麦肯锡2025年人工智能现状：智能体、创新与转型（译文+总结）-2025.11
– 机构：昆泰博克（QuantumBlack）- 麦肯锡人工智能部门
– 报告名称：2025年人工智能现状：智能体、创新与转型
– 发布时间：2025年11月
– 报告基于2025年6-7月开展的全球调查，样本涵盖105国1993名受访者，覆盖多行业、多规模组织；数据经全球GDP加权处理，样本具有较强代表性，研究团队由麦肯锡各办公室资深合伙人及研究员组成。
– 核心发现：
1. 大多数组织仍处于试验或试点阶段：近三分之二的受访者表示其组织尚未开始在企业范围内推广人工智能。
2. 对人工智能智能体的高度关注：62%的受访者表示其组织至少正在试验人工智能智能体。
3. 人工智能影响的积极领先指标：受访者报告了具体用例层面的成本和收入效益，64%的人表示人工智能正在推动其创新，但仅39%的人报告了企业层面的息税前利润（EBIT）影响。
4. 高绩效企业利用人工智能推动增长、创新和成本优化：80%的受访者表示其公司将效率作为人工智能举措的目标，但从人工智能中获得最大价值的公司通常还会将增长或创新列为额外目标。
5. 重新设计工作流程是关键成功因素：一半的人工智能高绩效企业打算利用人工智能实现业务转型，且大多数正在重新设计工作流程。
6. 对就业影响的看法不一：受访者对未来一年人工智能对其组织整体员工规模的影响预期存在差异，32%预计减少，43%预计无变化，13%预计增加。
比较有启发的观点：
- 拥有宏大AI议程的组织收获最多效益：AI高绩效企业（约占受访者6%）的核心特征的是：以变革性创新为目标，同时将增长、创新与效率列为AI核心目标；重视工作流程重构和跨职能AI应用，AI智能体推广力度远超同行；具备高层领导深度支持、人工验证机制、敏捷交付等配套管理实践；AI预算投入更大（超三分之一将20%以上数字预算用于AI），规模化应用比例达75%。
- 高绩效企业的AI成功源于超越成本导向的变革性愿景，这种愿景能凝聚组织资源、推动配套改革；将AI与增长、创新绑定，不仅能提升AI应用成效，还能降低内部变革阻力，助力AI规模化推广和长期价值实现。
- 领先企业的AI价值实现依赖人机协作等关键实践：人类判断和专业知识的结合，创造了真正的“混合智能”优势和实际价值捕获。AI需与人类专业知识结合才能发挥最大效用；其管理实践全面覆盖战略、人才等六大核心维度，这是AI投资兑现显著价值的核心逻辑。人工智能领导者还采用了其他一系列指向同一方向的实践，包括将人工智能解决方案完全嵌入业务工作流程，以及让高层领导积极参与推动规模化应用。
- AI应用规模化滞后于应用范围扩张：企业普遍缺乏用例产品化、工作流程重构等关键配套措施；大型企业凭借资源优势在AI推进上更具优势，且仅靠效率提升难以实现AI的真正价值，创新才是关键。
- 应用：IT和知识管理是主要应用职能，媒体电信及医疗保健行业是应用最广泛的领域。
- 人工智能作为创新催化剂：AI对企业整体EBIT的影响有限，仅39%的组织报告有相关贡献且占比普遍较低，但AI在创新、客户满意度等定性指标上成效显著；成本效益集中在软件工程、制造等领域，收入增长则主要来自营销销售、产品开发等职能。
- 众多组织已开始试验人工智能智能体：AI智能体（基于基础模型、可执行多步骤工作流程的系统）成为应用热点，62%的组织已开展试验或推广，但应用范围有限，多集中在1-2个职能；
- AI应用范围持续扩大但仍以试点阶段为主：2025年组织AI应用渗透率提升至88%，较去年增长10个百分点，但企业级规模化应用进展缓慢，仅约三分之一组织启动AI项目推广，多数仍停留在试验或试点阶段。
- 多数组织的AI应用仍处于试点阶段：小型公司AI深度整合不足；企业规模与AI规模化推进高度相关，大型企业（收入超50亿美元）的AI推广比例近乎小型企业（收入低于1亿美元）的两倍。
===============正文部分包括原文译文+章节总结============
封面及核心发现（总结）
报告由麦肯锡旗下昆泰博克人工智能部门发布，核心呈现2025年AI应用的六大关键现状：多数组织仍停留在AI试验/试点阶段，AI智能体受广泛关注，AI在创新层面成效显著但企业级财务影响有限，高绩效企业侧重AI的增长与创新价值，工作流程重构是AI成功关键，且行业对AI的就业影响预期分歧较大。
