2026年，人工智能不再停留在试点阶段，而是进入全面部署。德勤在《2026企业人工智能现状》调查中测量到，领先组织中员工对人工智能的接触面在2025年扩大了50%，该调查于2026年1月21日在达沃斯发布，覆盖24个国家的3235位领导者。同一波浪潮中，麦肯锡发布了人工智能信任成熟度调查：信任在进步，但战略、治理和风险管理方面仍存在缺口。
这就是今年的悖论：所有组织都在加速，死掉的项目却更多。Gartner在今夏发布的《2026代理型人工智能成熟度曲线》中直言：代理型人工智能的快速进步已被炒作和混乱所超越。德勤关于代理型部署的数据同样说明问题：近四分之三的企业计划在两年内部署，但只有21%表示拥有成熟的代理治理模型。
大规模加速与稀缺的成熟度之间，是一片墓地。波士顿咨询在2026年6月3日发布的第四版年度调查中总结：只有约5%的组织成功从人工智能中获得实质性财务收益。二十分之一，与前一年持平。
2026年的这些数字印证了2024和2025年版本早已指出的规律：人工智能项目几乎从不因技术本身而失败。它们死于第一行代码之前做出的决定，或该做而未做的决定。这些失败的决定会留下痕迹。以下五个信号可以预测人工智能项目的失败，而且从第一次会议就能识别。
信号1：隐形的赞助者
症状。项目获得了“管理层”的批准，但没有人能说出哪位高管会把预算和声誉押在它背后。名义赞助者出席会议，点头认可，然后把一切交办出去。
为什么致命。波士顿咨询在2026年6月明确指出：高管的投入是人工智能成熟度最强的预测指标之一，把它当作高层优先事项而非单纯技术项目的企业，扩张更快，创造的价值更多。隐形赞助者意味着最强预测指标的缺失。第一个严重障碍出现时，而且一定会出现，没有人会为项目辩护。波士顿咨询所说的“面向未来构建”的企业深知这一点：它们的高管亲身体现人工智能的日常使用，而不仅仅是出资。
测试问题。“如果必须终止这个项目，谁来签署终止决定？谁为它的成功买单？”如果出现两个不同的名字，或者答案是沉默，信号已经亮起。
对策。在任何其他支出之前，要求指定一名具名赞助者，附书面授权和真实的预算权限。这是立项阶段的一项交付物，不是项目结束时的手续。
信号2：模糊的指标
症状。项目将“提升效率”、“释放数据价值”、“加快上市速度”。所有人点头。没有人能写出这句话：到12月31日，如果X没有变动Y，项目即告失败。
为什么致命。Gartner在2025年6月25日的新闻稿中一锤定音，这项预测在2026年仍是代理型项目的权威参考：超过40%的代理型人工智能项目将在2027年底前被取消，原因有三：成本攀升、业务价值模糊、风险控制不足。麦肯锡在2026年调查中指出战略一侧存在同样的缺口，并将其列为各种弱点的首位。一个没有基准指标的项目不可能失败，因此也无法被裁决：它一路漂移，直到耗尽预算。这是最昂贵的失败，因为它最缓慢。
测试问题。“哪个盈利指标，或哪个运营指标，变动多少，如何测量，何时达成？”如果答案超过一句话，它就不存在。
对策。用一句话定义成功，量化，限期，并在启动前完成基准测量。如果基准不存在，建立基准就是项目的第一笔支出。
信号3：未经审计的数据
症状。“我们有的是数据”是支撑项目的理由。没有人核实过这些数据是否可访问、完整、更新及时，并且在法律上可用。
为什么致命。这是文献最充分的失败原因，Gartner在2025年2月发布的官方预测到2026年依然是核心参考：缺乏“人工智能就绪”数据支撑的项目，60%将在2026年底前被放弃，Gartner首席分析师Roxane Edjlali如是说。计算很简单：原材料不可用的项目，在启动当天就已注定失败，而几周的审计本可以提前揭示原因。德勤2026年从另一个角度予以证实：领先组织与其余组织的差距，最先在数据上拉开。
测试问题。“本季度，谁真正打开过这批数据的真实样本，亲手检查过？”数据审计不是一份报告：是有人打开了那些文件。
对策。在任何建设投入之前，先做可用性与质量审计：访问、完整、新鲜、合规。如果没有就绪的数据，本季度的正确项目不是模型，而是数据准备。
信号4：没有业务方的团队
症状。项目住在数据和信息技术部门。业务方通过一个每月一次的指导委员会“参与”。最终用户将在部署前三周的培训中第一次见到工具。
为什么致命。波士顿咨询在2026年6月毫不含糊：人工智能产生的价值约有10%来自算法本身，另有20%来自使其成为可能的技术和数据。其余70%来自对人员维度的重新设计。当“面向未来构建”的企业计划让超过50%的员工接受人工智能培训，而落后企业仅为20%时，它们表达的是一个明确的信念：人工智能部署首先是人的转型，不是一次软件上线。没有业务方的接手，人工智能只会产出精彩的演示和无人使用的部署。
测试问题。“核心团队中，谁承受着当前流程的痛点？谁可以不经层层上报就叫停项目？”如果答案是“没有人，这是个数据项目”，信号已经亮起。
