FDE试点落地判断
95% 与 60%：两个数字到底在说什么
阅读约 3 分钟零七零六科技
先说结论
关于企业 AI 的两个高频数字——「约 95% 的试点没产生可衡量价值」和「超 60% 仍停留在试点」——讲的其实是同一件事：
卡点不在能不能做出 Demo，而在能不能接进系统、嵌进流程、满足合规、产生可衡量的业务结果。
这句话听起来像常识，但它解释了为什么企业里 Demo 很多、真正在用的很少。
95% 说的是什么
这个数字来自 MIT NANDA 的《The GenAI Divide》（2025 年 8 月）：约 95% 的企业生成式 AI 试点没有产生可衡量的损益影响。
引用时有两件事必须一起说：
- 它是「试点」的口径，不是「所有 AI 项目」；
- 它的样本与口径存在争议（a16z 等机构曾质疑过），只宜作为趋势性参考。
把「95%」写成「95% 的 AI 项目都会失败」，是一种常见的失真——它把趋势结论包装成了精确统计，也顺手把「谁的锅」摘干净了。
不过就算把数字打个折，结论方向仍然成立：Demo 成功和生产可用之间，存在一条被普遍低估的沟。
60% 说的是什么
腾讯研究院在 2026 年的 FDE 行业观察里给了另一个视角：超过 60% 的企业 AI 尝试仍停留在试点阶段。它把原因拆成四步——接入系统、嵌入流程、满足合规、产生可衡量的业务结果。
这四步恰好是「Demo 不涉及」的部分：
| 环节 | Demo 里通常怎么做 | 生产里必须解决什么 |
|---|---|---|
| 接入系统 | 手动导入一份样例数据 | 数据从哪来、多久更新一次、字段口径谁负责 |
| 嵌入流程 | 单独打开一个网页试用 | 这件事原本在哪一步发生、谁能改这一步 |
| 满足合规 | 不考虑 | 数据能不能出内网、谁有权限看、留痕怎么留 |
| 可衡量结果 | 演示效果好 | 基线是什么、和什么比、三个月后谁复盘 |
四步里任何一步没走完，项目就会停在「试点成功、生产不用」的状态——而它通常不会被叫作失败，只会被叫作「再看吧」。
试点思维 vs 生产思维
我们在诊断时经常用这张对照表，它比讨论「哪个模型更强」有用得多：
| 维度 | 试点思维 | 生产思维 |
|---|---|---|
| 验收标准 | 演示效果好 | 业务指标有变化，且能重复验证 |
| 数据来源 | 一份干净样例 | 每天更新、有缺失、有冲突的真实数据 |
| 谁在用 | 项目组自己 | 一线的人，而且他原本可以用老办法 |
| 失败了怎么办 | 重来一次 | 有兜底：降级、转人工、回滚 |
| 上线后谁维护 | 没想过 | 明确到人，且有变更机制 |
| 三个月后 | 没人打开 | 有人提需求、有人改它 |
一个项目只要在「谁在用」「谁维护」这两行上空着，就还没进入生产。
五个自查问题
不需要请外部顾问，用五个问题就能判断一个场景是「试点」还是「生产」：
- 有没有验收标准？ 一句话能说清「什么算成功」，并且这个标准不是「系统上线了」。
- 有没有负责人？ 不是项目经理，是那个业务结果变差时会被问责的人。
- 有没有兜底？ 模型答错、接口超时、数据缺失时，流程还能不能走完。
- 有没有人每天用？ 一周用两次的工具，基本等于没有。
- 三个月后谁改它？ 没人改的系统，三个月后就会开始输出过期答案。
五个问题里空三个以上，就算这次 Demo 很成功，也建议先别扩大投入。
一个容易忽略的事实
在这条沟上，「工具」几乎从不是瓶颈。真正的成本在三处：数据整理、流程改造、以及让一线愿意换掉老办法。
这也是为什么我们更愿意先花两天做诊断，而不是先卖一套系统——诊断的产出是「哪个场景值得做、还缺哪些条件」，它决定了后面所有投入是否有意义。
延伸阅读：
- 案例与成果：按行业整理的 18 个场景，每条都写了「值得做的条件」与「常见的坑」
- FDE 是什么：为什么「有人坐到现场」这件事，决定了试点能不能变成生产
- 中小企业 AI 落地 ROI 怎么算：把「值得做」换算成回本周期的算法
文中数字均标注了机构、年份与口径；具体项目效果以双方确认的 SOW 为准。
常见问题
- 「95% 的 AI 试点失败」这个数字可信吗？
- 该数字来自 MIT NANDA《The GenAI Divide》（2025 年 8 月），口径是「试点」而不是「所有 AI 项目」，且样本与口径存在争议（a16z 等机构曾质疑），只宜作为趋势参考。写成「95% 的 AI 项目都会失败」是把趋势结论包装成了精确统计。
- 试点和生产之间差哪四步？
- 接入系统、嵌入流程、满足合规、产生可衡量的业务结果。Demo 通常不涉及这四步：数据从哪来、多久更新；这件事原本在哪一步发生、谁能改；数据能不能出内网、谁有权限看；基线是什么、和什么比、三个月后谁复盘。
- 怎么判断一个 AI 场景是在试点还是已进入生产？
- 用五个问题：有没有验收标准、有没有负责人、有没有兜底、有没有人每天用、三个月后谁改它。五个问题里空三个以上，即使 Demo 很成功，也建议先别扩大投入。
- 从试点走向生产，最大的成本是什么？
- 工具几乎从不是瓶颈。真正的成本在三处：数据整理、流程改造，以及让一线愿意换掉老办法。