最后验证： 2026-06-05。下方每个数字都按标注日期引用其具名发布方；发布方为原始出处时按一手来源处理，另有说明时按二手来源处理。支出与采用率变化很快，请通过文中链接查看最新数据。

作者 Frankie C. · Mindber 高级市场研究员。AI 与 SaaS 市场分析师。 通过 Mindber Innovation Index 和 Mindber Functionality Score 方法追踪 500 多个 AI 与 SaaS 工具。

我们如何评估： 这是基于公开研究的 AI 辅助编辑分析，不是 Mindber 自行开展的研究。每项统计都引用了一手或具名二手来源（Zylo、Gartner、S&P Global、Mavvrik、Larridin、Harness、Happily.ai、IDC），用我们自己的话复述并标注日期。无法向具名来源确认的数字被删除，而不是猜测。

大多数软件预算买到的是没人打开的东西。AI shelfware 指已经付费、却闲置、采用率很低，或悄悄毁掉价值的 AI 与 SaaS 工具。它已经是企业技术栈的默认状态，不是例外。先看两个数字：在企业中，53% 的 SaaS 许可证无人使用或使用不足（某个月约 46% 完全无人使用），而 72% 的企业 AI 项目正在主动毁掉价值（Larridin，2026），不是创造价值。

公司不是软件投入不足。它们是在为永远没有真正启用的软件超额付款。

这是全球问题，并且随着 AI 预算膨胀正在恶化。本文的目的很简单：先给你可验证的数据，再给你一套今天就能跑的 30 分钟审计。Mindber 存在的理由也是同一个：在发票到来之前透明评估工具，而不是等续约后才后悔。浏览 Mindber directory 或 live rankings，看看这种评估在实践中长什么样。

什么算 AI shelfware？

AI shelfware 是任何付费后没有达到持续、可产生价值使用状态的 AI 或 SaaS 工具。它分三种失败模式：没人激活的许可证、有人使用但没有对应可衡量结果的工具，以及持续产生成本却没人交付成果的 AI 系统。基准线很残酷。Zylo 的 2026 SaaS Management Index 显示，53% 的 SaaS 许可证无人使用或使用不足（某个月约 46% 完全无人使用），而平均每家公司有 305 个应用。

那么到底是谁在买这些工具？不是 IT。Zylo 报告称，业务部门现在推动 81% 的 SaaS 支出，个人员工报销另外 4%，中央 IT 只管理 15%，并只拥有 13% 的应用。支出已经去中心化，落在最接近工作的那些人手里，也落在最远离续约数学的人手里。这就是 shelfware 生长的土壤。

为什么 AI 浪费比传统 SaaS 浪费更糟

AI 不只是重复 SaaS 浪费模式；它会放大浪费，因为即使输出毫无价值，成本表也在继续跑。闲置的 SaaS 席位是固定月费。失控的 AI agent 会在每次重试、每个臃肿 prompt、每次昂贵模型调用中烧 token，不管它的任何工作是否真正上线。Harness 发现，AI token 支出从未与结果连接起来，94% 的工程领导者表示，他们衡量 AI 时缺失了最关键的指标（Harness，2026）。

这种浪费会在传统 SaaS 没有的三层结构中复合。

看看试点到生产的断崖。S&P Global Market Intelligence 发现，42% 的公司在 2025 年放弃了多数 AI 项目，高于前一年的 17%，并且约 46% 的 AI 概念验证 在广泛采用前被废弃。Gartner 对下一波浪潮的判断更严厉：超过 40% 的 agentic AI 项目将在 2027 年底前被取消，原因是成本上升、业务价值不清和风险控制不足。该预测来自一项覆盖 3,400 多家已经投入相关技术组织的调研。完整 token 成本拆解见我们的 AI 总拥有成本报告 和 AI TCO calculator。

为什么会发生

Shelfware 不是纪律问题，而是结构问题，嵌在软件购买与采用方式里。四股力量推动它，其中只有一股真正关于工具本身。

去中心化采购。 当 81% 的 SaaS 支出发生在 IT 之外（Zylo，2026），就没人真正拥有整个组合。一个市场负责人、一个销售运营经理和一个数据团队可以在同一个季度分别购买功能重叠的工具，而且互相不知道。我们原本以为浪费会集中在 IT 购买的平台里。数据说明相反：多数浪费来自续约不可见的购买场景。

最后一公里采用税。 买工具是一个决定；让人使用它是一百个小决定。Happily.ai 引用 Josh Bersin 的研究称，文化与员工敬业度工具的平均采用率接近 25%，也就是四个授权席位中有三个从未被有意义地使用，并且约 75% 的这类工具会在 12 个月内变成 shelfware。这些数字特指 HR、文化与敬业度工具；外推到更广泛企业软件栈时必须谨慎，它们不是跨行业基准。

黑箱信任问题。 买家无法验证看不见的东西。供应商页面销售结果，却很少展示失败模式、真实 token 经济性或生产环境限制。这种不透明正是 agentic 项目在 demo 之后停滞的原因。修复方法是在购买前做独立、有来源的评估，这也是 Mindber Innovation Index methodology 的完整前提。

