建立企业大脑如何支持更准确、更具成本效益的AI和自主智能体。

• 《麻省理工科技评论》洞察档案页面

与Atlan合作呈现

在一家企业中，可能同时运行着任意数量的AI平台、系统和工具——例如，AI驱动的客户平台、对话助手，以及工作流和流程自动化工具。每一个都精密、先进且响应迅速。然而，当它们投入工作时，产生的结果和行动可能是错误的、混乱的，或者缺乏对业务的恰当理解。许多组织发现自己正处于这种境地——这可能是它们难以从AI投资中获得回报的关键原因之一。

《麻省理工科技评论》洞察的一项调查发现，尽管所有接受调查的组织目前都在某种程度上使用AI，但只有不到五分之一（16%）的组织正在从其部署中获取变革性价值。占比最大的受访者（40%）表示他们在特定任务或团队中看到了适度收益，21%报告了有意义的收益，剩下23%则看到的回报微乎其微甚至完全没有。

企业大多仍在对AI用例进行试点（据38%的受访者），或使用AI通过copilot或聊天助手等工具辅助员工工作（35%）。仅有12%的企业已将AI智能体投入生产，3%表示他们正在使用AI完成关键流程中的大部分工作。

“模型的能力与模型在组织内部实际发挥的作用之间存在巨大差距，”Atlan联合创始人Prukalpa Sankar表示。“对于每一个现实生活中的意图和目的，通用人工智能已经到来。只是在当今大多数公司中，它并没有真正发挥作用。”

Sankar说，缺失的层面是上下文，即AI对业务的理解程度。上下文层是位于组织业务系统（例如记录系统和数据，以及其AI平台）之间的架构基础设施。它将企业智能转化为受治理的、机器可用的上下文，供AI智能体或模型使用，并帮助知识不断积累。“如果没有面向AI的上下文层，这几乎就像你雇用了世界上最聪明的实习生，蒙住他们的眼睛，然后把他们扔进你的组织里，”Sankar说。

本内容由《麻省理工科技评论》定制内容部门Insights制作，并非其编辑团队。内容由人类研究和撰写，可能使用的任何AI工具仅限于在人类监督下的生产流程。

深度探索

人工智能

别被迷惑了——大语言模型并不会推理

在AlphaGo与围棋冠军李世石对弈十年之后，今天的人工智能仍未触及当年那场胜利所依赖的机制。

• Thore Graepel 存档页面

“我们看错了”：颠覆AI世界的爆炸性主张

对Nick Cammarata的独家专访，这位研究者那篇2.6万字的病毒式博客文章让AI安全领域人士欢欣鼓舞。

• Will Douglas Heaven 存档页面

不要被这个夏天的AI炒作所迷惑

关于AGI和新能力的夸张说法在审视之下很快就会站不住脚。

• Timnit Gebru 存档页面
• Emily M. Bender 存档页面

美国在边境监控上花费了数十亿美元。为什么它不能在人们死亡之前抓住他们？

越来越多由AI驱动的监控塔承诺对越境行为做出更快响应。我们对监控塔附近死亡事件的调查发现，它们未能兑现承诺。

• James O'Donnell 存档页面
• Eileen Guo 存档页面

保持联系

获取《麻省理工科技评论》的最新动态

探索专属优惠、热门报道、即将举行的活动等更多内容。

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：MIT Technology Review

原创地址：https://www.technologyreview.com/2026/10/28/1147709/creating-ai-value-with-enterprise-context/