《The GenAI Divide: State of AI in Business 2025》（又称 MIT NANDA 报告），由麻省理工学院的研究人员发布。此报告揭示了一个重大差异，即 AI 投资与可衡量的业务成果之间的差距，作者称之为“生成式 AI 鸿沟”（GenAI Divide）。

问题：零回报

尽管企业在生成式 AI 上的投资估计达 300–400 亿美元，但报告发现一个“令人惊讶的结果”：95% 的组织没有获得任何回报。

只有 5% 的集成 AI 试点项目正在提取数百万的价值。

这种鸿沟并非主要由模型质量或监管驱动，而是由实施方式决定。

核心障碍：学习差距

报告将核心问题识别为“学习差距”：

AI 扩展的核心障碍不是基础设施、监管或人才，而是学习。

大多数生成式 AI 系统不会保留反馈、适应上下文或随着时间改善。

大多数定制或供应商提供的企业级 AI 系统失败的缘由在于脆弱的工作流程、缺乏上下文学习能力，以及与日常运营的不匹配。

有鉴于此，文档工程师可以从目前开始凭借已经具备的企业产品知识和职业技能，如结构化，为企业 AI 落地发挥应有价值。文档工程师不再局限于为人读者制作文档——目前文档工程师也在为机器制作内容，让它们阅读、概括并根据我们的文字采取行动。人工智能正在改变创建、管理和传递信息的方式。对于文档工程师（技术写作者）而言，这意味着其工作不再局限于为人类读者撰写文档——目前还要为机器撰写内容，让它们阅读、总结并根据文档工程师的文字采取行动。

弥合这一差距的新兴学科被称为上下文工程——理解它很快就会像了解结构化创作或重用策略一样重大。

什么是情境工程？

上下文工程是指在人工智能系统做出响应之前，对其“已知”信息进行设计。它是对上下文窗口（即人工智能模型用于执行任务的数据、文档、指令和内存的集合）进行精心组织、选择和管理的过程。

简而言之，提示工程是指您对人工智能模型说的话，而上下文工程是指模型在您说出这些话时所理解的内容。

精心设计的情境能为人工智能助手提供所需的一切：正确的信息、恰当的语气和合适的限制条件。而设计糟糕的情境则会导致幻觉、错误信息和信任危机。

为什么这对技术写作人员很重大

如果您曾经创建过模块化文档、维护过元数据，或者使用过组件化内容管理系统，那么您已经实践过某种形式的上下文工程了。不同之处在于，目前您的主要读者可能是人工智能系统。

想象一下，一个经过训练的人工智能代理可以回答产品问题。它无法理解你所有的文档——它只能看到上下文范围内的内容。因此，必须有人决定包含哪些内容、如何概括它们以及如何标记以便于检索。这个人应该是技术文档撰写人员。

技术写作工程师已经了解受众、准确性和信息架构。正是这些技能使我们成为构建支持人工智能交互的上下文框架的理想人选。

从文档到语境整理

技术写作的职责一直是预判人类读者需要理解的内容。而上下文工程则扩展了这一职责，使其能够预判人工智能系统正确运行所需的内容。

这意味着：

对内容进行结构化处理，使其能够被检索、分块和概括，而不会丢失含义。

应用元数据，以便针对正确的查询显示正确的信息。

确保术语和分类一致，以免人工智能误解领域语言。

维护内容管理和版本控制，防止过时或冲突的材料进入人工智能的工作记忆。

理解这一点的撰稿人将在他们所在机构如何安全有效地部署人工智能系统方面发挥核心作用。

上下文工程如何与内容运营相联系

上下文工程是面向机器的内容运维。它旨在让你的内容为智能系统提供动力。步骤与以往类似——规划、构建、管理、交付——但受众已经发生了变化。

强劲的内容运营基础（结构化创作、元数据策略、重用治理）能让您的组织在人工智能时代占据优势。否则，人工智能模型将难以找到可信信息，只能靠猜测来填补空白。

了解人类文档编写和人工智能消费这两个方面的技术编写人员，将能够设计出内容可以在各个渠道重复使用的流程。

入门五步指南

1. 使用人工智能镜头审核您的内容-确定人工智能助手会依赖哪些主题，并评估它们的结构、清晰度和元数据。
2. 定义检索边界-与开发人员合作，确定人工智能可以访问哪些存储库或内容管理模块。
3. 战略性总结-对冗长的主题进行简短、客观的总结，以协助人工智能模型在其上下文窗口中纳入更多相关信息。
4. 添加重大的元数据-为内容添加受众、版本、产品和置信度等标签。这有助于人工智能在合适的时间选择合适的内容。
5. 建立治理-明确规定人工智能系统何时以及如何使用您的内容，并要求对生成的输出进行人工审核。

底线

情境工程将技术写作者从内容创作者转变为知识架构师。

我们不会问“我该如何向人解释这件事？”，而是会问“我该如何确保人工智能系统能够正确理解这件事？”

文档的未来不仅仅是为人类写作——而是要设计一个生态系统，让人类和机器都能理解我们发布的内容。

目前学习情境工程的人将决定他们的组织如何负责任、高效、智能地使用人工智能。