那个 AI 圈子不爱提的数字
2025 年，MIT 的研究者去看了生成式 AI 在企业里实际表现如何。出来的标题很扎心：大约 95% 的企业 AI 试点没有带来可衡量的回报。
如果你是一个一直被告知「AI 会改变一切」的新西兰小生意主，这个数字值得你认真看一眼。因为它诚实的版本，比吹捧和唱衰都更有用。AI 失败，不是因为它不管用，而是因为大多数生意没法把它送过最后一公里：从一个聪明的演示，变成真正能跑生意的东西。这篇就讲清楚为什么，它对小生意具体意味着什么，以及怎么成为拿到真结果的那 5%。
95% 到底是什么意思
值得说精确点，因为这个标题经常被拉伸。
那项研究（MIT「State of AI in Business 2025」，出自它的 NANDA 项目）看的是企业生成式 AI 试点，发现绝大多数对盈利没有可衡量的影响。它没说 AI 答错了，也没说 95% 的公司后悔尝试。它说的是，大多数试点从没变成生意赚钱或省钱方式上的持久改变。
研究者还把原因说得很清楚。不是模型质量，他们叫它**「学习鸿沟」**：通用工具对一个人对着聊天框打字很好用，但放进生意里就卡住，因为它不会去学、去适应这个生意实际的流程。技术很少是问题，合不合身才是。
所以结论不是「别碰 AI」，而是「演示是最容易的那部分，几乎所有人都低估了剩下的」。
为什么 AI 项目会失败：最后一公里
工程师给这事起了个名字。最后一公里，是一个东西在演示里能跑，和它在真实世界里能用之间，那段最不光鲜的距离。对 AI 来说，演示如今容易得惊人，而失败都藏在最后一公里里。它具体由这些组成：
- 对接。 一个真实的生意跑在一摞工具上：邮箱、日历、会计、工程管理或预约系统、网站。AI 只有接进这些里面才值回成本，而不是待在一个你要复制粘贴的单独聊天窗口里。
- 流程合身。 你的生意不会照着训练数据里的「平均」来跑。AI 得迁就你实际怎么报价、预约、跟进、开发票，连本地的细节都要算上。一个逼你改变做事方式的通用工具，通常会被悄悄弃用。
- 没人去落地。 一个试点需要有人把它从「挺有意思」推到「上线了」，再让它持续跑。大公司有团队干这个，大多数生意没有。
- 数据准备。 AI 需要的信息常常散在 Excel、收件箱和某个人的脑子里。等数据完美干净是幻想，但完全不管数据，就一定会卡住。
- 信任与掌控。 没有哪个清醒的老板会把发送、发布、花钱的权限交给一个没人盯着的 AI。没有清晰的护栏、没有人来批准重要动作，试点就卡在信任这一关，永远上不了线。
注意，这五条里只有一条是关于 AI 本身的。另外四条都是关于怎么把它弄进你的生意。那就是最后一公里。
对小生意最有用的那个发现
同一份 MIT 研究里，藏着对你这种做小生意的人最要紧的一句话。
那些买或者找伙伴合作做 AI 的项目，成功的概率远高于公司自己内部硬做的项目。大致是：找伙伴合作的，大约三分之二成功了，而内部自建成功的比例只有它的三分之一左右。
再读一遍，因为它反直觉。把这件事交给天天做这个的人，拿到结果的概率，远高于自己上手做。对一个没有专门技术团队的小生意，这不是个小细节，这是全部的胜负手。一边经营生意、一边想自己把 AI 实施起来，是加入那 95% 最稳的方式。
为什么小生意卡得更狠
上面这些，你越小就越难，不是越容易。
一个大企业 AI 试点失败了，它有团队、有预算、还有下一个季度可以再试。小生意没有这些缓冲。这些障碍在新西兰的数据里看得很清楚。AI Forum NZ 发现，虽然绝大多数新西兰机构都在以某种形式用 AI，但只有大约八分之一真正把它推广到了整个生意，将近一半还卡在试点或探索阶段。行业调查给出的头几个障碍是：缺内部技能、数据乱或不互通、对治理规则没把握，紧跟着是成本，而大多数员工根本没受过任何 AI 培训。
说白了：典型的新西兰小生意在 AI 上卡住，不是因为老板不够聪明，也不是工具不够好。是因为没有一个人，他的工作就是把 AI 带过最后一公里。顾问的 PPT 来了，然后就摆在那，因为去落实它，本来就需要一个这家生意没有的团队。
大厂是怎么解决的
有意思的来了。世界上最先进的 AI 公司，撞的正是这堵墙，而它们的答案，告诉你什么才真正管用。
它们没有继续「发软件、然后指望客户自己实施」，而是开始把自己的工程师派进客户的生意里。Palantir 多年前就开创了这个模式，把这个角色叫做 forward deployed engineer（前线部署工程师）。2026 年，OpenAI 成立了一家专门的部署公司，业内叫它「DeployCo」，它存在的全部目的，就是把前线部署工程师派进大机构里，把 AI 真正搭起来、跑在生产环境里，甚至直接收购了一家公司，好一上来就带着一支现成的部署专家团队。Anthropic 也做了自己的版本，叫 applied AI engineer。
