本季度，整个南非以及全球范围内的企业 AI 项目正被关闭或搁置。原因是在从概念验证（proof-of-concept）转型到生产环境时失败了，尽管六个月前仍展示出令人印象深刻的效果。这些失败主要源于意外的基础设施与计算成本、缺乏企业级就绪能力，以及数据治理碎片化，而非 AI 技术本身的限制。MIT 的 NANDA 计划在其 2025 年研究《The GenAI Divide》中审查了 300 多项企业部署，发现大约 95% 的项目未能产生任何可衡量的底线影响；只有五分之一的项目进入生产并带来真正价值。同时，Cloudera 的《Data Readiness Index 2026》显示，89% 的 EMEA 地区 IT 领导者声称拥有完整的数据可视性，但只有 26% 的人确认其数据已得到充分治理。
MIT 研究显示：95% 的企业 AI 部署未带来可衡量影响
MIT 的 NANDA 计划在其 2025 年研究《The GenAI Divide》中审查了 300 多项企业部署，并记录称大约 95% 的项目未能对底线产生可衡量影响。只有大约每二十个项目中才有一个在生产阶段实现真实价值。MIT 将大量失败归因于薄弱的工作流集成以及从未学会的系统。在非洲的金融服务、电信以及公共部门中，碎片化、未治理且集成不良的数据，构成了失败实施背后的共同线索。
Cloudera 指数揭示：EMEA IT 领导者间的数据治理鸿沟
Cloudera 的《Data Readiness Index 2026》发现，89% 的 EMEA IT 领导者声称他们完全知道数据所在位置，但只有 26% 的人表示这些数据已被完全治理。Gartner 预测，2025 年这项数据就绪度差距会导致 60% 的企业 AI 项目在 2026 年底前失败，因为它们缺乏 AI 就绪的数据。领导者认为他们能看到什么，与他们实际能治理什么之间的差距，构成了困扰企业 AI 落地实施的核心基础设施挑战。
Anthropic 工程师量化 AI 代理的代币消耗速率
生成式 AI 系统按代币计量：根据处理的文本与内容体量收费，不管答案质量如何。Anthropic 的工程师发现，一名单一代理的代币消耗约为普通聊天的 4 倍；在任何出问题之前，多代理系统的代币消耗大约是普通聊天的 15 倍。数据碎片化迫使组织在每条提示中加入更多上下文以弥补数据质量不佳的问题，而不可靠的答案又会触发重试，从而产生更多按量计费的调用。Gartner 预测，到 2027 年底，超过 40% 的代理式 AI 项目将被取消，并将成本不断攀升列为首要原因。
EMEA 组织面临数据访问与集成壁垒
在 Cloudera 指数的 EMEA 研究结果中，42% 的领导者将复杂的访问要求认定为其使用他们所能看到数据的主要障碍；只有大约三分之一的组织已实现其数据源在各环境间的完全集成。南非组织还面临额外压力，包括 POPiA（《个人信息保护法》）义务、紧张预算以及稀缺技能，这使得在不稳定的数据基础上开展昂贵演示在财务上不可持续。团队往往将 AI 项目视为以技术准确性衡量的技术优先型实验，而不是可落地的业务价值；同时忽视员工采用所需的人才变革管理与真实世界的工作流要求。
数据基础设施改进先于成功的 AI 落地
从 AI 中获得真实价值的组织，会在部署 AI 系统之前优先确保数据可访问、已集成且已治理。让治理随数据流动，而不是只存在于某一家供应商的平台内部，能够产生符合 POPIA 的审计留痕，而不是形成负债。通过开放标准将 AI 引入已治理的数据，可实现成本规划，避免失控支出。Cloudera 非洲地区副总裁 Warren Olivier 表示，成功的 AI 项目始于数据基础设施工作，而不是模型部署或代理启动。
常见问题
根据 MIT 的 2025 年研究，企业 AI 部署中有多少比例实现了可衡量的业务影响？
MIT 的 NANDA 计划在其 2025 年研究《The GenAI Divide》中审查了 300 多项企业部署，并发现大约 95% 的项目未能对底线产生可衡量影响；只有大约每二十个项目中才有一个在生产阶段实现真实价值。
与普通聊天系统相比，AI 代理会带来多少倍的代币消耗？
Anthropic 的工程师发现，一名单一代理的代币消耗约为普通聊天的 4 倍；在任何出问题之前，多代理系统的代币消耗大约是普通聊天的 15 倍。代币消耗将随之呈指数式增长，尤其当它们指向薄弱的数据基础时。
Cloudera 的 2026 年指数揭示了 EMEA IT 领导者之间哪一项数据治理鸿沟？
Cloudera 的《Data Readiness Index 2026》发现，89% 的 EMEA IT 领导者声称他们完全知道数据所在位置，但只有 26% 的人表示这些数据已被完全治理；同时，42% 的人将复杂的访问要求认定为使用可视数据的主要障碍。
