作者：a16z

编译：深潮 TechFlow

深潮导读：MIT 声称 95%的企业生成式 AI 试点失败转化，a16z 用投资组合公司的一手数据直接打脸这个说法。29%的 Fortune 500 和 19%的 Global 2000 已经是领先 AI 初创公司的付费客户，编程工具让最优秀工程师的效率提升 10-20 倍。这份 23928 字报告基于内部数据，揭示哪些 AI 场景真正产生价值、哪些仍是概念炒作。

关于 AI 在大型企业中取得多大进展的猜测很多，但大多数现有信息仅由自我报告的 AI 使用或捕捉定性买家情绪而非硬数据的调查组成。此外，现有的少数研究断言 AI 在企业中表现不佳，最引人注目的是 MIT 的一项研究，该研究声称 95%的生成式 AI 试点未能转化。

基于我们的内部数据和与企业高管的对话，我们发现这个统计数据难以置信。我们一直在密切跟踪 AI 在哪里看到最多采用以及 ROI 在哪里明确，并编制了关于企业 AI 中实际有效的硬数据。

企业中的 AI 渗透率

根据我们的分析，Fortune 500 中的 29% 和 Global 2000 中的约 19% 是领先 AI 初创公司的活跃付费客户。

为了符合这个统计，这些企业必须与 AI 初创公司签署了自上而下的合同，成功转化了试点，并在其组织中上线了产品。

在如此短的时间内达到这种渗透水平是显著的，因为 Fortune 500 企业并不以技术早期采用者而闻名。从历史上看，许多初创公司必须首先向其他初创公司销售以获得早期动力，几年后初创公司才能签下第一份企业合同，在能够最终签下 Fortune 500 规模的客户之前需要更多收入和时间。

AI 颠覆了这一常态。OpenAI 在 2022 年 11 月推出 ChatGPT，立即向消费者和企业展示了 AI 的潜力。这样做释放了对 AI 的兴趣风暴，这是前几代技术从未引发的，大型企业比以往任何时候都更愿意更早地对新产品下注。结果：仅仅 3 年多后，几乎三分之一的 Fortune 500 和五分之一的 Global 2000 在其组织中有真正的企业 AI 部署。

企业 AI 中什么有效

这种采用在哪里发生得最快，它如何映射到模型本质上更擅长做的工作？

我们发现，最具指示性的评估方法是将各用例的收入势头叠加到 GDPval 定义的模型理论能力上，GDPval 是 OpenAI 的一个知名基准，评估模型在现实世界经济上有价值的任务上的能力。对我们来说，这两个因素既概括了模型可以有多好，也概括了它们今天证明提供了多少价值。这使它们非常能说明 AI 采用今天在哪里、可能走向哪里，以及尽管模型能力成熟但采用方面仍有 AI 悬置的地方。

企业 AI 今天在哪里提供最多价值？

在收入势头上，企业对 AI 的采用由一组明确的用例和行业主导。编程、支持和搜索到目前为止代表了大部分用例（编程甚至在这组中是一个数量级的异常值），而科技、法律和医疗保健部门是最渴望采用 AI 的行业。

编程：编程是 AI 的主导用例，几乎达到一个数量级。这在 Cursor 等公司报告的爆炸性增长以及 Claude Code 和 Codex 等工具的超高速增长中显而易见。这些增长率超过了几乎所有人最乐观的预测，到目前为止 Fortune 500/Global 2000 采用 AI 工具的绝大多数是在代码中。

在许多方面，编程代表了 AI 的理想用例，无论是在技术能力方面还是在企业市场接受程度方面。代码是数据密集的，这意味着在线有大量高质量代码可供模型训练。它也是基于文本的，使模型易于解析。它是精确和明确的，具有严格的语法和可预测的结果。关键的是，它是可验证的：任何人都可以运行它并知道它是否有效，为模型学习和改进创建紧密的反馈循环。

从商业角度来看，这也是一个很好的应用。我们一直听到投资组合公司说，他们最优秀工程师的生产力水平随着 AI 编码工具提高了 10-20 倍。雇用工程师一直很困难且昂贵，因此任何提高他们生产力的东西都有明确的 ROI——AI 编码工具提供的提升幅度为采用创造了巨大激励。工程师也往往是要求最佳工具的早期采用者，因为编程与大多数企业工作相比是更单独的任务，他们更容易简单地找到最好的工具并采用它，而不会被困扰企业许多其他职能的协调和官僚主义所拖累。

此外，编程工具不需要 100%端到端完成任务才有附加价值，因为任何加速（例如，查找 bug、生成样板代码）仍然节省时间且有用。由于编程有紧密的人在环路工作流，开发人员今天仍然监督开发过程，这些工具在加速输出的同时仍为人类判断审查、编辑和迭代留出空间。这既增加了企业信心，又使采用路径更顺畅。

