• 主流AI经济举步维艰，但“影子AI经济”却在蓬勃发展。这是麻省理工学院（MIT）一项关于生成式AI在工作场所应用情况的新研究得出的关键结论之一。研究发现，超过90%公司的员工正在使用个人聊天机器人处理日常任务，且通常未经IT部门批准；与此同时，仅有40%的公司实际购买了官方大语言模型订阅服务。
麻省理工学院NANDA项目全新发布的重磅报告《2025年企业AI应用现状》（State of AI in Business 2025）显示，企业AI在企业和员工两个层面的应用可谓“冰火两重天”，一方面，企业官方AI的应用陷入停滞，另一方面，由于员工已大规模应用个人AI工具处理日常工作，强劲的“影子AI经济”正在暗中蓬勃发展。
该研究的核心主题是“生成式AI鸿沟”，MIT发现，尽管企业已在生成式AI项目上投入了300亿至400亿美元，但仅有5%的组织获得了转型回报。绝大多数（95%）企业称，其官方AI投资未对损益表产生任何积极影响。然而，MIT也发现，员工私下对大语言模型工具的使用极为活跃，似已形成广泛的AI“影子经济”。
员工们不再等待企业官方的生成式AI项目克服技术与组织障碍，而是主动使用个人ChatGPT账户、Claude订阅及其他消费级AI工具自动化处理各类日常任务。企业IT部门和高管层对此类活动通常并不知晓。
借助个人AI工具，企业员工已经跨越了生成式AI鸿沟。这种“影子AI”的投资回报率往往高于官方项目，同时可能也是真正能够有效跨越这条鸿沟的路径。
40%对90%
研究过程中，研究人员对300多项公开披露的AI计划进行了分析，对52家组织的代表进行了访谈，并对153名高管进行了问卷调查。
结果显示，尽管仅有40%的公司通过官方渠道购买了大语言模型订阅服务，但超过90%公司的员工会在日常工作中使用个人AI工具。事实上，几乎所有受访者都表示在日常工作流程中以某种形式使用过大语言模型。
许多“影子用户”表示，自己每天工作时都会多次用到大语言模型工具，应用进度远超公司批准的AI计划，后者大多目前仍停留在试点阶段。
NANDA项目分析显示，造成这种差距的关键原因包括：
• 灵活方便、即时起效：ChatGPT和Copilot等工具因使用方便、适用场景广泛、效果立竿见影而备受好评，许多定制化企业解决方案恰好缺乏这些优点。
• 契合工作流程：员工可以根据自身需求对消费级工具进行定制，绕过了企业审批流程和系统集成方面的障碍。
• 低门槛：影子AI获取方便，用户可以自由迭代、实验，应用速度进一步加快。
正如该报告所指出的那样：“看出这一模式并加以利用的组织才能代表企业级AI应用的未来。”
企业官方在部署生成式AI时，常因系统集成复杂、操作界面僵化、持续记忆功能缺乏导致推进困难，个人在应用此类工具时就不会面临这些问题，优势十分明显。这种差异也有助于我们理解为何生成式AI在试点与实际生产部署之间存在如此巨大的“鸿沟”。
“基础工作争夺战”
报告指出，影子AI工具的应用造成了一种“反馈循环”，企业员工对符合其需求的个人AI工具用得越多，就越不想用那些死板、僵化的企业AI工具。
“（造成差距的）分水岭并非智能水平”，该报告的作者们写道，并解释称，企业AI的问题在于记忆能力、适应能力和学习能力。
因此，90%的用户表示他们更倾向于由人类来处理“关键工作”，而AI则已在“基础工作争夺战”中胜出，有70%的受访者倾向使用AI来起草邮件，65%倾向于用其进行基础分析。
与此同时，该研究还破除了企业AI领域普遍存在的五大迷思。与热门观点相反，研究发现：
• 多数岗位未被AI替代；
• 除对岗位影响有限外，生成式AI也并未改变商业模式；
• 多数企业已在生成式AI试点项目上投入巨资；
• 由监管或模型性能引发的问题相对较少，工具缺乏学习或适应能力才是最大障碍；
• 内部AI开发（自建）项目的失败率是外部采购（购买）解决方案的两倍。
话虽如此，我们也发现，过去几年，科技行业裁员已成经济领域的“新常态”，虽然这种现象的出现是否与AI应用相关还有待商榷。此外，关于大学学位薪资溢价缩水的研究表明，劳动力市场正发生根本性转变。
但AI行业的发展可能已遇到瓶颈，OpenAI发布的GPT-5反响平平，一些知名作家由此发出疑问，如果AI的潜力仅止于此，我们应何去何从？
事实上，美联储曾委托多位经济学家对此问题进行研究，基本结论是，AI至少能大幅提升工作效率。但他们也指出，如能充分发挥AI潜力，该技术或将像100年前的电灯一样驱散阴影，推动实现颠覆性变革。
关于本文，《财富》杂志使用了生成式AI辅助完成初稿。编辑在发布前已核实信息的准确性。（*）
译者：梁宇
审校：夏林
• 主流AI经济举步维艰，但“影子AI经济”却在蓬勃发展。这是麻省理工学院（MIT）一项关于生成式AI在工作场所应用情况的新研究得出的关键结论之一。研究发现，超过90%公司的员工正在使用个人聊天机器人处理日常任务，且通常未经IT部门批准；与此同时，仅有40%的公司实际购买了官方大语言模型订阅服务。
