牛透社 9 月 8 日消息，麻省理工学院 NANDA 计划发布研究报告显示，近 95% 的企业级 AI 项目未能产生可量化的商业价值。该报告指出数据质量与实时性正成为区分”实用型 AI”与”演示型 AI”的关键因素。

RavenDB 数据库公司联合创始人兼 CEO 奥伦·艾尼分析称，企业 AI 部署失败主要源于数据孤岛与时间滞后问题。核心建议包括构建实时数据源系统、将 AI 集成至现有权限框架，以及聚焦可扩展的核心业务场景。

报告强调，成功企业在基础设施重构方面表现出共性：实现信息流畅传输、保持实时数据同步、避免过度依赖遗留系统，形成快速验证与持续优化的敏捷部署能力。