(Yuriy2012/shutterstock)
O estado de IA do MIT nos negócios 2025 se tornou viral e não é difícil entender o porquê. O relatório abre com uma manchete em negrito de que mais de US $ 30 bilhões foram gastos em Genai, mas 95% dos pilotos corporativos ainda não conseguem chegar à produção.
O que está de volta às empresas não é a própria tecnologia ou os regulamentos em torno dela. É a maneira como as ferramentas estão sendo usadas. A maioria dos sistemas não se encaixa em fluxos de trabalho reais. Eles não conseguem se lembrar, não se adaptam e raramente melhoram com o uso. O resultado é uma onda de pilotos que parecem promissores no laboratório, mas desmoronam na prática. Segundo o relatório, esse é o maior motivo pelo qual a maioria das implantações nunca passa da fase de teste.
Alguns críticos descartaram o relatório como exagerado ou metodologicamente fraco, mas mesmo eles admitem que captura algo que muitas equipes corporativas estão silenciosamente sentindo que os retornos reais não apareceram, pelo menos não como o esperado.
A equipe atrás O estado de IA do MIT nos negócios 2025 chama isso de divisão como a divisão de Genai. De um lado, são os raros poucos pilotos, cerca de 5%, que realmente se transformam em grandes vitórias, puxando milhões de dólares. Por outro lado, há quase todos os outros, os 95% dos projetos que param e nunca vão além da fase de teste.
(TADA Photos/Shutterstock)
O que torna essa lacuna tão interessante é que não se trata de ter o melhor modelo, os chips mais rápidos ou os regulamentos de esquivar -se. Os pesquisadores do MIT dizem que se resume a como as ferramentas são aplicadas. As histórias de sucesso são as que constroem ou compram sistemas projetados para se entrelaçar perfeitamente a fluxos de trabalho reais e melhorar com o tempo. As falhas são aquelas que tentam divulgar a IA genérica em processos desajeitados e esperam que a transformação seja seguida.
A escala de adoção torna a divisão ainda mais impressionante. Chatgpt, Copilot e outras ferramentas de uso geral estão por toda parte. Mais de 80% das empresas experimentaram pelo menos, e quase 40% dizem que os lançaram de alguma forma. No entanto, o que essas ferramentas realmente oferecem é uma colisão na produtividade pessoal; Eles não movem a agulha P&L.
O MIT descobriu que as ferramentas corporativas lutam ainda mais. Cerca de 60% das empresas analisavam plataformas personalizadas ou sistemas de fornecedores, mas apenas 20% chegaram a um piloto. A maioria falhou porque os fluxos de trabalho eram quebradiços, as ferramentas não aprenderam e não se encaixavam na maneira como as pessoas realmente funcionam.
Essa explicação do MIT levanta uma questão. O problema é as próprias ferramentas ou a maneira como as empresas tentam usá -las? O relatório insiste que é sobre o ajuste e não a tecnologia, mas na mesma respiração aponta para ferramentas que não aprendem ou se adaptam. Essa ambiguidade nunca é totalmente resolvida, e é uma das razões pelas quais alguns críticos dizem que o estudo exagera seu caso.
O MIT enquadra a divisão através de quatro padrões. O primeiro é uma interrupção limitada. Das nove indústrias estudadas, apenas duas, tecnologia e mídia, mostram sinais de mudança actual, enquanto o restante continua a executar pilotos sem muitas evidências de novos modelos de negócios ou mudanças no comportamento do cliente. O segundo é o paradoxo corporativo. As grandes empresas lançam o maior número de pilotos, mas são os mais lentos para escalar, com as empresas do mercado intermediário geralmente passando do teste para o lançamento em cerca de 90 dias, enquanto as empresas podem levar mais perto de nove meses.
(Elenabsl/Shutterstock)
O terceiro padrão é o viés de investimento. O MIT observa que cerca de 70% dos orçamentos vão para vendas e advertising and marketing, porque os resultados são mais fáceis de medir, mesmo que retornos mais fortes geralmente apareçam na automação de back-office, onde a terceirização e os custos da agência podem ser reduzidos. O quarto é a vantagem de implementação. Parcerias externas atingem a implantação de cerca de 67% das vezes em comparação com 33% para construções internas. O MIT apresenta isso como evidência que abordam, e não os recursos brutos, separam os poucos vencedores do resto.
Uma crítica ao relatório do MIT é a maneira como ele se inclina para o número de manchete. A alegação de que 95% dos projetos da IA corporativa falham aparece no relatório, mas é oferecido sem muita explicação de como foi calculado ou quais dados o sustentam. Para uma figura ousada, a falta de transparência deixa espaço para dúvida.
Também há preocupações sobre como o sucesso e o fracasso são definidos. Os pilotos que não obtiveram ganhos de lucro sustentados são tratados como falhas, mesmo que criem algum benefício ao longo do caminho. Esse enquadramento pode fazer com que retornos modestos pareçam zero progresso.
(Wenich_Mit/Shutterstock)
Alguns também questionam a neutralidade do projeto, dados seus vínculos com os gamers comerciais que desenvolvem novos protocolos de agentes de IA. As recomendações do relatório apontam diretamente nessa direção. Ele diz que as empresas que tenham sucesso são as que compram em vez de construir, fornecem ferramentas de IA para equipes de negócios em vez de laboratórios centrais e escolhem sistemas que se encaixam nos fluxos de trabalho diários e melhoram com o tempo.
Segundo o relatório, a próxima fase será sobre a IA Agentic, onde as ferramentas são capazes de aprender, lembrar e coordenar -se entre os fornecedores. Os autores descrevem uma Net Agentic emergente, onde esses sistemas lidam com processos de negócios reais de maneiras que os pilotos estáticos não. Eles sugerem que essa rede de agentes poderia finalmente trazer a escala e a consistência que a maioria das implantações iniciais da Genai tem lutado para alcançar.
Itens relacionados
Gartner avisa 30% das iniciativas da Genai serão abandonadas por 2025
Estes são os principais desafios para a adoção de Genai, de acordo com a AWS
Os primeiros adotantes de Genai vendo grandes retornos para a análise, diz o estudo