引言（译文）
自生成式人工智能工具问世开启人工智能新时代以来已有三年，近九成受访者表示其组织正在定期使用人工智能，但进展速度参差不齐。虽然人工智能工具如今已普及，但大多数组织尚未将其充分融入工作流程和业务流程，以实现实质性的企业级效益。麦肯锡最新全球人工智能现状调查显示，当前格局的特点是应用范围不断扩大（包括智能体人工智能的日益普及），同时也面临着顽固的发展痛点，大多数组织仍在推进从试点到规模化影响的转型过程。
引言（总结）
2025年AI应用已实现广泛普及，但多数组织未完成AI与业务流程的深度融合，尚未达成企业级价值兑现，整体处于从试点向规模化应用转型的关键阶段，兼具应用扩展与发展挑战。
AI应用范围持续扩大但仍以试点阶段为主（译文）
最新调查显示，报告其组织使用人工智能的受访者比例有所上升，但大多数仍未实现技术规模化。表示其组织至少在一个业务职能中使用人工智能的受访者比例较去年的研究有所增加：88%的受访者报告在至少一个业务职能中定期使用人工智能，而一年前这一比例为78%。但在企业层面，大多数仍处于试验或试点阶段（见图1），约三分之一的受访者表示其公司已开始推广人工智能项目。
AI应用范围持续扩大但仍以试点阶段为主（总结）
2025年组织AI应用渗透率提升至88%，较去年增长10个百分点，但企业级规模化应用进展缓慢，仅约三分之一组织启动AI项目推广，多数仍停留在试验或试点阶段。
众多组织已开始试验人工智能智能体（译文）
组织也开始探索人工智能智能体的应用机会——这类系统基于基础模型，能够在现实世界中运作，规划并执行工作流程中的多个步骤。23%的受访者表示其组织正在企业内的某个领域推广智能体人工智能系统（即在至少一个业务职能中扩大该技术的部署和应用），另有39%的人表示已开始试验人工智能智能体。但智能体的应用尚未普及：大多数正在推广智能体的组织表示仅在一两个职能中应用。在任何特定业务职能中，不超过10%的受访者表示其组织正在推广人工智能智能体（见图2）。
从各业务职能来看，人工智能智能体的应用在信息技术（IT）和知识管理领域最为常见，IT中的服务台管理、知识管理中的深度研究等智能体应用场景已快速发展。按行业划分，技术、媒体和电信行业以及医疗保健行业报告的人工智能智能体应用最为广泛（见图3）。
众多组织已开始试验人工智能智能体（总结）
AI智能体（基于基础模型、可执行多步骤工作流程的系统）成为应用热点，62%的组织已开展试验或推广，但应用范围有限，多集中在1-2个职能；IT和知识管理是主要应用职能，技术、媒体电信及医疗保健行业是应用最广泛的领域。
麦肯锡评论（迈克尔·崔）（译文）
人工智能智能体一直是备受热议和追捧的话题。目前，约四分之一的调查受访者表示他们已开始推广至少一个智能体人工智能系统，但通常仅在一两个业务职能中进行。从整个企业格局来看，智能体的应用尚未普及。这一差距凸显了“炒作周期”中展现的巨大潜力与当前实际情况之间的反差：对于受访者称已在特定业务职能中开始使用智能体的公司，大多数仍处于探索阶段。正如我们最近在另一篇关于构建智能体人工智能工具一年来所获经验的文章中所记录的：要做好智能体应用，需要付出艰苦的努力。
麦肯锡评论（迈克尔·崔）（总结）
AI智能体虽热度高，但企业级普及尚不成熟，多数应用仍处于探索阶段，成功实现智能体应用需要大量投入和精细化推进。
多数组织的AI应用仍处于试点阶段（译文）
人工智能的应用在组织内部持续扩大。受访者越来越多地报告其组织在更多业务职能中使用人工智能（见图4）。现在，超过三分之二的受访者表示其组织在多个职能中使用人工智能，一半的受访者表示在三个或更多职能中使用人工智能（各行业细分情况见侧边栏“几乎所有行业的AI应用报告均呈上升趋势”）。
然而，许多公司——尤其是小型公司——尚未在所有工作流程中深度整合人工智能。虽然仅有三分之一的受访者表示正在组织范围内推广人工智能项目，但规模较大的公司（无论是收入还是员工人数方面）更有可能进入推广阶段。收入超过50亿美元的公司中，近一半的受访者表示已进入推广阶段，而收入低于1亿美元的公司中这一比例为29%（见图5）。