对策。组建真正对半混合的团队：流程负责人与技术负责人拥有同等的决策权。指导委员会负责确认；它不能代替接手。
信号5：缺失的终止标准
症状。项目有路线图、里程碑、预算。却没有一条写明的终止条件。问问团队：“在什么情况下这个项目会停下？”答案多半是迟疑。
为什么致命。德勤2026年把裁决纪律作为核心主题，概括为“从雄心到激活”。它的发现：领先组织的项目并不更多，它们终止的项目更多，也更早。Gartner《2026代理型人工智能成熟度曲线》提醒，快速进步已被炒作和混乱超越。当半数代理型项目在2027年前被取消时，幸存者是那些提前设计了裁决机制的项目。麦肯锡2026年指向同一道裂缝：战略、治理和风险管理方面的持续缺口，恰恰是人们无法及时喊停的原因。
测试问题。“给我看那一页写明项目在哪些情况下终止的文档。”一页纸。不是演示文稿里的一个段落。
对策。启动前写下终止标准：绩效阈值、期限、成本、采用率。并附一个强制复审日期。及时终止一个项目，是一种应该入账的成功。
这五个信号的共同点
再读一遍。没有一个信号涉及模型、技术或提示词。它们全部指向决策的治理：谁来做决定，依据什么衡量，用什么数据，凭什么样的授权，边界在哪里。2026年的各项调查在这一点上完全一致。
麦肯锡2026年发现，成熟度差距首先体现在战略、治理和风险管理上。德勤2026年证明，成熟度区分的是从雄心走向激活的组织，而不是速度最快的组织。波士顿咨询2026年计算出70%的价值来自人员维度，高管投入是成熟度的第一预测指标。Gartner在《2026代理型人工智能成熟度曲线》中观察到，技术成熟度已经跑在组织成熟度前面。
人工智能项目的失败不是一个伪装成技术问题的难题。它是一个没有解决的决策架构问题。
这正是APV框架的核心：一套五阶段方法论，在投入资源之前，从五个维度评估人工智能项目：价值、数据、团队、治理和裁决能力。上述每个信号都对应一个在立项阶段即可检验的维度。您可以在内部对自己的项目组合应用这套方法，也可以让团队接受认证，持续运用它。
人工智能项目还会继续大批失败。唯一的问题是，您的项目会不会在烧钱之前就失败。
来源
引自英文报告的引文均为意译。
- 德勤，《2026企业人工智能现状》，2026年1月21日于达沃斯发布。调查于2025年8月至9月进行，覆盖24个国家的3235位领导者。2025年员工对人工智能的接触面扩大50%；近四分之三的企业计划在两年内部署代理型人工智能，但只有21%表示拥有成熟的代理治理模型。https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html
- 麦肯锡，《2026年人工智能信任状况：迈向代理型时代》，人工智能信任成熟度调查。2026年4月22日通过存档快照验证。核心论点：信任成熟度在进步，但战略、治理和风险管理方面仍存在缺口。https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/tech-forward/state-of-ai-trust-in-2026-shifting-to-the-agentic-era
- 波士顿咨询，《人工智能转型即劳动力转型》，2026年6月3日发布，第四版年度调查。约5%的组织成功从人工智能中获得实质性财务收益；70%的价值来自对人员维度的重新设计；高管投入是最强的成熟度预测指标之一。https://www.bcg.com/publications/2026/ai-transformation-is-a-workforce-transformation
- Gartner，《2026代理型人工智能成熟度曲线》，2026年夏季发布。代理型人工智能的快速进步已被炒作和混乱所超越。https://www.gartner.com/en/articles/hype-cycle-for-agentic-ai
- Gartner，2025年6月25日官方新闻稿：超过40%的代理型人工智能项目将在2027年底前被取消，原因包括成本攀升、业务价值模糊、风险控制不足。2026年仍是行业参考。https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- Gartner，2025年2月26日官方新闻稿：缺乏“人工智能就绪”数据支撑的项目，60%将在2026年底前被放弃。在数据维度上仍是权威预测。https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk
验证的局限。德勤、波士顿咨询和Gartner的页面均已下载，引文以原始语言逐字核对。麦肯锡2026年报告的详细正文无法提取，因为麦肯锡屏蔽自动客户端；因此该来源仅引用其核心论点，未引用具体数字。