被称为“人工智能教父”的杰弗里·辛顿（Geoffrey Hinton）近期在公开表态中对企业界快速推进大型语言模型（LLM）商业化提出质疑。在他看来，当前一代生成式人工智能系统在可靠性、可控性与可审计性方面存在结构性缺陷，难以与企业对准确性、问责制与安全性的要求相匹配。相关观点也与行业中企业人工智能项目高失败率的现实形成呼应。 辛顿：生成式系统“根本上不可靠”，难以与企业约束对齐 辛顿长期参与并推

一项针对500多名数据专业人士的调查显示，企业在大规模使用自主型人工智能的同时，相关治理框架却远未跟上，这种脱节正成为人工智能应用中的核心风险来源。

人工智能正从实验室技术与少数应用功能，快速转向更广泛的产业基础能力，影响范围覆盖软件开发、仓储运营以及科研活动等多个环节。相关观察指出，许多普通用户更多感知到的是产品界面层面的变化，而其背后的组织流程、基础设施与资源配置正在发生更深层的调整。 从“追逐演示”到嵌入流程：企业部署转向融合 Capge人工智能未来实验室负责人马克·罗伯茨表示，今年的关键词是“融合而非创新”。在其描述中，企业不再主要追逐

微软首席执行官萨提亚·纳德拉（Satya Nadella）近日在世界经济论坛期间就人工智能（AI）热潮向企业管理层发出警示称，如果AI未能切实改变人们的工作方式、带来可衡量的生产力提升，相关投入可能沦为“泡沫”。在生成式AI工具加速进入企业、但不少公司仍难以证明回报的背景下，纳德拉将焦点从估值与资本追捧转向企业内部的落地与组织变革。 纳德拉在达沃斯的表态将AI描述为对管理能力与执行纪律的“压力测试

Virtuous AI与Chief Executive Group发布白皮书调查显示，98.5%的中型市场CEO认为人工智能对业务有价值，但仅7%称已形成覆盖多个项目的全公司战略。缺乏专业知识、系统整合难度与数据问题被视为主要障碍。

近期人工智能能力快速提升，能够总结文档、编写代码和回答问题的系统已进入日常应用场景。但与此同时，越来越多研究人员与企业高管提出警告称，过去数年的跃进式进展可能正接近一类“硬性极限”：单纯依靠更大模型与更高预算，未必还能持续带来同等幅度的性能突破。 相关担忧并非指向技术“突然失灵”，而是认为当前路径可能遭遇结构性障碍，包括物理层面的计算与能耗约束、企业内部数据治理不足，以及扩展带来的政治与经济成本上

Precisely与德雷克塞尔大学LeBow商学院一项面向美欧中东非大型企业数据与分析负责人的调查显示，组织在扩展AI时面临数据准备、治理与人才能力等基础性短板，可能影响AI项目成效与投资回报。

花旗在过去两年中通过“AI冠军”和“AI加速器”等项目，将人工智能从试点项目推进到日常业务层面，目前约4,000名员工直接参与相关工作，超过七成员工以某种形式使用获批AI工具。

IBM商业价值研究院发布的全球高管调研显示，79%受访者预计人工智能将在2030年前显著贡献企业收入，高于当前的40%；但仅24%表示已明确收入将来自何处。受访者同时预计，未来数年人工智能投资将显著增长，并从效率导向转向创新驱动。

IBM通过基于资产的咨询和多云兼容平台服务，协助企业在现有IT与云环境上组装AI基础设施，以推动生成式AI从试点走向规模化应用。

在经历2025年人工智能副驾驶工具的密集落地与高预期之后，业内观点认为，2026年将成为CIO从零散试验转向以业务成果为核心系统规划的一年，重点将落在流程智能、技术整合、治理内嵌、预测落地与价值量化等方面。

Genpact最新调查显示，排名前12%的组织正通过智能代理AI嵌入核心流程，推动运营与增长方式重塑；研究同时指出治理、平台建设与人才能力仍是规模化落地的主要短板。