AI应用现状：广度扩展但深度不足
报告数据显示，88%的受访组织至少在一个业务职能中常规使用AI，较2024年的78%有明显提升。然而这一增长更多体现在应用广度而非深度上。从部署阶段来看，仅有约三分之一的组织进入了规模化阶段，其余大多数仍停留在试验或试点阶段，32%处于试验阶段，30%处于试点阶段，仅31%在扩大部署规模，7%实现全面规模化应用。
这一格局与企业规模高度相关。年收入超过50亿美元的大型企业中，近半数已进入规模化阶段，而收入低于1亿美元的小型企业中，这一比例仅为29%。大型企业在资源投入、技术积累和组织能力上的优势，使其在AI规模化道路上处于领先位置。
在具体应用领域，AI技术的渗透呈现出明显的职能偏好。IT、营销销售和知识管理持续成为应用最广泛的三大领域。特别值得注意的是，知识管理在2025年首次跻身应用最广泛的职能之列。从具体用例来看，信息捕获处理、营销策略内容支持以及客户服务自动化成为最常见的三类应用场景。
AI智能体探索：初露锋芒但尚未普及
AI智能体（AI Agents）作为能够在真实世界中自主行动、规划和执行多步骤工作流程的AI系统，正在成为企业关注的新焦点。调查显示，62%的受访者表示其组织至少在试验AI智能体，其中23%的组织已在企业内某处扩大智能体部署规模。
不过，智能体应用的深度仍然有限。即便在已开始规模化部署智能体的组织中，大多数也只在一到两个职能中这样做。在任何单一业务职能中，报告智能体应用达到规模化阶段的受访者比例均不超过10%。从职能分布看，IT和知识管理领域的智能体应用最为常见，这与服务台管理、深度研究等典型智能体用例的快速发展密切相关。
从行业角度观察，科技、媒体电信和医疗健康行业的智能体应用报告率最高。这些行业的数字化基础、技术人才储备以及对创新技术的开放态度，为智能体应用创造了有利条件。
价值实现路径：创新驱动胜于单纯降本
尽管多数组织尚未实现企业级财务影响，但调查揭示了一些积极的领先指标。39%的受访者认为AI对其组织的息税前利润（EBIT）产生了影响，尽管其中大多数表示影响程度低于5%。更具说服力的是定性成果：64%的受访者认为AI改善了创新能力，45%认为提升了员工满意度，45%认为改善了客户满意度和竞争差异化。
在职能层面的成本收益方面，受访者最常报告的成本节约来自软件工程、制造和IT领域，其中56%的受访者表示软件工程成本有所下降。收入增长方面，营销销售、战略与企业财务以及产品服务开发职能获益最多。
报告将AI高绩效组织定义为归因于AI的EBIT影响超过5%且认为AI带来"显著价值"的受访者所在组织，这类组织仅占样本的6%。深入分析这些高绩效组织的特征发现，其成功的关键不在于单纯追求效率提升，而在于更宏大的战略愿景。
80%的受访者表示其公司将效率提升作为AI计划的目标，但高绩效组织除效率外，更倾向于同时设定增长或创新目标。高绩效组织中50%的受访者表示其组织意图利用AI实现业务转型性变革，这一比例是其他组织的3.6倍。在目标设定上，高绩效组织在效率（84%）、增长（82%）和创新（79%）三个维度的关注度都显著高于其他组织。
成功实践要素：重塑工作流与领导力承诺
高绩效组织在多个维度展现出不同于一般组织的实践特征。最突出的是工作流程重塑：55%的高绩效组织受访者表示在AI部署中对工作流程进行了根本性重新设计，这一比例是其他组织的2.8倍。这种重塑不仅涉及技术层面的优化，更包括业务流程、组织架构和员工角色的系统性变革。
领导层的投入程度是另一关键差异。高绩效组织中48%的受访者强烈认同其高层领导在AI计划中展现出真正的所有权和承诺，这一比例是其他组织的3倍。这种承诺体现在持续的资金支持、定期的预算重新分配、在组织内部推广AI应用，以及高层领导自身对AI工具的示范性使用。
