企业砸钱投资AI，回报却不高；员工偷偷用自己买的AI，效率反而提升得飞快——这听起来有些讽刺，但正是眼下不少公司的真实写照。

最近仔细读了MIT发布的《State of AI in Business 2025》企业AI研究报告，发现了一个很有意思的现象。报告显示了两个看似矛盾的趋势：

内部AI难产：60%的公司还停留在流程级AI智能体项目的研究阶段，真正实现场景规模化落地的只有5%。
私人AI泛滥：仅有40%的企业为员工订购了通用大模型，但高达90%的员工在日常工作中使用了各类大模型，且绝大部分是私人订阅的ChatGPT、Claude等。

图表, 瀑布图AI 生成的内容可能不正确。

国内的情况也差不多：企业砸大钱推内部AI，场景少、落地难、产出低；员工则自己付费打工，用私人AI先一步跨过了生产力的鸿沟。

为什么私人AI跑在前面？

看似矛盾的现象背后，其实很好理解——目标不同，逻辑不同。不是AI不行，是内部AI不行。

企业内部的AI是重点项目，高预算自然要求高ROI。需要向领导、CEO解释：每年省了多少成本、提升了多少营收、减少了多少人天。落地的纸面价值虽然大，但落地难度也大，市场还没成熟，离获得切实回报还差得远。

私人AI的逻辑完全不同。员工用它写会议纪要、生成周报、润色方案，只要能省下一小时，价值就即时实现了——省下来的时间都是自己的。

目标的差异，直接造成了结果的差异。企业恐慌被AI浪潮甩在身后，拼命为AI找场景、找价值，一回头发现——农村早已包围城市。私人AI就像“游击队”，从最基层的个人工作流一点点渗透，逐步解放了个人时间；官方AI像正规军，啃骨头打硬仗，却因为规模、复杂度和ROI压力，进展缓慢。

私人AI需要“归化”吗

从企业角度看私人AI，员工自费打工固然美好，但数据安全风险极大。私人AI是否该被“归化”或禁止？现状能否被改变？发生自然有发生的道理，在决策前，企业需要先想明白两个问题。

一、数据安全层

报告中，40%的受访企业购买了企业版大模型订阅，但90%的员工依然选择个人版。背后的三个原因分别是模型效果、可用性和易用性。

很多国内企业慎重考虑了大模型合规与安全后，选择私有化部署开源模型（国外大模型在添加安全层后也会相对降智，但仍比开源版效果好）。报告点出了一个符合人性的事实：在个人使用场景中，细小的模型效果差距会直接导致模型被弃用。花高成本自建一个性能打折的“安全孤岛”，背后需要思考的是第一个问题：在“安全、低效、低可用”与“危险、高效、高可用”之间，该如何选择？

二、战略价值层

第二个问题是：员工的个人提效算不算成功的投资？

如果不算，那么私人AI的成功探索都会被忽略，企业会继续把AI预算砸在销售、市场、流程自动化这些“看得见ROI”的场景，却错过了那些能改变生产力的隐性收益。

如果算，那么企业的战略就要从“宏大转型”转向“汇聚微小效率”，把分散的个人尝试变成系统性的生产力提升。

不难想象，答案取决于企业是否能更好地发挥员工提效后省下的时间。

结语

长久以来，企业软件主要服务领导，员工的体验并不重要。然而私人AI的服务对象是员工。私人AI的流行，是大家用脚投票的方式告诉企业：大家眼里AI的价值在哪里。企业若真心想实现AI转型，就需拥抱现实——员工的自发探索，本身就是企业创新的前奏。归化私人AI，把个人效率变成组织能力，把分散尝试变成系统战略，或许是企业下一步AI转型的关键思考。