如今，仅有 15% 的公司在有效使用生成式AI，这些公司在转化率和用户参与度等关键指标上的表现，比仍依赖旧工具的同行高出近两倍。与此同时，44% 的组织甚至尚未采用基本的人工智能驱动搜索或产品推荐功能。这些数据凸显了当前各行业在人工智能应用层面的显著不均衡。

这些发现来自 Lucidworks 的《2025 生成式AI基准报告》。该报告通过一个名为 Guydbot 的自主人工智能代理对 1100 多家公司进行了评估，并结合了超过 1 万名用户的调查反馈。调查捕捉了用户对生成式AI功能的体验，而该代理则测试了 48 个行业的实时网站和数字触点，以评估企业在现实场景中实际部署的技术。

基于观察到的能力，报告将企业分为四个梯队：

尽管这四个梯队的生成式AI成熟度不同，但最大的差异不仅体现在它们提供的功能上，更体现在执行方式上。领先者不追逐潮流或为展示而推出聊天机器人，而是专注于将生成式AI集成到基于清洗、结构化数据的核心工作流程中。它们的功能往往更注重实用性，例如智能搜索、个性化发现和优化导航。

报告指出，超过 70% 的领先者支持混合检索和至少一种语义排序形式。建设者紧随其后，但许多企业仍在解决系统中的漏洞：数据质量问题和工具碎片化。约半数建设者已推出某种生成式AI功能，但这些功能通常搭建在旧基础设施之上，从而限制了其影响力。

探索者属于庞大的中间群体。它们明显在进行试验，通常从生成式AI驱动的聊天或问答功能入手，但用户体验往往显得脱节。由于缺乏正确的基础，技术难以发挥作用。而观望者占研究中所有企业的近半数，处于最落后的位置：不到五分之一的企业采用了向量搜索等基本工具，许多企业仍完全依赖静态内容和基于规则的系统。

Lucidworks 首席执行官Mike Sinoway表示：“探索者梯队或许揭示了我们研究中最重要的教训：在未掌握基础要素的情况下实施高级人工智能，就像在薄弱的地基上建造顶层公寓。”

“那些平衡好‘为用户、为自身’的企业 ，即在实施面向客户的创新的同时强化基础能力，最终会成为领先者。每个能力梯队不仅代表当前状态，更是企业在人工智能实施路径上的战略选择。”

Sinoway关于在叠加高级功能前掌握基础要素的观点，直接适用于企业的数据管理方式。先进企业与其他企业的区别，往往取决于数据质量。领先者不仅在部署生成式AI，还为其提供了正确的输入。它们的系统基于清洗、多语言且支持向量处理的数据集，使生成式AI工具能够有效检索、解读和响应。较低梯队的企业可能使用类似的模型，但如果没有背后正确的数据架构支撑，用户体验会迅速崩溃。

报告还列出了定义生成式AI成熟度曲线的 24 项能力，分为从基础到变革的四个阶段。一些最 先进的企业正在试验 “代理式人工智能”(agentic AI)，即无需直接输入即可跨系统执行操作的工具。但这些功能仅在基础完备时才能发挥作用。如果没有清洗数据、结构化内容和集成工作流程，即使是最智能的工具也会失效。

因此，报告建议采用双轨策略：在构建面向客户的生成式AI功能的同时，强化支撑这些功能的后端系统。领先企业不仅推出人工智能驱动的搜索或聊天功能，还在内容架构、系统集成和治理等幕后环节进行投资。正是这种协同方法，使生成式AI能够在现实中交付成果。

这种方法在各行业的应用并不均衡。报告强调，不同行业间存在明显差距：41% 的 B2C(企业对消费者)公司属于领先者，而 B2B(企业对企业)组织中这一比例仅为 31%。面向消费者的品牌更快地将生成式AI融入客户体验，而许多 B2B 公司仍在解决基础问题。这一差距也指向了行动迟缓者的风险和准备追赶者的机遇窗口。

Lucidworks 建议，为了推进发展，分析领域的领导者应在扩展生成式AI之前专注于构建坚实基础。报告以 Klarna 的近期挫折为例：这家金融科技公司在用人工智能取代 700 个岗位后，因服务质量下降不得不重新招聘员工。真正的优势将属于那些能够平衡野心与智慧的企业 —— 二者缺一不可，否则难以实现持久成功。