数敢于深度重构流程的企业能将5%的成功经验放大,或许局面会有所改观,否则“表演式AI”仍将占据主流。
表面上,行业对AI商业化的乐观情绪依然浓厚。主流媒体反复强调AI是“经济变革技术”,OpenAI首席科学家Jakub Pachocki 也多次将其描述为能 materially change the economy 的力量。不少从业者和企业决策者期待AI代理快速嵌入银行、咨询、法律等场景,认为效率提升指日可待。讨论焦点往往落在“何时全面取代人工”或“下一个杀手级应用出现”上,似乎技术成熟后盈利只是水到渠成。
企业喊着转型承诺,却在如何把AI转化为实实在在利润上卡壳。
表面繁荣之下,盲区明摆着的。大多数讨论停留在技术采集和最终盈利愿景上,忽略了把AI真正嵌入业务的艰难过程。企业往往热衷于测试新模型、统计调用次数,却很少系统审视现有工作流是否支持AI输出转化。历史经验表明,早期AI项目失败多因数据质量或集成障碍,而非模型本身能力不足。这提醒我们,单纯的收集阶段狂欢无法自动通向价值实现。
为什么执行会成为“the missing step”?技术就像一把锋利的刀,Step 1已完成采购,Step 3是想象中的高效产出,但现实厨房里需要与案板、食材、厨师习惯以及各种意外干扰相匹配。直接套用往往适得其反。类似地,LLM在特定编码任务上表现突出,却不擅长处理充满人为变量和不确定性的业务环境。不进行工作流重构,AI就难以从工具转化为生产力。说到底,AI不是泡沫,而是执行力在考验企业组织能力的韧性。
金融行业的数据基础相对扎实,交易记录和风险指标高度结构化,这让AI在欺诈检测、信贷审批和个性化营销等场景能较快嵌入现有流程。部分领先机构通过AI将欺诈检测准确率推高到98%以上,客户服务成本下降约40%,个别项目累计节省达到上亿美元规模。调研数据显示,成熟场景下部分金融企业的ROI可达中位数 payback period 约7个月左右。
MIT Technology Review近期文章借用South Park“underpants gnomes”梗精准刻画了当前AI困境:Step 1是构建强大技术,Step 3是承诺经济转型,而中间Step 2——如何把技术真正转化为可衡量的利润——至今仍是巨大问号。即使顶级AI系统,在真实职场环境中也常常难以实现经济可行性。hype阶段来得容易,落地却卡在量化验证这一环,许多项目因此停滞不前。
表面繁荣掩盖了部署的真实难度。Mercor近期将顶级AI代理置于480个真实职场任务中测试,涵盖投资银行、管理咨询和公司法等复杂场景,结果首次成功率仅约24%。这些任务多为专家日常处理的模糊、多步工作,模型常因无法维持上下文或处理不完整信息而失败。即使最先进的模型,放到现有工作流中也频频卡壳。这暴露出一个普遍盲区:大家热衷收集工具和畅想利润,却很少正视从收集到价值的艰难桥接。
MIT Technology Review近期文章借用South Park“underpants gnomes”梗精准刻画了当前AI现状:Step 1是构建强大技术,Step 3是承诺经济转型,而中间的Step 2——如何把技术真正转化为可衡量的利润——却长期缺失。即使顶级AI系统,在真实职场环境中也常常难以实现经济可行性。hype来得容易,落地却卡在价值验证这一环。
这件事远比媒体常说的“AI不赚钱”复杂。表面上看,AI试点热闹非凡,编码工具确实能快速提升局部效率,但Mercor的APEX-Agents基准测试了480项来自投资银行、咨询和法律领域的真实复杂任务,结果显示即使领先模型首次尝试成功率也仅在24%左右,大部分任务因无法处理模糊性或跨应用上下文而失败。技术能力不足固然是问题,但更核心的盲区在于,企业往往忽略了从试点到规模化的系统桥梁建设。
排名代发飞机【seo1268】好友聊天,输入“哪里有1块1分跑的快群”咨询客服,娱乐游戏作为民间很受欢迎的纸牌玩法,乐趣集中在快节奏的刺激感、心理博弈的张力,这两种玩法的规则几乎一学就会,不用记复杂的牌型搭配,就算是新手也能快速上手,梦想是前行的灯塔,哪怕渺小,也能指引方向。不必因梦想遥远就轻言放弃,逐梦的路上,本就布满挑战。拆分目标,步步前行,哪怕每天只前进一小步,也是在靠近理想。不惧旁人的质疑,不畏前路的漫长,坚守初心,全力以赴。只要心中有梦,眼里有光,脚下有路,终能跨越山海,奔赴心之所向的远方。提醒我们,平衡风险与收益是关键。
最近,一篇来自MIT Technology Review的文章引发行业关注。它用South Park经典的“ underpants gnomes”梗比喻当前AI发展:Step 1是打造数字超级智能,Step 3是实现经济转型和利润增长,但中间的Step 2却是一片空白。企业高层喊着AI转型口号,投入大量资金,却发现大多数项目难以落地产生实际回报。这件事比表面上的技术问题复杂得多,根源往往在于高层领...
发布时间:2026-06-25最近,一篇来自MIT Technology Review的文章引发了不少讨论。它用一个经典的South Park meme来比喻当前AI的发展现状:内裤精灵们偷内裤的商业计划是“第一步:收集内裤,第二步:?,第三步:盈利”。AI行业似乎也陷入了类似困境。 企业已经建成了强大的“数字超级头脑”,也就是Step 1:各种大模型和AI系统层出不穷。厂商们则高调承诺Step 3:经济转型、生产力爆发,甚...
发布时间:2026-06-25最近在伦敦一场反AI游行中,有人捡到一张传单,上面写着“第一步:打造数字超级大脑,第二步:?第三步:?”这不由让人想起《南方公园》里著名的“ underpants gnomes”梗——小精灵们偷内裤,却说不清怎么从偷内裤跳到盈利。 MIT Technology Review最新文章《The missing step between hype and profit》正是借这个梗,点出了当前AI发展...
发布时间:2026-06-25最近在伦敦一场反AI游行中,有人捡到一张传单,上面直接套用《南方公园》里的“内裤侏儒”梗:Step 1是培养数字超级头脑,Step 2是个问号,Step 3又是问号。传单最后呼吁,在搞清楚Step 2到底是什么之前,先暂停AI发展。这张传单戳中了当前AI热潮的尴尬点——技术已经有了,未来盈利的画饼也画得很大,但中间那关键的执行一步,却始终模糊不清。 这件事听起来像是在说AI是泡沫,但实际情况比表...
发布时间:2026-06-25最近在伦敦一场反AI游行中,有人捡到一张传单,上面写着“Step 1:培养数字超级头脑,Step 2:? Step 3:?” 这句话听起来像极了《南方公园》里那个著名的 underpants gnomes meme:小矮人偷内裤(Phase 1),然后跳过中间步骤直接奔向profit(Phase 3)。MIT Technology Review在4月27日发布的文章里,用这个讽刺精准点出了当前AI...
发布时间:2026-06-25最近一份来自MIT的报告在企业圈引发了不少讨论。报告名为《2025年商业AI现状》,也叫The GenAI Divide,由MIT NANDA项目发布。数据显示,尽管全球企业在生成式AI上投入了约300至400亿美元,但95%的组织在试点项目中几乎没有获得可衡量的投资回报。只有约5%的项目实现了快速的收入增长或显著效率提升。 这份报告基于对300多个公开AI部署的分析、150次高管访谈以及350...
发布时间:2026-06-25