这个规律错不了。这个行业的最前沿，比的不是谁的模型更聪明，比的是谁能解决落地，也就是最后一公里：派人贴身进去、搞懂真实的流程、做出合身的那个东西。它们想明白了，瓶颈从来不是模型，是把它落地。
想完整了解这个角色，我们写过一篇：forward deployed engineer 到底是什么，写给新西兰小生意。
这对你意味着什么
当然，问题是：那些 forward deployed engineer 贵得吓人，瞄准的是银行和世界 500 强。小生意请不起 OpenAI 的部署团队。
但重要的是方法，而方法可以缩小。你不需要一个更聪明的模型，你需要有人替你的生意做 DeployCo 替大公司做的那件事：坐下来和你一起，搞懂你的活到底怎么流转，围着它把 AI 搭起来，连上你已经在用的工具，并且为「把它真正上线」负责到底。这就是 forward deployed engineer 用在小生意上 的全部思路，也是我们 BestAI 在做的事，缩小到一个小生意真能签得下去的价格。
小生意到底怎么把 AI 用起来
如果你想落进那 5%，下面是实操顺序，不管你是找我们还是找别人。
- 从一件活开始，不是从战略开始。 别想什么「AI 战略」。说出这一周最浪费时间的那一件重复的活。那就是你的试点。
- 要一个能跑的版本，不要一份 PPT。 交付物应该是几天内你就能上手摸到的、跑起来的东西，而不是一份描述「可以做什么」的文档。
- 先在安全的地方测。 第一个版本应该跑在碰不到你真实生意的地方，让你在信任它之前先看着它工作。
- 留一个人在环里。 没有你的批准，不发送、不发布、不花钱，而且每个动作都有记录。信任是一步步盯着挣来的。
- 连上你真实的工具。 价值是在它接进你的邮箱、日历、会计和网站时才出现的，而不是待在一个单独的 App 里。
- 找个人对最后一公里负责。 这一步是所有人都跳过的，也是大多数试点死掉的原因。如果你没有内部团队，就找个伙伴来搭建并落地。MIT 的数据本来也说这条路更靠谱。
想看这套思路落在哪些日常活儿上、我们怎么从头到尾跑下来，看我们的 新西兰小生意 AI 自动化 页面。如果你的需求其实是一个专注的工具，而不是一整套工作流，专属工具, 48 小时 是更快的路。
常见问题
真的有 95% 的 AI 项目失败吗？ 这个数字来自 MIT 2025 年的一项研究，准确的说法比标题要窄。它发现大约 95% 的企业生成式 AI 试点没有带来可衡量的盈利回报。这不代表 AI 不管用，而是说大多数试点从来没有从演示走到能改变生意的程度。原因通常是最后一公里，不是模型。
为什么大多数 AI 项目会失败？ 很少是因为 AI 不行。它们失败在最后一公里：把 AI 连上生意已经在用的系统、贴合真实的流程、有人把它真正上线、以及信任到敢把真活交给它。MIT 的研究把核心问题叫做学习鸿沟，就是通用工具不会去适应某个具体生意实际怎么运转。
AI 的最后一公里问题是什么？ 最后一公里，是一个能跑的 AI 演示，和真正接进生意运转方式的 AI 之间的那段距离。演示很容易。把它和你的邮箱、日历、会计对接，按你的流程塑形，让团队信任它，再让它持续跑起来，这后面 90% 才是难的。大多数项目就卡在这。
小生意到底怎么把 AI 用起来？ 从一件具体的、重复的活开始，而不是从一份 AI 战略开始。先把能用的版本放进一个安全的测试里，任何发出去的东西都留一个人来批准，再连上你已经在用的工具、培训团队。大多数新西兰小生意没有内部团队来干这个，所以现实的路是找一个外部伙伴替你搭建并落地。
小生意该自己做 AI，还是找人帮忙？ 同一份 MIT 研究发现，买或者找伙伴合作做 AI，成功的概率远高于自己内部硬做。对一个没有专门技术团队的小生意来说，找一个外部团队来搭建和落地，通常比自己单干又便宜、又靠谱得多。
下一步
- 挑出这一周你生意里最浪费时间的那一件重复的活。那里，而不是「AI」，才是起点。
- 预约一次 45 分钟免费咨询。我们会诚实告诉你，对那件活来说 AI 是不是对的答案，以及让它真正跑起来需要什么。
- 没有任何承诺。如果 AI 不是那件事的对的工具，我们直说。
BestAI 是一家奥克兰本地的定制软件和 AI 自动化公司，服务新西兰中小企业。我们把大厂在用的贴身搭建打法带过来，让 AI 真正用起来，$399 起。联系我们 或 看看我们怎么做 AI 自动化。