编程能力正在以指数方式提高，每个实验室都明确专注于赢得代码作为用例。这具有巨大影响。代码是所有其他应用的上游，因为它是任何软件的核心构建块，因此 AI 对代码的加速影响应该加速每个其他领域。在这些领域构建的门槛降低，解锁了用 AI 解决的新机会，但同样的可及性使得为初创公司构建持久竞争优势比以往任何时候都更关键。

支持：支持在杠铃的另一端，与代码相反。虽然软件工程通常在组织中获得最多投资和关注，但支持通常被忽视。支持组织中的工作是后台、入门级工作，通常外包给离岸公司或业务流程外包公司（BPO），因为公司认为自己管理太繁琐和复杂。

AI 已被证明在管理这项工作方面表现出色，原因有几个。首先，大多数支持交互的性质是有时限的，具有约束的意图（例如，发出退款），为代理提供明确定义的问题来处理。支持也是角色中涉及的任务被清晰定义的唯一功能之一。支持团队量大且流动性高，因此需要以快速和标准化的方式培训新代表。为此，他们有清晰阐述的标准操作程序（SOP）来指导每个代表的工作。这些 SOP 创建了 AI 代理可以模仿的明确规则和指南。这使它与大多数其他企业工作区分开来，后者通常持续时间更长、定义更不清晰，并且涉及客户和服务代表之外的更多利益相关者。

支持也是展示 ROI 最清晰的企业职能之一。支持基于可量化的指标运行：回答的工单数量、客户的 CSAT（满意度）分数和解决率。现状与 AI 代理的任何 A/B 测试都会为 AI 代理产生有利结果：它会回答更多工单，提高解决率，并提高消费者满意度分数——所有这些成本更低。由于大多数支持已经外包给 BPO，采用 AI 解决方案需要有限的变更管理，使采用路径更容易。

支持也不需要 100%准确才有用，因为它有向人类的自然出口（例如，"我正在将你升级给经理"）。这允许销售周期更快移动，并使试点 AI 支持代理相对低风险；在最坏的情况下，100%的案例将简单地升级并由人类解决。

最后，支持本质上是交易性的。客户对实际在另一端的是谁漠不关心，这意味着支持不需要任何 AI 难以复制的人际关系。这些特征解释了为什么 Decagon 和 Sierra 等公司增长如此之快，以及更多垂直特定支持参与者如 Salient、HappyRobot 等。

搜索：最后一个具有明确企业市场拉动的水平类别是搜索。ChatGPT 的主要用例本身就是搜索，因此搜索的影响可能严重地融入 ChatGPT 的收入和使用中，在这里可能被大大低估了。

AI 搜索作为一个类别如此广泛，以至于它使许多独立的大型初创公司得以出现。许多企业内部的主要痛点之一是使员工能够简单地在其系统的不同集合中定位和提取相关信息。Glean 作为这个用例的主要初创公司供应商而蓬勃发展。许多大型行业也基于非常具体的行业信息（内部和外部）运作，像 Harvey（开始于法律搜索）以及 OpenEvidence（开始于医学搜索）这样的公司通过围绕此构建核心产品而蓬勃发展。

行业

技术：到目前为止最常见的采用 AI 的行业是科技行业。ChatGPT 本身报告说，27%的商业用户来自科技，Cursor、Decagon 和 Glean 等公司的许多早期客户都是科技公司。考虑到科技几乎总是早期采用者，并且是催生 AI 浪潮的行业，这完全不令人惊讶。

更令人惊讶的是，历史上不被认为是早期采用者的市场这次被证明是渴望的。

法律：法律令人惊讶地是 AI 中的先行行业之一。法律历史上被认为是软件的困难市场，时间表冗长且买家不太精通技术。

这是因为传统企业软件为律师提供的价值有限：静态工作流工具没有加速律师通常所做的非结构化、微妙的工作。但 AI 使技术对律师的价值主张更加清晰。AI 擅长解析密集文本、对大量文本进行推理以及总结和起草响应——所有这些都是律师经常做的工作。AI 现在经常充当副驾驶员以提高个别律师的生产力，但已开始扩展到此之外：在某些情况下，它实际上可以通过允许律师事务所处理更多案件而产生收入（如 Eve 的情况，它专门从事原告法）。

结果很明显。Harvey 在成立 3 年内报告了约 2 亿美元的年度经常性收入（ARR），像 Eve 这样的公司拥有超过 450 个客户，并在今年秋天达到 10 亿美元估值。

医疗保健：医疗保健是另一个以传统软件从未有过的方式响应 AI 的市场。像 Abridge、Ambience Healthcare、OpenEvidence 和 Tennr 这样的公司基于离散用例（如医疗记录、医疗搜索或管理医疗保健如何交付和支付的拜占庭规则的后台自动化）的收入增长非常迅速。

医疗保健历史上是采用软件较慢的市场，因为 1）高技能和复杂的工作与传统工作流软件能解决的问题映射不佳，2）Epic 等系统记录 EHR 的主导地位挤压了全新软件供应商。然而，有了 AI，公司能够通过替换行政工作（例如医疗记录员）或增强医生正在做的更高价值工作，来承担绕过系统记录的离散人工劳动工作。这项工作足够独特，不需要撕毁和替换 EHR，允许这些公司快速扩展，同时不需要替换现有软件供应商。