麻省理工学院NANDA项目全新发布的重磅报告《2025年企业AI应用现状》（State of AI in Business 2025）显示，企业AI在企业和员工两个层面的应用可谓“冰火两重天”，一方面，企业官方AI的应用陷入停滞，另一方面，由于员工已大规模应用个人AI工具处理日常工作，强劲的“影子AI经济”正在暗中蓬勃发展。
该研究的核心主题是“生成式AI鸿沟”，MIT发现，尽管企业已在生成式AI项目上投入了300亿至400亿美元，但仅有5%的组织获得了转型回报。绝大多数（95%）企业称，其官方AI投资未对损益表产生任何积极影响。然而，MIT也发现，员工私下对大语言模型工具的使用极为活跃，似已形成广泛的AI“影子经济”。
员工们不再等待企业官方的生成式AI项目克服技术与组织障碍，而是主动使用个人ChatGPT账户、Claude订阅及其他消费级AI工具自动化处理各类日常任务。企业IT部门和高管层对此类活动通常并不知晓。
借助个人AI工具，企业员工已经跨越了生成式AI鸿沟。这种“影子AI”的投资回报率往往高于官方项目，同时可能也是真正能够有效跨越这条鸿沟的路径。
40%对90%
研究过程中，研究人员对300多项公开披露的AI计划进行了分析，对52家组织的代表进行了访谈，并对153名高管进行了问卷调查。
结果显示，尽管仅有40%的公司通过官方渠道购买了大语言模型订阅服务，但超过90%公司的员工会在日常工作中使用个人AI工具。事实上，几乎所有受访者都表示在日常工作流程中以某种形式使用过大语言模型。
许多“影子用户”表示，自己每天工作时都会多次用到大语言模型工具，应用进度远超公司批准的AI计划，后者大多目前仍停留在试点阶段。
NANDA项目分析显示，造成这种差距的关键原因包括：
• 灵活方便、即时起效：ChatGPT和Copilot等工具因使用方便、适用场景广泛、效果立竿见影而备受好评，许多定制化企业解决方案恰好缺乏这些优点。
• 契合工作流程：员工可以根据自身需求对消费级工具进行定制，绕过了企业审批流程和系统集成方面的障碍。
• 低门槛：影子AI获取方便，用户可以自由迭代、实验，应用速度进一步加快。
正如该报告所指出的那样：“看出这一模式并加以利用的组织才能代表企业级AI应用的未来。”
企业官方在部署生成式AI时，常因系统集成复杂、操作界面僵化、持续记忆功能缺乏导致推进困难，个人在应用此类工具时就不会面临这些问题，优势十分明显。这种差异也有助于我们理解为何生成式AI在试点与实际生产部署之间存在如此巨大的“鸿沟”。
“基础工作争夺战”
报告指出，影子AI工具的应用造成了一种“反馈循环”，企业员工对符合其需求的个人AI工具用得越多，就越不想用那些死板、僵化的企业AI工具。
“（造成差距的）分水岭并非智能水平”，该报告的作者们写道，并解释称，企业AI的问题在于记忆能力、适应能力和学习能力。
因此，90%的用户表示他们更倾向于由人类来处理“关键工作”，而AI则已在“基础工作争夺战”中胜出，有70%的受访者倾向使用AI来起草邮件，65%倾向于用其进行基础分析。
与此同时，该研究还破除了企业AI领域普遍存在的五大迷思。与热门观点相反，研究发现：
• 多数岗位未被AI替代；
• 除对岗位影响有限外，生成式AI也并未改变商业模式；
• 多数企业已在生成式AI试点项目上投入巨资；
• 由监管或模型性能引发的问题相对较少，工具缺乏学习或适应能力才是最大障碍；
• 内部AI开发（自建）项目的失败率是外部采购（购买）解决方案的两倍。
话虽如此，我们也发现，过去几年，科技行业裁员已成经济领域的“新常态”，虽然这种现象的出现是否与AI应用相关还有待商榷。此外，关于大学学位薪资溢价缩水的研究表明，劳动力市场正发生根本性转变。
但AI行业的发展可能已遇到瓶颈，OpenAI发布的GPT-5反响平平，一些知名作家由此发出疑问，如果AI的潜力仅止于此，我们应何去何从？
事实上，美联储曾委托多位经济学家对此问题进行研究，基本结论是，AI至少能大幅提升工作效率。但他们也指出，如能充分发挥AI潜力，该技术或将像100年前的电灯一样驱散阴影，推动实现颠覆性变革。
关于本文，《财富》杂志使用了生成式AI辅助完成初稿。编辑在发布前已核实信息的准确性。（*）
译者：梁宇
审校：夏林
• The mainstream AI economy is struggling, but the “shadow AI economy” is booming. That’s one of the key takeaways from a sweeping new MIT study on generative AI in the workplace. The study finds that workers at more than 90% of companies are using personal chatbot accounts for daily tasks, often without approval from IT, while only 40% of companies actually have official LLM subscriptions.
