"AI for Good"一词常被 ITU 峰会等场合泛指 AI 的社会价值，本篇聚焦更具体的问题：一线非营利组织用大模型做了什么、值不值。数据面的事实是：企业界 AI 采用率从 2023 年的 55% 升至 2025 年的近 80%（CEP 报告引用），非营利板块紧随其后——TechSoup 2025 年对 1000 多家非营利的基准调查与 Virtuous 2026 年报告均指向"绝大多数组织已接触 AI 工具"。但各家调查对"深度使用"的估计差异很大（46%–92% 不等），口径不同；共识是轻度个人使用普遍、组织级深度整合稀缺。这个落差正是机会所在：从"员工偷偷用 ChatGPT"到"流程内嵌 AI"，中间缺的不是模型，是数据治理和流程重构。
| 场景 | 典型用法 | 成熟度 | 见效关键 |
|---|---|---|---|
| 内容与文案 | 筹款信、社媒帖、年报初稿、捐赠人感谢信 | 高（普遍） | 保留人工润色与事实核查 |
| 资助申请与报告 | 按资助方模板拆解项目数据、生成进展报告 | 高 | 统一项目数据口径 |
| 多语言服务 | 移民/难民服务的实时翻译与多语种材料 | 高（刚需场景） | 低资源语言人工复核 |
| 知识库问答 | 面向受益人/志愿者的政策、流程问答机器人 | 中高 | 知识源更新机制 |
| 数据洞察 | 捐赠人分层、流失预警、项目评估摘要 | 中（潜力大） | CRM 数据质量 |
| 服务直达受益人 | 心理支持陪伴、无障碍（字幕/口述影像/手语） | 中低（伦理敏感） | 人工兜底与危机转介 |
| 影像识别 | 野生动物监测、灾害卫星/无人机图像判读 | 中（专项强） | 标注数据与领域微调 |
一个务实的判断：前四类是"省时间"型应用，回报可测算（如文案产出时间减半），适合作为组织引入 AI 的第一步；后三类是"创造新能力"型应用，天花板高但依赖数据资产与领域知识，失败案例多源于高估了数据准备度。
供给侧在 2024–2025 年快速成型。OpenAI 的非营利计划提供 ChatGPT Team 约 8 折、大规模部署 Enterprise 最高 75% 折扣（经 Goodstack 验证资质）；Google.org 除 7500 万美元 AI 技能基金外，其生成式 AI 加速器 2025 届获资方共享 3000 万美元并获六个月技术支持；微软、Salesforce、TechSoup 等亦有产品捐赠与培训体系。这意味着中小组织"用上 AI"的成本已接近于零，竞争差异转移到用法与数据。
入选组织横跨教育、健康、危机服务等领域，共享 3000 万美元资助与谷歌工程师六个月的支持，方向包括面向一线服务者的对话式工具、多语言信息触达等。与一次性黑客松不同，该加速器把"组织流程改造 + 技术导师"绑在一起交付——这正是 92% 采用率与 7% 见效率之间缺口的主流解法：AI 项目死于流程，而非模型。
综合 Code for America 分会与技术公益社区的公开复盘，AI 类志愿项目的存活规律清晰：凡是把 LLM 嵌入"已有明确 SOP 的重复环节"（翻译固定材料、按模板写月报、整理志愿者FAQ）的项目几乎全部交付；而试图用 AI 直接服务脆弱人群（自动心理咨询、自动审批救助申请）的项目大多收缩为"AI 辅助 + 人工决策"。经验值：先用 AI 替代组织内部劳动，再谈服务外部人群。
中国的结构性差异在于：大模型能力主要由互联网平台以"公益开放"方式供给，而非组织自行采购。可观察到的公开实践包括：腾讯 SSV 在数字文化、应急、乡村等方向开放技术与平台能力；2025 年久久公益节以"小红花码""身边好事地图"等数字化产品连接 1.48 亿人参与（约 5.3 亿件好事），其本质是平台用产品能力做公益动员。组织侧，头部基金会在智能客服、捐赠票据自动化、项目审核辅助上的探索增多，但中小组织普遍停留在"员工个人使用通用大模型"阶段——与全球"高采用、低见效"的曲线一致，且数据基础更弱（大量中小机构连结构化 CRM 都没有）。对本系列读者，这意味着一个明确的中介机会：做"大模型能力"与"县域/中小组织"之间的集成层（详见第 5 节）。
风险清单按优先级：受益人数据保护——把受助者信息输入第三方大模型可能违反《个人信息保护法》及 GDPR，需脱敏或本地化部署；算法歧视——用 AI 做资助审批、服务分级时可能复制历史偏见，保留人工终审是行业共识； Mission drift（使命漂移）——为追 AI 热点偏离核心服务，评估标准应是"省下的时间是否转化为服务量"；供应商锁定——企业资助计划政策可变，核心数据与流程文档保持可迁移。中国的额外红线：涉及募捐的对外传播受《慈善法》及网信规定约束，AI 生成内容用于公开募捐物料时责任主体仍是组织本身。