多数组织的AI应用仍处于试点阶段（总结）
AI在组织内的跨职能应用持续增多，超半数组织已在三个及以上职能中使用AI，但小型公司AI深度整合不足；企业规模与AI规模化推进高度相关，大型企业（收入超50亿美元）的AI推广比例近乎小型企业（收入低于1亿美元）的两倍。
人工智能作为创新催化剂（译文）
调查结果表明，对于大多数组织而言，人工智能的应用尚未对企业层面的息税前利润（EBIT）产生显著影响。39%的受访者将一定程度的息税前利润影响归因于人工智能，其中大多数人表示其组织息税前利润中归因于人工智能应用的比例不足5%。然而，受访者看到了其他企业层面的定性成果：大多数人表示其组织的人工智能应用改善了创新能力，近一半的人报告客户满意度和竞争差异化有所提升（见图6）。
虽然报告的企业层面息税前利润影响案例有限，但许多受访者表示他们从单个人工智能用例中看到了成本效益——尤其是在软件工程、制造业和信息技术（IT）领域（见图7）。
人工智能应用带来的收入增长最常见于营销和销售、战略和企业融资以及产品和服务开发领域的用例，这与我们多年来开展调查所观察到的情况一致（见图8）。
人工智能作为创新催化剂（总结）
AI对企业整体EBIT的影响有限，仅39%的组织报告有相关贡献且占比普遍较低，但AI在创新、客户满意度等定性指标上成效显著；成本效益集中在软件工程、制造等领域，收入增长则主要来自营销销售、产品开发等职能。
麦肯锡评论（亚历克斯·辛格拉）（译文）
去年，我们指出生成式人工智能不再是新鲜事物，随着企业重新调整架构以实现价值，企业采用率正在扩大。今年的数据证实了这一趋势——人工智能的应用范围正在扩大，但规模化程度仍滞后。我们发现，虽然企业可能已推出人工智能工具，但大多数尚未将用例产品化、围绕人工智能和智能体能力重新设计工作流程，或搭建大规模运行所需的平台/保障机制。在与组织合作的过程中，我们发现规模最大的企业有能力投入资源发展人工智能，从而推进速度更快。报告息税前利润受人工智能影响的公司，其推广进程往往更为深入。所有企业领导者都在寻求提高公司效率，但只有当领导者能够利用技术进行创新时，才能取得真正的成果。
麦肯锡评论（亚历克斯·辛格拉）（总结）
AI应用规模化滞后于应用范围扩张，企业普遍缺乏用例产品化、工作流程重构等关键配套措施；大型企业凭借资源优势在AI推进上更具优势，且仅靠效率提升难以实现AI的真正价值，创新才是关键。
拥有宏大AI议程的组织收获最多效益（译文）
人工智能应用带来的实质性企业层面底线影响仍然罕见，但我们的调查结果表明，目标远大可能会有回报。将5%及以上息税前利润影响归因于人工智能应用，并表示其组织从人工智能应用中获得“显著”价值的受访者——我们定义的人工智能高绩效企业，约占受访者的6%——报告称，他们通过人工智能推动变革性创新、重新设计工作流程、加快推广速度、实施转型最佳实践并加大投资。
高绩效企业拥有变革业务的宏伟抱负：人工智能高绩效企业表示其组织打算利用人工智能为业务带来变革性变革的可能性是其他企业的三倍多（见图9）。
从人工智能中获得最大影响的组织，其目标往往不仅仅是通过这些技术降低成本。虽然大多数受访者表示效率提升是其组织人工智能应用的目标，但高绩效企业比其他企业更有可能表示其组织还将增长和/或创新列为人工智能工作的目标（见图10）。
无论是否属于高绩效企业，那些表示其组织利用人工智能推动增长和/或创新的受访者，比其他受访者更有可能报告其人工智能应用取得了一系列企业层面的定性效益——例如客户满意度提高、竞争差异化、盈利能力提升、收入增长和市场份额变化。
此外，除了企业层面的高远目标外，高绩效企业表示其组织从根本上重新设计了单个工作流程的可能性也是其他企业的近三倍（见图11）。事实上，在所有测试的因素中，这种有意识的工作流程重新设计对实现有意义的业务影响的贡献最大。
人工智能高绩效企业在更多业务职能中定期使用人工智能的比例也高于同行。例如，这些受访者比其他受访者更有可能报告在营销和销售、战略和企业融资以及产品和服务开发中使用人工智能。此外，高绩效企业在人工智能智能体应用方面比其他企业更为先进。在大多数业务职能中，人工智能高绩效企业报告其正在推广智能体应用的比例至少是同行的三倍（见图12）。