A sweeping new report from MIT’s Project NANDA, State of AI in Business 2025, has uncovered a dramatic split in the landscape of enterprise artificial intelligence: While official AI adoption in companies stalls, a robust “shadow AI economy” is flourishing under the radar, powered by employees using personal AI tools for day-to-day work.
The main thrust of the study is the “GenAI divide”: the finding by MIT that despite $30 billion to $40 billion invested in gen-AI initiatives, only 5% of organizations are seeing transformative returns. The vast majority—95%—report zero impact on profit and loss statements from formal AI investments. Lurking under the surface, though, MIT also finds huge engagement with LLM tools on the part of workers, a shadow economy of seemingly widespread AI adoption.
Rather than waiting for official enterprise gen-AI projects to overcome technical and organizational hurdles, employees are routinely leveraging personal ChatGPT accounts, Claude subscriptions, and other consumer-grade AI tools to automate tasks. This activity is often invisible to IT departments and C-suites.
Employees are already crossing the GenAI Divide through personal AI tools. This ‘shadow AI’ often delivers better ROI than formal initiatives and reveals what actually works for bridging the divide.
The 40% and 90% split
The study was based on a review of over 300 publicly disclosed AI initiatives, interviews with representatives from 52 organizations, and survey responses from 153 senior leaders.
It reveals that while only 40% of companies have purchased official LLM subscriptions, employees in over 90% of companies regularly use personal AI tools for work. In fact, nearly every respondent reported using LLMs in some form as part of their regular workflow.
Many shadow users describe interacting with LLMs multiple times a day, every workday—with adoption often far outpacing their companies’ sanctioned AI initiatives, which remain stuck in pilot stages.
Project NANDA’s analysis highlights key reasons for this divide:
• Flexibility and immediate utility: Tools like ChatGPT and Copilot are praised for their ease of use, adaptability, and instantly visible value—qualities missing from many custom-built enterprise solutions.
• Workflow fit: Employees customize consumer tools to their specific needs, bypassing enterprise approval cycles and integration challenges.
• Low barriers: Shadow AI’s accessibility accelerates adoption, as users can iterate and experiment freely.
As the report notes, “The organizations that recognize this pattern and build on it represent the future of enterprise AI adoption.”
These advantages contrast sharply with official gen-AI deployments, where complex integrations, inflexible interfaces, and lack of persistent memory often stall progress. This helps explain a “chasm” in between pilots and production.
The ‘war for simple work’
According to the report, shadow AI usage creates a feedback loop: As employees become more familiar with personal AI tools that suit their needs, they become less tolerant of static enterprise tools.
“The dividing line isn’t intelligence,” the authors write, explaining that the problems with enterprise AI have to do with memory, adaptability, and learning capability.
As a result, 90% of users said they prefer humans to do “mission-critical work,” while AI has “won the war for simple work,” with 70% preferring AI for drafting emails and 65% for basic analysis.
Meanwhile, the study engages in some myth-busting, puncturing five commonly held beliefs about enterprise AI. Contrary to the hype, it finds:
• Few jobs have been replaced by AI.
• Beyond the limited impact on jobs, generative AI also isn’t transforming the way business is done.
• Most companies have already invested heavily in gen-AI pilots.
• Problems stem less from regulations or model performance, and more from tools that fail to learn or adapt.
• Internal AI development “build” projects fail twice as often as externally sourced “buy” solutions.
That being said, the tech sector layoffs of the last several years have become entrenched in the economy, whether they are related to AI adoption or not. And research on the declining wage premium of the college degree suggests that a fundamental shift is occurring in the labor market.
But the AI sector may be hitting a plateau, with the underwhelming launch of OpenAI’s ChatGPT-5 leading some prominent writers to wonder: What if this is as good as AI gets?
In fact, the Federal Reserve commissioned several staff economists to consider the question, and their base case is that it will significantly boost productivity. But they also said it could end up having an import more like an invention that literally banished shadows when it appeared over 100 years ago: the light bulb.
For this story, Fortune used generative AI to help with an initial draft. An editor verified the accuracy of the information before publishing.