关于分析的几点说明

这些估计是最佳估计。它可能低估了每个类别中产生的收入量，并夸大了模型的能力。

我们可能低估了收入，因为：

收入分析纯粹基于哪些部门和用例成功到足以产生大型、独立的企业 AI 业务，并排除了其他初创公司正在处理的用例长尾。

这些市场中的许多也有相当规模的非初创公司参与者产生显著收入（例如，代码中的 Codex/Claude Code，法律中的 Thomson Reuters 的 CoCounsel），但我们将分析集中在独立初创公司参与者上。

我们分析中阐述的许多工作任务可能融入模型公司的核心产品（例如，ChatGPT 和 OpenAI 的搜索），但没有被拆分并包含在此分析中。

此分析侧重于企业业务而非消费者或专业消费者业务。有成功的业务（例如，应用生成和设计中的 Replit 和 Gamma）拥有相当数量的商业用户，但今天主要关注消费者或专业消费者。鉴于此分析侧重于企业 AI 以及企业从哪里获得价值，我们排除了消费者主导的业务。

在能力方面，衡量 AI 对经济不同部门的影响极其困难，尽管许多经济学家正在尝试。工作本质上定义不清且长尾，使其极难完全自动化。今天还不清楚企业能从部分自动化中获得多少价值——如果 AI 只能做人类任务的 50%，不可自动化任务的重要性可能会上升，因为它们成为瓶颈，增加其相对价值。因此，我们可能高估了今天的能力状态，因为每增量 1%的能力不会转化为 1%的经济价值，但注意相对能力以及它们如何随着每个新模型发布而改进仍然很有说明性。

AI 正在进入所有市场

此分析衡量了通过 GDPval 基准测试，顶级评估模型对人类专家的胜率。基于此，很明显，自 2025 年秋季以来，模型在经济上有价值的工作上已经变得显著更好。

那么，为什么我们没有看到所有在此评估中排名高的行业具有与其他行业相同类型的收入势头？

迄今为止热情采用 AI 的行业有几个相似之处：它们是基于文本的，涉及机械性和重复性工作，有自然的人在环路参与以注入人类判断，监管有限，并具有明确可验证的最终输出（例如，运行的代码，已解决的支持工单）。许多行业没有这些属性。它们要么处理物理世界，严重依赖人际关系，在许多利益相关者之间有明显的协调成本，施加监管或合规障碍，或缺乏可验证的结果。虽然收入势头和模型能力明显相关，但在模型能力理论上相对人类处于 50%以下胜率的领域（如法律的情况），像 Harvey 这样的公司仍然能够通过副驾驶产品快速获得市场份额以增强个人法律工作，然后随着模型演进持续改进其核心产品。

这里最值得注意的发现是模型能力正在快速提高。有几个领域在过去 4 个月中显示出巨大改进——会计和审计在 GDPval 上显示近 20%的跳跃，甚至警察/侦探工作等领域也显示近 30%的改进。我们期望这些跳跃在其相关领域产生引人注目的新产品和公司。此外，模型公司已经明确宣布他们打算改进经济上有价值工作的核心能力，在电子表格和财务工作流上进行核心工作，使用计算机来处理遗留系统和行业上的棘手工作，以及在长期任务上的有意义改进，这开辟了一整类无法轻易切割成短小、易消化片段的新工作。

对构建者的启示

了解企业从哪里获得价值以及他们如何思考 ROI——以及哪些部门明显看到拉动与哪些即将到来——使我们能够更清楚地思考 AI 构建者的机会在哪里。

为科技、法律和医疗保健买家服务现在显然是肥沃的土壤，但我们不相信每个类别中会有一个"赢家"。例如在法律领域，有许多类型的律师——内部法律顾问、律师事务所、专利律师、原告律师等——他们都有不同的工作流程和不同的需求，公司可以解决。鉴于不同类型的医生、医疗保健设施等的拼凑，医疗保健也是如此。

除了这些部门，另一个富有成效的思考方式是能力正在变强的地方，但在收入方面还没有突破性公司。当前许多业务是在模型能力真正解锁产品之前建立的，但他们已经建立了足够的技术基础设施和客户/市场意识，以至于当模型解锁到来时他们最有优势。

最后，重要的是关注实验室将最新研究工作集中在经济上有价值工作的哪些方面。随着长期 Agent 快速改进，对计算机使用的严重投资，以及对文本之外模态（例如电子表格、演示文稿）的可靠界面的研究，有一整类新的初创公司将很快拥有所需的使能基础设施来产生有意义的企业价值。

数据方法：此数据汇总自领先的企业 AI 初创公司，包括与我们共享用于本报告目的的公司的私有数据，以及公开可用数据和从我们在 a16z 与初创公司和大型企业进行的数千次对话中分析的匿名数据。