The GenAI Divide（生成式 AI 鸿沟）
定义
The GenAI Divide 指企业 GenAI 的高采用与低业务转化之间的断裂：员工和组织大量试用 ChatGPT、Copilot 等工具，但多数正式企业系统没有进入生产，也没有形成可衡量的 P&L impact。
核心机制
MIT/NANDA 报告给出的关键区别是：个人生产率工具可以靠低摩擦、低集成快速扩散；核心工作流系统则必须穿越流程、权限、上下文、记忆和业务指标。
因此 GenAI Divide 不是“用不用 AI”的鸿沟，而是“AI 是否进入组织运行系统”的鸿沟。
关键数据点
- 报告称企业 GenAI 投入约 USD30-40 billion，但 95% 的组织没有取得可衡量回报。
- 超过 80% 的组织探索或试点 ChatGPT/Copilot 等工具，近 40% 报告已部署。
- 60% 的组织评估过 enterprise-grade custom/vendor systems，20% 到达 pilot，只有 5% 到达 production。
- 报告认为核心障碍不是基础设施、监管或人才，而是 learning gap。
组织内机制：度量错位（2026-08，Vas）
MIT/NANDA 给出了断裂的存在，Vas（Varick Agents CEO）给出了断裂为何能长期维持的组织内机制：adoption 指标把技能连续谱折叠成二元 yes/no——"adoption is binary, skill is a spectrum"。
被追踪的是"登录了吗、每周够 5 个 prompt 吗"，而决定业务结果的是"用得多熟、每 token 的 ROI 是多少"。于是 McKinsey 2025 出现"88% 组织在至少一个职能用 AI、仅 6% 的 EBIT >5% 来自 AI"与 MIT 的"5% 试点榨出价值"同时为真——不是数字矛盾，而是被度量的问题（登录）与业务相关的问题（技能产出）脱钩。
测量建议（同源主张，需保守使用）：停止向 board 报 "adoption"，改报"工作当前 手动/混合/全自动化"的份额——把指标从"有没有人在用"换成"工作有多少被改写"。
前提与局限性
- 该概念不能被简化为“企业 AI 失败”。它更准确地描述了个人工具采用和组织流程转化之间的落差。
- 报告是 preliminary findings，样本和访谈匿名，应作为方向性证据使用。
- 不同行业、不同流程的 P&L impact 可见性不同。知识工作辅助可能有真实收益，但未必短期进入财务指标。
关联概念
- Enterprise-AI-Learning-Gap — GenAI Divide 的核心机制。
- AI-Deployment-Valley-of-Death — adoption/pilot 到 ROI 之间的断层。
- AI-Ready-Organization — 组织越可读，越容易让 AI 穿过鸿沟。
- Integration-Wall — 核心工作流转化的系统阻力。