麦肯锡《The State of AI in 2025》报告核心要点

几乎所有受访企业都表示其已在业务中应用人工智能，不少企业已开始使用AI智能体。但大多数企业仍处于规模化应用AI及创造企业级价值的早期阶段。

关键发现：

1. 大多数企业仍处于试验或试点阶段：近三分之二的受访者表示，其所在机构尚未开始在全企业范围内推广人工智能。

2. 对AI智能体展现高度关注：62%的受访者表示其所在机构至少已开始尝试应用AI智能体。

3. 人工智能影响呈现积极先导指标：受访者反馈在具体应用场景中实现了成本优化和收益提升，64%的受访者认为人工智能正助力企业创新。但仅39%的受访者表示在企业层面实现了息税前利润增长。

4. 高绩效企业通过AI驱动增长、创新与降本：虽然80%的受访企业将效率提升设为AI应用目标，但那些从AI中获得最大价值的企业往往同时将业务增长或创新列为附加目标。

5. 工作流程重构是关键成功要素：半数AI高绩效企业计划通过人工智能推动业务转型，且大多数正在进行工作流程的重新设计。

6. 对就业影响存在分歧：受访者对未来一年人工智能如何影响企业整体员工规模的预期呈现分化——32%预计裁员，43%认为维持现状，13%预期扩编。

人工智能应用持续扩展，但多数仍处于试点阶段

我们最新调研显示，受访企业中使用人工智能的比例进一步上升，但大多数尚未实现规模化应用。定期在至少一项业务职能中使用AI的受访企业占比从去年的78%升至当前的88%。然而在企业层面，大多数组织仍处于试验或试点阶段（图表1），仅约三分之一的企业表示已开始推进AI项目的规模化应用。

许多企业已开始尝试应用AI智能体

各组织正开始探索AI智能体的应用潜力——这类基于基础模型的系统能够在现实世界中运作，并对工作流程进行多步骤规划与执行。23%的受访者表示其企业已在某些业务领域规模化应用智能体式AI系统（即在至少一项业务职能中扩大该技术的部署与应用），另有39%表示已开始尝试AI智能体。但智能体技术的应用尚未普及：多数规模化应用者表示仅在一到两个职能领域推行。在任意单项业务职能中，表示正在规模化应用AI智能体的受访企业比例均未超过10%（图表2）。

从具体业务职能来看，AI智能体的应用在IT与知识管理领域最为普遍。在这两个领域，诸如IT服务台管理和知识管理深度研究等智能体应用场景已快速发展。按行业划分，AI智能体的应用在科技、媒体、电信以及医疗健康领域最为广泛（图表3）。

对大多数企业而言，人工智能应用仍处于试点阶段

人工智能在企业内部的应用范围正逐步扩展。受访者普遍反映，其所在机构使用AI的业务职能数量持续增加（图表4）。目前超过三分之二的受访者表示所在企业已在超过一项业务职能中使用AI，半数受访者称已在三项及以上职能中应用AI（行业细分数据详见侧栏“各行业AI应用率普遍攀升”）。

然而，许多公司——尤其是规模较小的企业——尚未将人工智能深度整合到其工作流程中。尽管仅有三分之一受访者表示正在全企业范围内推进AI项目的规模化应用，但无论是从营收规模还是员工数量来看，大型企业更有可能进入规模化阶段。在营收超50亿美元的企业中，近半数受访者表示已进入AI规模化应用阶段，而营收低于1亿美元的企业中这一比例仅为29%（图表5）。

人工智能作为创新催化剂

调查数据显示，对大多数企业而言，人工智能的应用尚未对全企业范围的息税前利润产生显著影响。39%的受访者将一定程度的EBIT增长归因于AI应用，其中多数表示其企业EBIT增长中仅有不足5%可归因于AI。不过，受访者观察到了其他全企业范围的质性成果：超半数表示AI应用提升了企业创新能力，近半数报告了客户满意度与竞争差异化的改善（图表6）。

尽管全企业范围的EBIT影响案例有限，但许多受访者表示他们已在具体AI应用场景中看到成本效益——尤其是在软件工程、制造和IT领域（图表7）。

据报告，由人工智能应用带来的营收增长最常见于市场营销与销售、战略与公司财务以及产品和服务开发等领域的应用场景，这一发现与我们连续多年开展此项调查所观察到的趋势一致（图表8）。

制定宏大人工智能战略的企业获益最为显著

尽管调查结果显示，人工智能的应用仍较少为企业带来显著的全域利润提升，但宏大愿景终见回报。在将企业5%及以上息税前利润增长归因于AI应用，并认为AI已带来"显著"价值（即被我们定义为"AI高绩效企业"，约占受访样本6%）的群体中，受访者普遍反馈其正通过AI推动颠覆性创新、重构工作流程、加快规模化部署、践行转型最佳实践并加大资源投入。

高绩效企业怀有变革业务的雄心壮志：AI高绩效企业提出"利用AI实现业务根本性变革"目标的可能性是其他企业的三倍以上（图表9）。

（注：此处遵循了专业报告的中文表述习惯，采用"全域利润"对应"enterprise-wide bottom-line impact"，以"颠覆性创新"翻译"transformative innovation"，并通过"根本性变革"准确传达"transformative change"的战略层级。图表标注方式也与前文格式保持一致。）

从人工智能中获益最大的企业，往往对其设定超越降本的目标。尽管多数受访者表示提升效率是其应用AI的目标，但高绩效企业更倾向于将业务增长和/或创新同时列为AI应用的目标（图表10）。

那些表示正通过人工智能推动业务增长和/或创新的受访企业（无论是否属于高绩效企业），更倾向于反馈其AI应用已实现一系列质性企业级收益——例如客户满意度提升、竞争差异化增强、盈利能力改善、收入增长及市场份额变化。