调查结果还显示，人工智能高绩效企业的人工智能应用更常得到领导层的支持。高绩效企业的受访者强烈认同其组织高层领导对人工智能举措表现出所有权和承诺的比例是同行的三倍（见图13）。这些受访者也比其他受访者更有可能表示高层领导积极参与推动人工智能应用，包括以身作则使用人工智能。
除了高层领导的所有权和承诺外，人工智能高绩效企业还更有可能采用一系列做法来从人工智能应用中实现价值。例如，高绩效企业比其他企业更有可能表示其组织已制定流程，以确定模型输出何时以及如何需要人工验证以确保准确性（见图14）。这是我们测试的、最能区分高绩效企业的关键因素之一。全套管理实践与我们更广泛的“重塑”（Rewired）研究一致，该研究基于200多个大规模人工智能转型案例。这些实践涵盖了从人工智能中获取价值的六个关键维度：战略、人才、运营模式、技术、数据以及应用和推广。我们测试的所有管理实践都与人工智能带来的价值呈正相关。这些实践使组织能够通过人工智能进行创新并大规模获取价值。
拥有敏捷的产品交付组织，或具有明确交付流程的企业级敏捷组织，也与实现价值密切相关。建立健全的人才战略和实施技术及数据基础设施同样对人工智能成功做出了重大贡献，而将人工智能嵌入业务流程、跟踪人工智能解决方案的关键绩效指标（KPI）等做法进一步有助于实现显著价值。
最后，高绩效组织在人工智能能力方面投入更多。超过三分之一的高绩效企业表示其组织将20%以上的数字预算用于人工智能技术（见图15）。这些资源帮助他们在整个业务中推广人工智能技术：约四分之三的高绩效企业表示其组织正在推广或已推广人工智能，而其他组织中这一比例为三分之一。
拥有宏大AI议程的组织收获最多效益（总结）
AI高绩效企业（约占受访者6%）的核心特征的是：以变革性创新为目标，同时将增长、创新与效率列为AI核心目标；重视工作流程重构和跨职能AI应用，AI智能体推广力度远超同行；具备高层领导深度支持、人工验证机制、敏捷交付等配套管理实践；AI预算投入更大（超三分之一将20%以上数字预算用于AI），规模化应用比例达75%。
—
麦肯锡评论（塔拉·巴拉吉里尚）（译文）
高绩效企业最突出的特点是其抱负水平。他们的人工智能议程不仅仅是推动渐进式效率提升：高绩效企业正着手从根本上重塑其业务。这种抱负水平成为组织变革的关键差异化因素和催化剂。当领导者阐述人工智能的变革性愿景时，我们看到它在组织协调、投资和整体活力方面激发了组织潜力。因此，领先组织不仅实现了更好的自动化结果，还在重新设计工作流程和客户体验，以获取新的价值形式。
通常，组织以成本优先的心态对待人工智能。虽然许多人从效率提升中看到了领先指标，但仅关注成本可能会限制人工智能的影响。将人工智能定位为增长和创新的推动者，能在组织内部为更有效地追求成本和效率提升创造空间。对于许多组织而言，仅靠效率提升不足以应对人工智能带来的变革。他们需要考虑如何利用人工智能向利益相关者讲述变革性故事。这也有助于内部变革管理。员工倾向于围绕共同的机遇愿景团结起来。根据我们的经验，许多利用人工智能激发增长和创新的组织，同样更容易推广人工智能应用，并最终实现可持续的生产力提升。
麦肯锡评论（塔拉·巴拉吉里尚）（总结）
高绩效企业的AI成功源于超越成本导向的变革性愿景，这种愿景能凝聚组织资源、推动配套改革；将AI与增长、创新绑定，不仅能提升AI应用成效，还能降低内部变革阻力，助力AI规模化推广和长期价值实现。
麦肯锡评论（布莱斯·霍尔）（译文）
尤其是在人工智能领域巨额投资以及许多人工智能公司估值高昂的背景下，高管们认真审视人工智能实际创造价值的领域以及人工智能领导者如何成功从投资中获取价值，这是合乎情理的。今年的调查表明，领先组织成功实施了一系列实践，搭建了人工智能与人类用户之间的桥梁。事实上，关键实践之一是有效确定如何以及何时纳入“人机协作”，例如在人工智能解决方案的开发、测试和部署过程中。这与我们在企业中的实际经验也一致；人工智能很少是独立的解决方案。相反，当企业有效让具备实际领域经验的员工在适当节点与人工智能解决方案互动时，才能获取价值。人工智能解决方案与人类判断和专业知识的结合，创造了真正的“混合智能”优势和实际价值捕获。人工智能领导者还采用了其他一系列指向同一方向的实践，包括将人工智能解决方案完全嵌入业务工作流程，以及让高层领导积极参与推动规模化应用。