技能缺口。 工具需要操作员。IDC 预测，到 2026 年，包括 AI、云和数据在内的 IT 技能短缺将影响约 九成组织，造成接近 5.5 万亿美元 的延误、质量问题和收入损失。没人受过训练去运行的工具，只是多绕一步的 shelfware。

Shelfware 的真实成本

真实账单有三层，只有第一层会出现在发票上。直接许可证浪费是可见部分。机会成本和被扭曲的决策更大，而且会隐藏起来。

另外，Larridin 报告称，72% 的企业 AI 项目 正因浪费和治理薄弱而主动毁掉价值，并且少于五分之一的公司会把 AI 投资与可衡量收益对照追踪。这种浪费的美元规模是：Gartner 估计 2025 年全球 genAI 支出为 6440 亿美元（Larridin 引用的 Gartner 数字，称其为行业范围 genAI 支出；这是总 AI 支出的一个聚焦子集，不同于 $1.76T→$2.59T 的总额序列）。

第一层：直接许可证浪费。 这是死席位、重复工具、自动续约合同。Zylo 估计，平均企业中未使用许可证对应 约 1,980 万美元年度浪费，而且该数字会随员工规模增长。

第二层：机会成本。 花在 shelfware 上的钱，本可以用于真正有效的工具，或用于让现有工具真正粘住的培训。随着 2026 年全球 AI 总支出预计达到 2.59 万亿美元（Gartner，2026 年 5 月），买了什么与实际用上什么之间的差距，已经是多数财务团队没有追踪的最大可自由支配项目之一。

第三层：被扭曲的数据。 这是安静的杀手。当一个工具采用率很低，只有一小部分授权席位真正活跃时，它产出的每个 dashboard 都建立在局部图景之上。领导者随后用看起来完整、实际并不完整的数据做人员、预算和战略决策。可以叫它数据欺骗：决策很自信，输入是空的。

5 个信号的 shelfware 自查

你可以不用任何工具，在 30 分钟内找到多数 shelfware。拉出应用列表、SSO 登录日志和上季度续约清单，然后把每个工具放进下面的检查。任何触发两个或更多信号的工具，都是削减、重谈或重新导入的强候选。

激活阈值最重要。当席位使用率低于 40% 时，你通常是在为愿望付费，不是在为工作流付费。

如何购买 AI 工具而不制造 shelfware

Shelfware 的解法发生在采购时，而不是事后强制管理。它发生在合同签署前，不是在续约后的使用复盘里。先用证据审查工具。三个问题可以在工具上架前挡住大多数未来 shelfware。

这就是 Mindber 的位置。平台作为透明评估层存在：每个工具都会根据 Mindber Innovation Index（新颖性与技术差异化）和 Mindber Functionality Score（核心能力的广度与可靠性）评分，并展示来源，而不是只下断言。你可以从 AI agents category 建立 shortlist，在 Mindber directory 比较候选工具，并像我们在 Manus vs. Claude Cowork breakdown 中那样，在任何人签字前压力测试单个工具。按证据购买，shelfware 大多会停在门外。

来源置信度分层 — 本报告数字来自三个置信等级。

高置信度（一手、大样本）：Gartner、S&P Global、IDC、Zylo。发布方为原始出处；样本量大，方法论有记录。

中等置信度（供应商/咨询分析）：Harness、Mavvrik、Larridin。研究由发布方开展，但方法透明度较低或未披露样本量。

领域特定，谨慎使用：Happily.ai（仅 HR-tech）。结论反映文化与敬业度工具，外推到企业软件时要谨慎，不能当作跨行业基准。

分层是编辑判断，不是正式审计。每个引用来源都已在文中链接。

方法论

本报告每个数字都引用具名发布方，并已在 2026-06-05 验证。来源包括供应商页面、分析师报告和 SaaS 管理基准；发布方为原始出处时按一手来源处理，另有说明时按二手来源处理。我们选择改写而非引用原文，为每个数字附上来源和日期，并删除无法向具名来源确认的统计。最关键的主张，即超过 40% 的 agentic AI 项目将在 2027 年底前被取消，直接来自 Gartner 2025 年 6 月自己的新闻稿，不是二手报道。完整审计轨迹如下；这正是本文的重点。

关键结论

• 你的软件栈大概率有一半是暗的：53% 的 SaaS 许可证无人使用或使用不足（每月约 46% 完全无人使用），平均公司运行 305 个应用。
• AI 让问题变糟，不是变好 — 72% 的企业 AI 项目毁掉价值（Larridin），超过 40% 的 agentic 项目将在 2027 年前取消（Gartner）。
• 原因是结构性的：81% 的支出由 IT 外部购买，采用率平均约 25%，token 成本与结果脱钩。
• 解法在采购端。先跑 5 信号审计，再基于独立证据购买，而不是供应商文案。先看 Mindber directory 和 LLM rankings。

常见问题

继续阅读

Manus vs Claude Cowork（2026）：云端 vs 桌面 Agent

在投入预算前，如何用证据压力测试两个 AI agent。

2026 年 AI 工具的真实成本

完整来源支持的 TCO 拆解：LLM API 定价、7 个隐藏成本，以及签约前如何建模真实账单。

Claude Opus 4.8：真实成本数学（2026）

当你把真实世界用量算进去，重度 AI 使用到底要花多少钱。