除设定宏大的企业级目标外，高绩效企业反馈其已对单个工作流程进行根本性重构的可能性，更是其他企业的近三倍（图表11）。事实上，在所有测试因素中，这种对工作流程的主动重构对实现实质性业务影响的作用最为显著。

人工智能高绩效企业在更多业务职能中常态化应用AI技术的表现也优于同行。例如，这些受访企业反馈在市场营销与销售、战略与公司财务、以及产品和服务开发等领域应用AI的比例显著超出其他企业。此外，在AI智能体的应用进展上，高绩效企业也更为领先。在大多数业务职能中，高绩效企业规模化应用智能体的比例至少是其他企业的三倍（图表12）。

调查结果还显示，人工智能高绩效企业的AI应用更常获得高层的鼎力支持。这些企业受访者强烈认同"机构高层领导对其AI计划展现担当与投入"的比例是其他企业的三倍（图表13）。他们表示高层领导积极推动AI落地（包括率先垂范使用AI）的比例也远高于其他企业。

除获得高层领导的主导与承诺外，人工智能高绩效企业还更倾向于采用一系列实践来释放AI应用价值。例如，这些企业更可能已建立明确流程，用以判定模型输出需在何时以何种方式接受人工验证以确保准确性（图表14）。这也是我们测试的各类要素中，最能区分高绩效企业的关键因素之一。

我们测试的完整管理实践体系与麦肯锡更广泛的"业务重塑"研究（基于200余个规模化人工智能转型案例）相契合。这些实践涵盖创造AI价值的六大核心维度：战略、人才、运营模式、技术、数据以及应用推广与规模化。所有测试的管理实践均与AI创造的价值呈正相关，它们共同助力企业实现规模化创新并收获AI价值。

构建敏捷的产品交付组织（或具有明确交付流程的全企业级敏捷组织），同样与实现AI价值高度相关。建立完善的人才战略、实施技术与数据基础设施也对AI成功具有显著贡献，而将AI嵌入业务流程、为AI解决方案设定KPI指标等实践，则进一步助推了重大价值的实现。

此外，高绩效组织正加大对AI能力的投入。超过三分之一的高绩效企业表示，其将超过20%的数字化预算投入AI技术（图表15）。这些资源助力它们在业务中规模化应用AI技术：约四分之三的高绩效企业表示正在或已完成AI规模化部署，而其他企业中的这一比例仅为三分之一。

关于AI对劳动力规模影响的预期存在分歧

随着AI应用的不断扩展，受访者对未来一年AI如何影响其员工规模的看法呈现分化。从已应用AI的业务职能来看，多数受访者反馈过去一年其员工数量因AI应用基本未发生变化。在大多数职能领域，反馈员工数量因AI减少3%及以上的受访者比例不足20%，而表示AI应用导致职能岗位增加的受访者比例更低。

然而，更多受访者预期这些职能的员工数量将在未来一年发生变化（图表16）。跨职能数据显示，反馈过去一年因AI应用导致职能劳动力规模缩减的受访者中位数为17%，但预期未来一年出现缩减的比例中位数达到30%。

受访者对AI将如何影响其全企业范围总劳动力规模的预期存在差异。虽然多数受访者预计未来一年其所在企业的员工总数所受影响甚微或不受影响，但32%的受访者预测总体将缩减3%及以上，13%的受访者预测将实现同等幅度的增长（图表17）。相较于小型企业的受访者，大型企业的受访者更可能预期全企业范围会出现与AI相关的劳动力规模缩减，而AI高绩效企业比其他企业更可能预期将发生显著变化——无论是表现为裁员还是扩编。

受访者对AI将如何影响企业整体员工规模的预期存在分歧。虽然多数受访者预计未来一年其所在企业的员工总数不会发生明显变化，但32%的受访者预测整体员工数量将减少3%及以上，另有13%的受访者预测将实现同等幅度的增长（图表17）。与小型企业的受访者相比，大型企业的受访者更倾向于预期全公司范围内会出现与AI相关的员工规模缩减；而AI高绩效企业比其他企业更可能预期到员工数量的显著变化——无论是裁员还是扩编。

与此同时，大多数受访者（其中大型企业的受访者比例更高）指出，其所在企业在过去一年曾为AI相关岗位进行招聘（图表18）。尽管不同规模企业的具体人才需求存在差异，但软件工程师和数据工程师仍然是需求量最大的岗位。

随着挑战逐渐显现，AI风险缓解措施正日益普及

过去六年的持续研究发现，大多数受访企业并未缓解AI应用相关的风险。最新数据显示，相较于2022年针对整体AI风险的调研（2023年和2024年我们专门询问了生成式AI相关风险），在个人隐私、算法可解释性、企业声誉和合规性等风险领域采取缓解措施的受访企业比例有所上升。2022年受访企业平均仅针对2项AI相关风险采取管理措施，而如今已增至4项。

研究还表明，企业正在经历并着力缓解的风险之间存在显著关联：受访企业更倾向于对已造成实际影响的风险采取缓解措施。总体来看，在使用AI的受访企业中，51%表示其曾遭遇至少一次负面后果，近三分之一受访企业报告了因AI准确性不足引发的风险（图表19）。准确性不足是多数企业正在着力缓解的两大风险之一，然而排名第二的常见风险——可解释性——却未进入最常被缓解的风险清单。

来自AI高绩效企业的受访者（其报告部署的AI应用场景数量为其他企业的两倍）反馈遭遇负面后果的比例更高——尤其集中在知识产权侵权与合规监管领域。这些高绩效企业也致力于防范更多类型的风险。

麦肯锡官网原文件查看地址：https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai#

来源：Hdigital