有趣的是，今年调查强调的十大领先管理实践涵盖了麦肯锡数字和人工智能转型“重塑”（Rewired）手册的所有六个要素。虽然每年我们都会测试新的实践，但有一个永恒的原则始终成立：在六个主要要素（战略、人才、运营模式、技术、数据以及应用和推广）方面有效执行的公司，才能从人工智能投资中获得显著的价值创造。
麦肯锡评论（布莱斯·霍尔）（总结）
领先企业的AI价值实现依赖人机协作等关键实践，AI需与人类专业知识结合才能发挥最大效用；其管理实践全面覆盖战略、人才等六大核心维度，这是AI投资兑现显著价值的核心逻辑。
对AI影响员工规模的预期存在差异（译文）
随着组织扩大人工智能的应用，受访者对未来一年人工智能可能如何影响其员工规模持有不同看法。从组织使用人工智能的职能来看，多数受访者观察到，过去一年中，其组织的人工智能应用对员工人数几乎没有影响。在大多数职能中，不到20%的受访者报告员工人数减少了3%或更多，更少比例的人表示其组织的人工智能应用导致职能内新增员工。
然而，更多受访者预计未来一年这些职能的员工人数将发生变化（见图16）。在所有业务职能中，17%的受访者报告称，过去一年因人工智能应用导致职能员工规模下降，但30%的受访者预计明年会出现下降。
受访者对人工智能对其组织整体员工规模的影响预期存在差异。虽然多数受访者预计未来一年人工智能对其组织员工总数几乎没有影响，但32%的人预测整体减少3%或更多，13%的人预测增加3%或更多（见图17）。大型组织的受访者比小型组织的受访者更有可能预计人工智能会导致企业层面的员工规模减少，而人工智能高绩效企业比其他企业更有可能预计出现显著变化（无论是员工规模减少还是增加）。
与此同时，大多数受访者——尤其是大型公司的受访者比例更高——指出，其组织在过去一年中招聘了人工智能相关岗位（见图18）。虽然总体而言，不同规模公司的人才需求有所不同，但软件工程师和数据工程师是需求最大的岗位。
对AI影响员工规模的预期存在差异（总结）
当前AI对各职能员工规模影响有限，未来一年预计影响将扩大，32%的组织预计员工总数减少，13%预计增加；大型组织更倾向于预期员工规模缩减，而高绩效企业对员工规模变化的预期更显著；AI相关岗位招聘活跃，软件工程师和数据工程师需求最高。
麦肯锡评论（拉雷纳·易）（译文）
由于许多公司仍处于人工智能应用的试点和早期生产阶段，人工智能对就业岗位数量和工作性质将产生何种影响尚不清楚。尽管如此，即使在应用的早期阶段，我们也看到了一系列工作所需技能的变化。在理赔员、数字营销人员和财富管理师等职位中，我们看到对人工智能技能的需求日益增加；通常，这涉及将人工智能融入现有角色或工作流程。关于人工智能将如何影响员工人数，约三分之一的受访者表示他们预计其组织的员工规模将下降——但有趣的是，少数受访者表示他们预计其组织的员工人数将增加，部分受访者报告称，过去一年中，信息技术（IT）、供应链和销售等多个职能的员工人数有所增加。随着人工智能应用的增加，其中一些岗位将变得更加关键。例如，人工智能的成功需要数据准备和机器学习运维（MLOps）。我们发现，尤其是大型公司正在招聘这些技能的人才；他们招聘整合、建模和工业化数据相关岗位的可能性是其他公司的两倍。
麦肯锡评论（拉雷纳·易）（总结）
AI对就业的影响尚未完全显现，但已推动部分岗位的技能需求变革；员工规模的变化是双向的，既有缩减可能也有新增需求；大型企业对数据相关、机器学习运维等AI配套技能人才的招聘需求尤为突出。
随着挑战显现，缓解AI风险的努力日益普遍（译文）
在过去六年中，我们的研究一致发现，大多数受访者的组织几乎没有缓解与人工智能应用相关的风险。在最新调查结果中，自2022年我们上次询问整体人工智能相关风险以来，报告针对个人隐私、可解释性、组织声誉和监管合规等风险采取缓解措施的受访者比例有所上升。（2023年和2024年，我们专门询问了生成式人工智能相关风险。）早在2022年，受访者报告平均管理两项与人工智能相关的风险，而如今这一数字为四项。
