0% 成功率：为什么企业级 AI 项目正在集体走向失败？
如果你每天只看推特或者科技公司的 PR 稿，你可能会产生一种错觉：世界五百强们已经成功地用自主 AI 智能体（Agents）取代了一半的员工，生产力正在爆炸。
但如果你深入企业软件开发的真实战壕，看到的却是另一番景象。
本周，在 Hacker News 上，一篇来自 Ludic 博客的文章 《AI 狂热正在瓦解全球决策机制》 引发了极其热烈的讨论。作者是一位资深的数据和软件从业者，近期参与了 300 多次行业交流。他分享了一个令人震惊的数据：在过去的一年半里，他们团队所评估的所有企业级 AI 项目，全部失败了。
不是 20% 的失败率，也不是 50%。是 0% 的成功率。
在 GPT-5.6 和 Kimi K3 这种前沿模型的能力不断突破天际的今天，为什么企业内部的落地却如此惨淡？事实证明，这些项目的失败，往往和底层大模型（LLM）到底聪不聪明，毫无关系。
以下是我们对当前企业 AI 落地困境的深度拆解。
1. 企业本来就做不好软件（AI 只是放大了这个缺点）
Hacker News 讨论中最扎心、也最深刻的一点是：绝大多数传统企业，连交付一个标准的、确定性的传统软件（CRUD）都费劲。
开发传统的软件，需要清晰的业务需求、干净的数据、合格的项目管理和严格的测试体系。而大多数非互联网科技企业在这些基本功上都是不及格的。
现在，你把一个大语言模型（LLM）塞给他们。这是一个基于概率的、非确定性的“黑盒”；它会产生幻觉，需要复杂的向量数据库来做 RAG（检索增强生成），而且 API 生态还在每个月剧烈动荡。
如果一家公司连一个稳定好用的内部审批系统都做不出来，你指望他们能驾驭好 LLM？项目失败不是因为 AI 不够聪明，而是因为企业脆弱的工程能力和组织架构，根本承受不住 AI 带来的额外复杂度。
2. 内部知识库机器人的“鬼城效应”
过去两年，几乎所有企业试水 AI 的“第一步”都是一样的：“我们要基于公司自己的数据，建一个安全的内部 RAG 问答机器人。”
当时画的饼是：员工可以瞬间找齐 HR 政策、项目文档和财务报表，效率翻倍。但现实呢？这些内部机器人几乎全都沦为了无人问津的“鬼城”。
作者指出，内部聊天机器人在上线第一周后，使用率就会断崖式下跌。为什么？
- 信任崩塌： 当员工用 SQL 查数据库时，他们相信查出来的数字。但如果员工问 AI“上季度华东区的营收是多少”，而 AI 只要有一次“胡说八道”多加了一个零，信任就彻底破裂了。在严肃的企业环境中，一个有 5% 错误率的系统，甚至比没有系统更糟糕。
- 垃圾进，垃圾出（GIGO）： RAG 系统的表现上限取决于底层数据源的质量。遗憾的是，大多数企业的 SharePoint 和内部 Wiki 简直就是过期文档和自相矛盾政策的“乱葬岗”。当 AI 读入了这些互相冲突的垃圾数据，它吐出来的只能是更让人困惑的废话。
3. 客服机器人的灾难现场
如果说内部机器人只是被员工无视，那么对外面对客户的 AI 机器人，则是在实打实地摧毁品牌。
为了削减人力成本，许多公司急于用 AI 替换真人客服，导致了大量公关灾难。文章中特别提到，三菱的 AI 语音客服曾向客户承诺会安排人工回电，结果客户苦等了六个星期也没有音讯。
目前的 AI 客服系统在部署时，往往缺乏确定性的护栏，也没有设计顺畅的“逃生通道”（一键转人工）。当 AI 无法解决问题时，它不会报错，而是会让客户陷入一个“永远在礼貌道歉，但就是不办正事”的无限死循环。
4. 董事会的 FOMO（错失恐惧症）与无效决策
这场 AI 狂热中最具破坏性的一面，是它绑架了企业的管理层决策。
从董事会到 C-suite 高管，每个人都极度恐惧被时代抛弃。他们向中层下达死命令：“今年 Q3 之前，我们的产品里必须有 AI 战略！”这直接导致了中层管理者为了完成 KPI，硬把 AI 塞进根本不需要 AI 的业务流程里。
结果就是“面向 PPT 开发”和“面向新闻稿开发”。团队花费巨资做出来的 AI 功能，不是为了解决用户的真实痛点，只是为了在发布会上能说一句“我们 All in AI 了”。这种为了做而做的软件，注定是臃肿、昂贵且无人使用的。
反共识思考：AI 到底在哪里成功了？
既然企业级 AI 项目一片哀嚎，这说明 AI 是一场泡沫吗？并不是。这只说明 目前的“企业级中心化部署模式”是失败的。
AI 真正大放异彩的地方，在于开发者生产力和个体的局部工作流。
- 像 GitHub Copilot、Cursor 和 Grok Build 这样的开发者工具，正在实实在在地成倍提升写代码的效率。
- 像 AI 视频生成、个人辅助写作等“单人游戏（Single-player）”工具大受欢迎，因为在这些场景里，始终有一个“人类在环（Human-in-the-loop）”。人类随时可以判断生成结果的好坏，并立刻进行修改。
结语
“遇事不决，加点 AI”的盲目狂热期已经结束了。
企业如果真的想从 AI 投资中获得回报，就必须停止幻想一步登天——不要再试图建一个全知全能的自主 Agent 来取代一整个部门。相反，企业应该回归软件工程的本质：清理糟糕的基础数据架构，并且只在那些边界清晰、低风险、且始终有“人类兜底”的狭窄场景中，谨慎地引入 AI。
在那之前，酷炫的发布会 Demo 与真实的跨国企业 IT 现状之间，依然隔着一道深不见底的鸿沟。