IKEA工程师一语点破：企业AI只创造6%价值，问题不在模型

大模型越做越强，企业AI却迟迟跑不出价值。IKEA 的 Raj Navakoti 在这场分享中抛出一个刺痛行业的数字：企业 AI 只释放了 6% 的价值。真正的瓶颈，不是模型能力，而是我们从一开始就把 AI Agent 喂错了东西。

AI 很聪明，但为什么在公司里像“失忆症患者”？

Raj Navakoti 的开场并不谈模型参数，而是提到电影《记忆碎片（Memento）》。电影里的主角每隔一段时间就会失去记忆，只能靠零散线索行动——他说，今天很多企业里的 AI Agent，本质上也是这样。

我们给了 AI 通用知识、流程文档、API 权限，却没有真正给它“公司是如何运转的记忆”。结果就是：AI 在 demo 里无所不能，一进真实业务就频频翻车。Raj 用一句话概括这种落差：“AI 很聪明，但它不知道你们公司是怎么做决定的。”

这不是技术退步，而是语境缺失。Agent 被当成了一个更强的工具，而不是一个需要被‘社会化’的新同事。

从 AI 到 Agent：爆炸式进化，却卡在企业最后一公里

Raj 回顾了从传统 AI 到 AI Agent 的演进路径：能力确实是“爆炸式”增长的。但问题也恰恰出在这里——能力增长，并没有自动转化为企业价值。

他抛出了一个让人警醒的数据：在企业场景中，AI 目前只创造了大约 6% 的潜在价值。不是因为模型不行，而是因为 Agent 无法理解企业内部的“隐性规则”。

这些规则从来不写在 PRD 里：为什么这个审批要多绕一层？为什么两个系统数据永远对不上？为什么某个‘不合理流程’反而不能动？这些，全都是所谓的 institutional knowledge（组织性知识）。而这正是当前企业 AI 最严重的盲区。

真正的难题：不是给 Agent 更多知识，而是给对的知识

很多企业的直觉做法是：把更多文档、更多 wiki、更多历史数据丢给 Agent。但 Raj 明确指出：这解决不了问题。

原因很简单——组织知识不是静态百科，而是强烈依赖“当下需求”的上下文。如果 Agent 不能在正确的时间，被喂到正确的那一小块知识，它就永远只能做‘看起来很努力，但总是差一点’的决定。

Raj 提出了一个核心思路：Demand-driven Context（需求驱动的上下文）。不是预先塞满，而是在 Agent 产生行动意图时，再动态注入它真正需要的组织知识。这样，Agent 才可能从‘被动工具’，进化为‘半自主的业务参与者’。

从消费者到知识管理者：Agent 的角色正在反转

在演示部分，Raj 展示了一个关键转变：Agent 不再只是知识的消费者，而开始成为知识的管理者。

当 Agent 在执行任务时，它会反向发现：哪些知识缺失、哪些规则模糊、哪些流程本身就有问题。这些反馈，再被沉淀为新的组织知识，进入一个 Meta Model（元模型）中。

这意味着什么？意味着企业第一次有机会，让 AI 帮你‘照镜子’——不是问它答案，而是让它告诉你：你们公司的运作方式，本身哪里最不合理。

总结

Raj Navakoti 这场分享的真正价值，并不在某个具体技术方案，而在一个视角转变：企业 AI 失败，往往不是因为不够智能，而是因为不够“在场”。

如果你正在做 Agent 落地，这里有三个直接的 takeaway：第一，别再迷信“多喂数据”，先想清楚哪些是组织的隐性规则；第二，把上下文当成动态资源，而不是静态资产；第三，开始让 Agent 反向暴露组织问题，而不只是完成任务。

未来真正拉开差距的，不是谁的模型更大，而是谁更早让 AI 理解‘我们公司到底是怎么活下来的’。

关键词： AI Agent， 企业AI， 组织知识， Demand-driven Context， 智能体落地

事实核查备注： 需要核查：1）Raj Navakoti 的具体职务与是否代表 IKEA 官方立场；2）“企业 AI 只创造 6% 价值”的原始语境与是否为概念性数据；3）Demand-driven Context 是否为其原创术语或内部提法；4）视频发布时间 2026-05-05 是否准确。