我们还发现，在很大程度上，组织正在经历和努力缓解的风险是相互关联的：受访者更有可能表示其组织正在缓解他们经历过相关后果的每一种风险。总体而言，51%的人工智能应用组织的受访者表示其组织至少经历过一次负面后果，近三分之一的受访者报告了由人工智能不准确性引发的后果（见图19）。不准确性是大多数受访者表示其组织正在努力缓解的两大风险之一。然而，报告第二多的风险——可解释性——并未列入最常缓解的风险之列。
人工智能高绩效企业的受访者表示，其组织部署的人工智能用例数量是其他企业的两倍，他们比其他受访者更有可能报告负面后果——尤其是与知识产权侵权和监管合规相关的后果。高绩效企业也在尝试防范更多种类的风险。
随着挑战显现，缓解AI风险的努力日益普遍（总结）
企业对AI风险的缓解力度显著提升，2025年平均管理四项AI风险（2022年为两项）；AI不准确性是最常出现的负面后果和重点缓解风险，但可解释性风险虽报告较多却未得到充分应对；高绩效企业因AI用例更多，面临的风险（尤其是知识产权、合规风险）也更突出，且风险防范范围更广。
麦肯锡评论（亚历山大·苏哈列夫斯基）（译文）
我们知道，人工智能高绩效企业——那些表示其组织从人工智能应用中获得更高影响的受访者——往往比同行拥有更宏大的议程。有趣的是，他们也比同行更有可能报告更多（而非更少）的人工智能应用负面后果。这并不像看起来那样违反直觉。毕竟，由于目标更宏大，人工智能高绩效企业更有可能在关键任务场景中使用该技术，这些场景需要严格监控。鉴于他们意识到这些风险，他们报告的缓解风险的比例也高于其他企业。他们的抱负也带来了相当大的优势：这有助于解释为什么这些组织往往表现出色——并为那些仍在努力从人工智能工作中实现价值的组织提供了重要启示。我们的调查表明，仅从效率角度看待人工智能是不够的。实现可衡量的结果需要领导者追求由创新和转型驱动的宏大议程。我们发现，这可能是实现高绩效的真正途径。
虽然人工智能的应用现在很普遍，但我们的新调查表明，其全部潜力仍有待挖掘。大多数组织仍在应对从试验到规模化部署的转型，虽然他们可能在组织的某些部分获取了价值，但尚未实现企业层面的财务影响。高绩效企业的经验指明了前进的方向。这些组织的突出之处在于超越渐进式效率提升：他们将人工智能视为变革组织的催化剂，重新设计工作流程并加速创新。随着人工智能工具（包括智能体）的改进和企业能力的成熟，将人工智能更充分地嵌入企业的机会将为组织提供新的价值获取方式和竞争优势创造途径。
麦肯锡评论（亚历山大·苏哈列夫斯基）（总结）
高绩效企业的AI高目标虽伴随更多风险，但因其风险缓解更到位，反而能实现更优表现；仅关注效率无法发挥AI全部价值，唯有以创新和转型为核心的宏大议程，才能引领企业实现AI高绩效；当前AI的企业级财务价值尚未充分释放，未来随着技术成熟和应用深化，将为组织创造更大竞争优势。
关于研究（译文）
这项在线调查于2025年6月25日至7月29日进行，收集了来自105个国家的1993名受访者的反馈，涵盖了各个地区、行业、公司规模、职能专业和任职年限。38%的受访者表示他们所在的组织年营收超过10亿美元。为了调整响应率的差异，数据根据每位受访者所在国家对全球国内生产总值（GDP）的贡献进行了加权处理。
作者简介：亚历克斯·辛格拉是昆泰博克（QuantumBlack）- 麦肯锡人工智能部门的全球负责人，也是麦肯锡芝加哥办公室的高级合伙人；亚历山大·苏哈列夫斯基是伦敦办公室的高级合伙人；拉雷纳·易是旧金山湾区办公室的高级合伙人，迈克尔·崔是该办公室的高级研究员；布莱斯·霍尔是华盛顿特区办公室的副合伙人；塔拉·巴拉吉里尚是西雅图办公室的副合伙人。
作者感谢海莉·鲍勃森、汉娜·瓦格纳、拉里·坎特、罗伯特·莱文和桑蒂·卡内多对本研究的贡献。
本文由亚特兰大办公室的高级编辑希瑟·汉塞尔曼编辑。
=============文中图表内容整理==============
| 图表编号 | 图表主题 | 核心数据 | 关键结论 | 对应文档段落 |
| 图 1 | 2025 年组织 AI 应用阶段分布 | – 88% 的受访者报告组织在至少 1 个业务职能中定期使用 AI（2024 年为 78%） – 仅约 1/3 的组织已开始在企业范围内推广 AI 项目 – 近 2/3 的组织仍处于试验或试点阶段 | AI 应用渗透率显著提升，但企业级规模化进展缓慢，多数组织停留在早期探索阶段 | 1、2 |
