MIT 2025年研究显示，95%的生成式AI项目未能进入生产环境或交付价值；S&P Global Market Intelligence同期调研表明，42%的企业在2025年撤销了多个AI项目，较前一年的17%大幅攀升。行业专家分析指出，根源在于AI系统引入的「技术债务」新形态——提示债、检索债和评估债——正在悄然重塑企业AI风险格局。
与传统代码技术债不同，AI债务分布在提示词、模型、数据管道及基础设施多个层面，且具有偶发性——由于AI的概率特性，系统响应并非每次一致，令风险在测试阶段更难发现。
四类新型AI债务尤为突出：提示债源于未经版本控制的快速修复式提示堆积；模型依赖债因外部模型更新导致性能波动和复现性丧失；检索债来自企业数据仓库的杂乱数据，导致AI给出「曾经正确但已过时」的答案；评估债则体现为行业缺乏标准化测试与实时监控机制——目前尚无CI/CD的等效方案用于提示词管理。
专家建议，企业需要建立统一的AI债务追踪框架，将吸收容量、模型版本变更及检索质量纳入持续监控体系。
来源：VentureBeat，2026年5月25日
