2025年，距离生成式AI开启新一轮技术浪潮已过去三年。麦肯锡最新发布的《The state of AI in 2025: Agents, innovation, and transformation》报告为我们揭开了当前AI在企业中的真实落地图景：一方面是AI普及率突破88%的繁荣表象；另一方面是大多数组织尚未将其充分融入工作流程和业务环节、未能实现重大企业级效益的现实困境。
一、AI应用的“冰火两重天”
1. 普及率再创新高，行业与职能渗透不均
报告显示，2025年已有88%的组织在至少一个业务职能中常规使用AI，较2024年的78%显著提升，且超七成（72%）组织将AI应用于两个及以上职能，半数（50%）覆盖三个及以上职能——这一数据较2021年实现跨越式增长，标志着AI已从可选工具成为基础配置。
从业务职能来看，AI应用最广泛的领域包括知识管理、市场营销与销售、IT、服务运营以及产品与服务开发。特别是在技术、媒体与电信、保险等行业，AI的使用率已超过90%。然而，尽管AI在多职能中的使用率上升，许多企业（尤其是中小型企业）尚未将AI深度整合到其核心业务流程中。
2. 规模化瓶颈凸显：仅1/3组织突破试点，大企业成主力军
与高普及率形成鲜明对比的是，AI的规模化落地进展缓慢。近三分之二（63%）的组织仍停留在实验或试点阶段，仅31%的组织开始在企业内规模化AI，而实现全组织深度集成的比例不足5%。
这一差距在不同规模企业中尤为明显。年收入超50亿美元的大型企业，有49%已进入规模化阶段；而年收入低于1亿美元的小型企业，这一比例仅为29%。背后原因在于，大型企业更有能力承担AI基础设施建设、人才储备等长期投入，而小企业往往受限于资源，难以突破试点成功、推广失败的循环。
二、AI智能体（Agentic AI）是2025年最受关注的技术方向
作为基于基础模型、可自主规划并执行多步骤工作流的新一代AI系统，AI智能体成为2025年企业探索的重点。调查显示，23%的受访者表示其所在企业已在至少一个业务职能中规模化使用AI智能体，另有39%的企业正在实验中。然而，智能体的应用尚未普及，即使在规模化使用智能体的企业中，大多数也仅在一两个职能中部署。
从职能分布来看，IT和知识管理是智能体应用最为广泛的领域。例如，IT部门的服务台管理和知识管理中的深度研究是典型的智能体用例。从行业角度看，技术、媒体与电信、医疗健康等行业在智能体应用方面处于领先地位。
麦肯锡高级研究员Michael Chui指出：“尽管近四分之一的受访者表示其企业已开始规模化使用AI智能体，但在整个企业层面，其应用仍不广泛。这反映出‘炒作周期’中的巨大潜力与现实落地之间的差距。”
三、AI的“非财务价值”
尽管规模化不足，AI在非财务价值上的贡献已得到广泛认可。报告显示，64%的受访者认为AI提升了组织创新能力，具体表现为加速产品研发周期（如通过AI生成设计方案）、优化营销创意（如AI辅助内容生成）等；此外，45%的受访者表示AI改善了员工满意度（减少重复劳动）和客户满意度（如智能客服响应提速）。这些定性价值虽不直接体现为利润，但为企业构建长期竞争力奠定了基础。
从具体业务职能来看：
- 成本效益最显著的领域包括软件工程、制造业和IT。例如，56%的受访者表示在软件工程中实现了成本下降。
- 收入增长最明显的领域是市场营销与销售、战略与公司财务、产品与服务开发。其中，67%的受访者在市场营销与销售中报告了收入提升。
这些数据表明，AI正在从效率工具向增长引擎转变。
但遗憾的是，这些收益多集中在职能端，尚未形成企业级突破。仅39%的组织表示AI对企业EBIT（息税前利润）有影响，且其中超80%的组织，AI贡献的EBIT占比不足5%。这意味着，AI的价值仍处于“碎片化”阶段，未能贯穿企业整体业务链条。
四、高绩效企业的AI战略与实践
报告中最引人关注的，是那6%的AI高绩效组织，也就是为“AI贡献EBIT超5%且认为AI带来显著价值”的组织。这些组织的实践，为其他企业提供了从工具应用到价值重构的范本。
普通组织的AI目标多集中于效率优化（80%的组织将降本、自动化列为核心目标），而高绩效组织则设定了更宏大的转型目标：84%追求效率优化，82%聚焦增长（如增收、新市场开拓），79%发力创新（如新模式、新业务）。
报告指出，工作流程的彻底重构是高绩效组织的核心特征。55%的高绩效组织会基于AI重构核心业务流程，这一比例是普通组织（20%）的2.8倍。
与之相反，普通组织常陷入工具叠加的误区，在原有流程中插入AI工具，却未解决流程本身的低效问题，导致AI价值难以释放。正如McKinsey合伙人Tara Balakrishnan所言：“高绩效组织的AI议程，是用技术重新想象业务，而非在旧流程上贴‘AI标签’”。
在资源投入上，高绩效组织的AI预算占比显著更高。35%的高绩效组织将数字预算的20%以上投入AI，是普通组织（7%）的4.9倍。这些投入不仅用于技术采购，更用于人才储备（如招聘数据工程师、AI产品经理）和能力建设（如员工AI培训）。
在治理上，39%的高绩效组织高层“强烈认可”对AI的所有权与承诺，是普通组织（13%）的3倍。高层的参与不仅能协调跨部门资源，还能推动AI文化落地。
五、AI对劳动力的影响
关于AI对员工数量的影响，受访者观点各不相同：
- 32%的受访者预计其企业总员工数将因AI而减少；
- 43%的人预计不会有明显变化；
- 13%的人预计员工数将增加。
其中，大型企业更倾向预计减少（因自动化空间大），小型企业则多认为无变化（资源有限，AI应用范围窄）。下图展示了在特定业务职能中，过去一年因人工智能导致的员工数量变化。
但报告也指出，AI对员工数量的影响并非单向减少，部分组织因拓展新业务（如AI相关服务），反而增加员工。大多数企业仍在积极招聘AI相关人才，尤其是软件工程师、数据工程师、机器学习工程师等。大型企业更倾向于招聘AI数据科学家、AI产品经理等高级别角色。
更重要的是，AI正在推动现有岗位的技能重构。例如，传统客服需要掌握AI工具的使用（如通过AI快速查询客户信息），传统财务需要具备AI数据分析能力（如用AI识别财务风险）。正如McKinsey全球研究院 director Lareina Yee所言：“未来的工作，是‘人机协作’的工作，员工需要的不是‘对抗AI’，而是‘与AI协同’的能力”。
六、AI风险的识别与应对
随着AI应用的深入，企业也开始面临更多风险。调查显示，51%的受访者表示其所在组织在过去一年中至少经历了一次AI相关的负面事件。最常见的风险包括：
- 不准确性（30%）
- 可解释性不足（14%）
- 个人隐私问题（11%）
- 网络安全（10%）
值得注意的是，高绩效企业由于部署了更多AI用例，更可能面临风险，尤其是在知识产权侵权和合规方面。
七、结语
尽管AI的使用已变得普遍，但其真正的潜力仍有待挖掘。88%的普及率是“起点”，而非“终点”。对于企业而言，真正的挑战不在于是否应用AI，而在于能否摆脱工具思维，用AI重新定义业务、重构流程。这才是AI从技术变量转化为增长增量的关键。
来源：究模智
本站文章收集整理于网络，原文出处： ，本站仅提供信息存储空间服务。如若转载，请注明出处。