| 图 2 | 各业务职能 AI 智能体应用阶段分布 | – 仅 23% 的组织在企业内推广 AI 智能体，39% 的组织处于试验阶段 – 任何单一业务职能中，推广 AI 智能体的组织占比均不超过 10% – IT（6%）、知识管理（6%）是 AI 智能体推广比例最高的职能 | AI 智能体虽受关注，但应用普及度低，且集中在少数业务职能，尚未形成规模化落地 | 3、4 |
| 图 3 | 各行业及职能 AI 智能体推广阶段分布 | – 技术、媒体和电信、医疗保健行业 AI 智能体推广比例最高 – 职能层面，IT（22%）、知识管理（16%）、软件工程（24%）的 AI 智能体推广比例领先 | AI 智能体应用存在明显行业和职能差异，技术密集型行业及支持类职能应用更领先 | 5、6 |
| 图 4 | 组织 AI 跨职能应用分布（2021vs2025） | – 2025 年，78% 的组织在 2 个及以上职能使用 AI（2021 年为 56%） – 50% 的组织在 3 个及以上职能使用 AI（2021 年为 31%） – 15% 的组织在 5 个及以上职能使用 AI（2021 年为 6%） | AI 在组织内的跨职能渗透持续加深，多职能协同应用成为趋势 | 7、8 |
| 图 5 | 不同营收规模企业的 AI 应用阶段分布 | – 营收超 50 亿美元的企业中，近 50% 已进入 AI 推广阶段 – 营收低于 1 亿美元的企业中，仅 29% 进入 AI 推广阶段 – 营收 10 亿 – 49.9 亿美元的企业，AI 推广比例约 32% | 企业规模与 AI 规模化能力高度正相关，大型企业凭借资源优势在 AI 落地中领先 | 9、10 |
| 图 6 | AI 对组织关键指标的影响（过去一年） | – 64% 的组织报告 AI 提升了创新能力 – 45% 的组织报告 AI 改善了员工满意度、客户满意度、竞争差异化 – 仅 36% 的组织报告 AI 提升了盈利能力，33% 提升了有机收入增长 | AI 在定性指标（创新、满意度）上成效显著，但对财务绩效（盈利、收入）的拉动作用有限 | 11、12 |
| 图 7 | 各职能 AI 应用带来的成本下降分布 | – 软件工程：56% 的组织报告成本下降（14% 下降≥20%） – 制造业：56% 的组织报告成本下降（7% 下降≥20%） – IT：54% 的组织报告成本下降（8% 下降≥20%） | AI 的成本优化价值集中在技术密集型和生产型职能，软件工程、制造领域效益最突出 | 13、14 |
| 图 8 | 各职能 AI 应用带来的收入增长分布 | – 营销和销售：67% 的组织报告收入增长（14% 增长＞10%） – 战略和企业融资：65% 的组织报告收入增长（12% 增长＞10%） – 产品和服务开发：62% 的组织报告收入增长（15% 增长＞10%） | AI 的收入拉动价值主要集中在市场拓展、战略决策和产品创新类职能，与业务增长直接相关 | 15、16 |
| 图 9 | AI 高绩效企业与其他企业的 AI 转型目标差异 | – AI 高绩效企业中，29% 计划通过 AI 实现业务 “变革性变革” – 其他企业中，仅 8%（29%÷3.6）计划实现 “变革性变革” – 其他企业中，48% 仅计划实现 “增量变革” | AI 高绩效企业的核心特征是具备 “变革性” AI 目标，而非局限于增量改进，目标野心显著更高 | 17、18 |
| 图 10 | AI 高绩效企业与其他企业的 AI 目标差异 | – AI 高绩效企业：84% 以效率为目标，82% 以增长为目标，79% 以创新为目标 – 其他企业：80% 以效率为目标，仅 50% 以增长 / 创新为目标 | AI 高绩效企业不局限于 “效率导向”，而是将增长、创新与效率并重，目标更全面多元 | 19、20 |
