文章核心观点 - 企业AI项目失败的两大问题并非源于AI不够智能，更大模型也无法解决，两个问题都追溯到同一个被忽视的根源：企业从未组织好AI所依赖的信息 [1] - 企业AI项目面临的两个最可能致命的问题分别是失控的Token成本和AI自助服务中的信任缺口 [1][2][3] - eGain在旧金山AI大会期间发布了两份白皮书，分别针对上述两个问题提出分析和解决方案 [1] 白皮书一：终结企业AI中失控的Token成本 - 第一份白皮书题为《Ending Runaway Token Costs in Enterprise AI》，聚焦AI账单增长快于预期且几乎无法预测的问题，该问题正从软件团队蔓延至客户服务和后台运营部门 [2] - 企业按AI完成的工作单元付费，eGain认为大部分工作被浪费了，因为系统每次被问到一个简单问题时都从头翻阅大量公司文档，原因在于没有人组织过这些材料或梳理其关联方式 [2] - eGain将此比作让新员工进入一个没有标签的仓库寻找一个箱子，然后为下一个箱子再进去一次，如此反复 [2] - 第二个浪费来源是用AI处理实际上只是规则的工作，例如计算滞纳金或检查退款资格不需要判断力，让AI每次重新推理是一种昂贵的算术方式 [2] - eGain的解决方案是将企业知识组织成单一可信、有映射的来源，使AI直接找到所需内容，并将常规决策路由到普通软件处理 [2] - 公司对节省效果有足够信心，许多合同按结果而非使用量定价，自身承担账单风险 [2] 白皮书二：AI自助服务中的信任缺口 - 第二份白皮书题为《The Trust Gap in AI Self-Service》，解释了为何许多面向客户的AI项目在演示中表现出色却在正式上线前停滞 [3] - 当人工服务代表使用AI时，代表会捕捉错误；当客户直接与AI对话时，没有人来捕捉错误 [3] - 行业最喜欢的评分标准具有误导性，一个95%准确的系统不是由那95%定义的，而是由另外5%的样子定义的 [3] - 说“我不确定，让我为您转接人工”的AI是安全地失败了；而自信地、带着银行名字说出关于客户抵押贷款错误信息的AI则不是 [3] - 白皮书还针对一个流行的技术捷径提出批评：让AI在当下决定访问哪个公司系统以及在那里做什么，eGain认为这种方法对于实时客户使用不够可靠，因为没有专家在旁边注意到错误的账户被扣款 [3] 公司高管观点 - eGain CEO Ashu Roy表示，失控的AI账单几乎从不意味着模型太小，而是没有人告诉它去哪里找 [4] - 一旦客户直接与AI对话，就没有人在错误落地之前捕捉它 [4] - 把底层信息做对不是一个功能，而是全部工作 [4] 公司背景与行业地位 - eGain是AI驱动的知识管理和客户体验自动化解决方案的领先提供商 [5] - 公司在Gartner首届客户服务知识管理系统魔力象限中被评为领导者 [5] - 公司拥有超过25年的知识管理经验，帮助企业统一孤岛内容、自动化可信知识工作流，并通过经过验证的框架和方法实现可衡量的AI投资回报 [5] - 全球2000强企业跨行业依赖eGain来转型客户服务、提升员工生产力、降低成本和加速AI采用 [5] - Gartner魔力象限报告作者为Pri Rathnayake、Jennifer MacIntosh、Patrick Quinlan、Drew Kraus，发布日期为2026年7月16日 [6]