在投资力度上，超过三分之一的高绩效组织将数字预算的20%以上投入AI技术，而其他组织中这一比例仅为7%，相差近5倍。这些资金支持着高绩效组织在更多业务职能中部署AI，并推动AI智能体的规模化应用。
麦肯锡团队基于对31个变量的相对权重分析，识别出一系列与高绩效强相关的管理实践。这些实践涵盖战略、人才、运营模式、技术、数据以及采用与扩展六个维度，与麦肯锡的"Rewired"数字化转型方法论高度一致。排名靠前的关键实践包括：明确定义何时需要人工验证以确保模型输出准确性、拥有支持核心AI计划的技术基础设施和架构、制定明确的AI路线图并与广泛战略保持一致等。
劳动力影响预期：观点分化但招聘持续
关于AI对劳动力规模的影响，受访者的预期呈现显著分化。在职能层面，过去一年中，多数职能的受访者报告员工数量变化不大。但展望未来一年，预期变化的比例明显上升：跨业务职能中位数显示，17%的受访者报告过去一年因AI导致职能人员减少，而30%预计未来一年将出现减少。
在企业整体层面，32%的受访者预计未来一年企业总员工数将因AI减少3%或以上，43%预计几乎无变化，13%预计增加3%或以上。大型企业的受访者更倾向于预期AI带来的劳动力规模缩减，而高绩效组织的受访者则更可能预期显著变化，无论是减少还是增加。
与此同时，AI相关岗位的招聘仍在持续。在过去一年中，多数组织都招聘了AI相关职位，其中软件工程师和数据工程师需求最高。大型企业在AI人才招聘上更为活跃，特别是在数据科学家、数据工程师和机器学习工程师等整合、建模和工业化数据的岗位上，大型企业的招聘率约为小型企业的两倍。
风险管理意识：经验驱动缓解行动
企业对AI风险的认识和应对正在深化。与2022年调查相比，受访者报告其组织采取措施缓解的AI风险数量从平均2个增加到4个。缓解率上升最明显的风险领域包括个人隐私、可解释性、组织声誉和监管合规。
调查发现，组织经历的风险与其缓解的风险高度相关。51%的使用AI的组织受访者表示其组织至少经历过一次负面后果，最常见的是AI不准确性问题（30%）。不准确性和网络安全是受访者最常报告其组织正在努力缓解的两大风险，分别有54%和51%的受访者提及。
值得注意的是，高绩效组织报告的负面后果反而更多，特别是在知识产权侵权和监管合规方面。看似矛盾的现象实际上反映了高绩效组织更具雄心的AI应用策略，它们在更关键的业务环境中使用AI，因而对风险的敏感度和监控力度更强，同时也更积极地采取缓解措施。
展望与启示
麦肯锡此次调查描绘了一幅AI应用从普及到深化的过渡图景。AI工具已经无处不在，但多数组织尚未将其深度嵌入工作流程和业务流程，以实现企业级的实质性收益。从试点到规模化的跨越，正是当前大多数组织面临的核心挑战。
高绩效组织的经验提供了清晰的指引：超越增量效率提升的雄心壮志、对工作流程的根本性重塑、高层领导的坚定承诺、充足的资源投入，以及覆盖战略、人才、运营、技术、数据和扩展六大维度的系统性管理实践，共同构成了AI价值实现的成功路径。
AI智能体的兴起为企业带来了新的可能性，但同时也对组织能力提出了更高要求。如同一位受访高管所言，"当涉及智能体时，要做好它需要付出艰苦的努力。"从试验到生产化，从单点应用到规模部署，每一步都需要在技术、流程、组织和文化层面进行深入的调整和优化。
对于仍在AI之旅早期阶段的组织而言，这份报告既是鞭策也是指南。AI的全部潜力仍在前方，但实现路径已渐趋清晰。随着AI工具（包括智能体）的持续改进和企业能力的逐步成熟，将AI更全面地嵌入企业运营的机会正在到来，这将为组织创造新的价值获取方式和竞争优势来源。AI转型的下一章，将属于那些敢于超越效率优先思维、拥抱创新与转型愿景的组织。