| 图 11 | AI 高绩效企业与其他企业的工作流程重构比例 | – AI 高绩效企业中，55% 已对工作流程进行 “根本性重构” – 其他企业中，仅 20%（55%÷2.8）进行 “根本性重构” | 工作流程重构是 AI 高绩效企业的关键特征，通过流程重塑释放 AI 的规模化价值 | 21、22 |
| 图 12 | AI 高绩效企业与其他企业的 AI 智能体推广差异 | – 在 IT、知识管理、产品开发等多数职能中，AI 高绩效企业的 AI 智能体推广比例是其他企业的 3 倍以上 – AI 高绩效企业在战略、风险等核心职能的 AI 智能体应用也显著领先 | AI 高绩效企业在 AI 智能体落地方面更具前瞻性，通过智能体技术深化核心职能的 AI 价值 | 23、24 |
| 图 13 | AI 高绩效企业与其他企业的领导支持力度差异 | – AI 高绩效企业中，48% 的受访者 “强烈同意” 高层领导对 AI 的 ownership – 其他企业中，仅 16%（48%÷3.0）“强烈同意” 高层领导对 AI 的 ownership | 高层领导的深度参与和承诺是 AI 高绩效企业的关键支撑，领导重视程度直接影响 AI 成效 | 25、26 |
| 图 14 | AI 高绩效企业与其他企业的 AI 管理实践差异 | – 人机协作机制：AI 高绩效企业 65% 已落地，其他企业仅 23% – 技术基础设施：AI 高绩效企业 60% 达标，其他企业仅 23% – AI 路线图：AI 高绩效企业 60% 明确，其他企业仅 31% | AI 高绩效企业通过系统化的管理实践（人机协作、技术基建、路线规划）保障 AI 价值，实践成熟度显著更高 | 27、28 |
| 图 15 | AI 高绩效企业与其他企业的 AI 预算投入差异 | – AI 高绩效企业中，35% 将 20% 以上的数字预算投入 AI – 其他企业中，仅 7%（35%÷4.9）将 20% 以上的数字预算投入 AI – AI 高绩效企业中，75% 已进入 AI 推广阶段，其他企业仅 33% | 更高的 AI 预算投入是 AI 高绩效企业实现规模化落地的重要保障，资源投入与 AI 成效正相关 | 29、30 |
| 图 16 | AI 对各职能员工规模的影响（过去一年 vs 未来一年） | – 过去一年：各职能员工规模因 AI 下降的比例中位数为 17% – 未来一年：各职能员工规模因 AI 下降的比例中位数为 30% – 服务运营、IT、营销和销售是未来员工规模预计下降最明显的职能 | 未来一年 AI 对就业规模的影响将显著扩大，从当前的温和影响转向更明显的结构性调整 | 31、32 |
| 图 17 | AI 对企业整体员工规模的预期影响 | – 32% 的组织预计未来一年员工规模 “减少 3% 及以上”（4%＞20%、8%11%-20%、20%3%-10%） – 13% 的组织预计未来一年员工规模 “增加 3% 及以上”（3%3%-10%、2%11%-20%、1%＞20%） – 43% 的组织预计员工规模 “无变化” | 行业对 AI 的就业影响预期分歧较大，近 1/3 组织预计缩编，但仍有部分组织预计扩编，整体呈 “双向调整” 趋势 | 33、34 |
| 图 18 | 不同营收规模企业的 AI 相关岗位招聘比例 | – 营收≥10 亿美元的企业：30% 招聘 AI 数据科学家、29% 招聘数据工程师、29% 招聘软件工程师 – 营收＜10 亿美元的企业：14% 招聘 AI 数据科学家、19% 招聘数据工程师、23% 招聘软件工程师 – 软件工程师、数据工程师是各规模企业最核心的 AI 招聘岗位 | 大型企业在 AI 人才储备上更积极，AI 相关岗位招聘需求与企业规模正相关，技术类岗位（软件、数据）是通用需求 | 35、36 |
| 图 19 | AI 相关风险的发生与缓解情况 | – 51% 的组织经历过 AI 相关负面后果，其中 30% 因 “AI 不准确性” – 缓解措施覆盖比例最高的风险是 “AI 不准确性”（54%）、“网络安全”（51%） – “可解释性” 风险发生比例达 28%，但缓解比例未进入前列 | AI 不准确性是最突出的风险点，且缓解措施相对到位；但 “可解释性” 风险存在 “高发生、低缓解” 的失衡问题 | 31、37 |
