企业AI的短板，藏在“上下文”这层

企业里同时跑着客服AI、对话助手、流程自动化工具，每个都看起来聪明。真正上线后，输出可能错误、混乱，或者根本不懂业务。MIT Technology Review Insights与Atlan合作的一份报告把这件事量化了：所有受访组织都在某种程度上用AI，只有16%从部署中拿到变革性价值。

报告的数据分布更具体。40%的受访者说只在特定任务或团队看到中等收益，21%报告有意义的收益，23%几乎没有回报或完全没有回报。大多数公司还停在局部提效，离“变革性价值”有距离。

落地形态也说明这一点。38%的受访者仍在试点AI用例，35%用copilot、聊天助手这类工具辅助员工工作。只有12%的企业把AI agent放进生产环境，3%说AI承担了关键流程里的大部分工作。工具在增加，流程改造还没跟上。

Atlan联合创始人Prukalpa Sankar的判断很直接：模型能力，和模型在组织里实际有用的程度，中间有一大段差距。她还有一句更尖锐的话：就现实中的各种用途而言，通用人工智能已经在这里，只是它在大多数公司里没那么有用。她又用实习生打比方：没有给AI准备上下文层，差不多等于招了世界上最聪明的实习生，蒙上眼睛，扔进公司。

报告把缺失的那层叫context layer，上下文层。它是夹在业务系统和AI平台之间的架构基础设施，把企业里的智能翻译成受治理、机器可用的上下文，供AI agent或模型使用，也让知识能复利。翻成更直白的话：AI得知道业务里的词、指标、数据来源、权限边界和彼此关系，才可能做出靠谱动作。很多企业买了一排聪明工具，最后发现它们各自聪明，合起来不懂业务。

这也能解释一个常见落差：演示里的AI很亮眼，进入组织后却频繁出错。模型能力是通用品，企业上下文是私有资产。上下文层听起来像数据治理的延伸，做起来更像组织工程。它不产生演示视频里的惊艳瞬间，但决定AI能不能从辅助员工走到承担流程。

报告由MIT Technology Review Insights制作，属于定制内容，与编辑团队作品分开；研究和写作由人完成，AI工具限于人工监督下的生产流程。报告可在这里下载：MIT Technology Review Insights与Atlan报告；原文：Creating AI value with enterprise context。