麻省理工學院(MIT)分支機構的報告發現，高達95%的組織在生成式AI方面的投資回報為零。絕大多數計劃並未產生可衡量的利潤或影響。這項發現嚴重削弱了投資者對AI慧驅動型成長的信心。
這份MIT報告再度引發外界對生成式AI產業是否步入泡沫的質疑，也讓投資者開始重新評估相關科技股的真實估值與潛在風險。
該報告由MIT媒體實驗室旗下Connected AI主導，研究團隊透過對150位企業高層、350名員工的深度訪談，以及對全球300項AI部署案例的分析，發現僅有5%的生成式AI試點專案能成功推動營收增長，絕大多數專案仍停留在概念驗證(POC)階段，無法擴展至大規模應用。
MIT研究團隊指出，問題核心並非AI模型本身的效能不足，而是企業在導入過程中存在「工具與組織之間的學習落差」。
報告負責人Aditya Challapally強調，相較於如ChatGPT等靈活易用的消費級應用，企業級AI工具若未針對內部流程與系統量身打造，將難以整合進實際業務環境。
此外，報告也揭示企業在AI資源配置上的盲點。超過一半的企業AI預算投入於銷售與行銷活動，然而真正能產出效益的應用場景，卻集中在後勤自動化與內部流程優化，例如業務外包替代、自動文件處理、知識管理與客服系統等領域。這種預算錯置導致高額投資無法兌現應有價值。
報告亦指出，具備專業背景且能將演算法研究轉化為實務解決方案的AI人才極度稀缺，加上企業在資料隱私與監管要求上的高度顧慮，使得許多生成式AI計劃在流程審批或法規環節受阻，進而無法推進至應用層。
儘管如此，MIT研究團隊並未對生成式AI的長期潛力持否定態度，建議企業應聚焦於具備明確商業價值的應用場景，例如智慧客服、知識檢索與輔助程式開發等，同時採取小規模、可控且可量測的導入策略，循序漸進建立AI基礎建設與組織協作機制。
Challapally強調，生成式AI的成功關鍵在於「業務與技術雙軌並進」，需將AI導入視為企業整體策略的一環，而非僅為科技部門的專案。唯有如此，AI投資方能轉化為實際競爭優勢。
