自 2020 年起，麦肯锡每年都会发布《The State of AI》调研，持续追踪全球企业在 AI 技术、组织变革、人才与商业价值方面的真实进展。
今年（2025），11月5日，麦肯锡再次发布重量级报告，对全球企业的 AI 使用现状与趋势进行了系统研究。
本次调研覆盖面更广、规模更大：
调研时间：2025 年 6 月 25 日 – 7 月 29 日
调研方式：在线问卷
调研对象：来自 105 个国家的 1,993 位企业管理者与专业人士
涵盖领域：各行业、不同规模企业、不同职能部门与任职年限
其中有 38% 的受访者来自年收入超过 10 亿美元的大型企业。
为了避免样本差异导致结果偏差，麦肯锡还对数据进行了加权处理——根据各国家对全球 GDP 的贡献进行权重校正，使结果更具代表性与可信度。
本次调研核心结论一句话
几乎所有企业都在用 AI，很多已经开始尝试 AI 代理，但大多数仍停留在“试点阶段”，尚未真正扩大规模，也没有获取企业级价值。
一、AI 使用持续扩大，但仍以试点为主
1.1 越来越多的企业开始使用 AI，但多数企业仍未实现规模化部
最新调研显示，越来越多的企业开始使用 AI。然而，大多数企业仍未实现规模化部署。与去年相比，今年有 88% 的受访者表示其组织在至少一个业务职能中定期使用 AI，而去年这一数字为 78%。
尽管渗透率提高，但在企业层面，AI 仍主要停留在试验或试点阶段。仅有约三分之一的企业表示已开始在全公司范围内推进 AI 规模化落地（见图表 1）。
1.2 越来越多企业开始试验 AI 智能体（AI Agents）
企业正逐步探索 AI 智能体（AI Agents）的应用。这类系统基于基础模型（Foundation Models），能够在真实业务环境中行动，并完成多步骤的工作流程执行与规划。
调研显示：
23% 的企业已在至少一个业务职能中推进 AI 智能体的规模化部署；
另有 39% 正在试验 AI 智能体。
然而，AI 智能体的普及仍处于早期阶段。即便是在扩大部署的企业中，大多数也仅在 一到两个业务职能中使用。在任何单一业务职能内，规模化使用 AI 智能体的企业比例均未超过 10%（见图表 2）。
1.3 从具体业务来看，AI 智能体使用最多的领域是 IT 与知识管理
在不同业务职能中，AI 智能体最常用于 IT 与知识管理领域。目前应用较成熟的场景包括：
IT 场景：服务台管理（Service-desk Management）
知识管理场景：深度调研（Deep Research）
这些都是能够由 AI 智能体执行复杂流程、自动完成多步骤任务的典型用例。
同时，若按行业划分，技术、媒体与电信（TMT）行业以及医疗健康行业，是 AI 智能体采用最广泛的领域（见图表 3）。
1.4 对多数企业而言，AI 仍主要停留在试点阶段
尽管 AI 的使用范围正在扩大，但在多数组织中，AI 仍未进入全面推广阶段，而是主要停留在“试点”与“局部落地”阶段。 AI 使用正覆盖更多业务领域：
随着企业不断加深 AI 应用，使用 AI 的业务职能数量持续增加。根据调研结果：
超过三分之二的受访者表示，他们的组织已经在多个业务职能中使用 AI（图表4）
有一半的企业已在三个或更多职能中使用 AI
1.5 许多企业（尤其是中小企业）仍未将 AI 深度融入工作流程
虽然 AI 的使用范围持续扩大，但对很多企业而言，AI 仍未真正做到深度集成。目前，只有约三分之一的受访企业正在推动 AI 的企业级规模化落地。
从企业规模来看，大型企业（无论按营收还是员工规模计算）更有可能进入规模化阶段：
营收超过 50 亿美元的企业中，近一半已经进入规模化阶段
营收低于 1 亿美元的企业中，只有 29% 达到规模化（见图表 5）
1.6 AI 正在成为企业创新的催化剂
调研显示，对于大多数企业而言，AI 尚未在企业层面显著影响财务利润（EBIT）。目前，只有 39% 的受访者认为 AI 对企业 EBIT 产生了影响，而其中大多数企业表示，AI 贡献不到其 EBIT 的 5%。
尽管财务层面的回报有限，但 AI 已在非量化层面带来更明显的组织收益。多数受访者指出：
AI 正显著提升企业的创新能力
近一半企业的客户满意度与竞争差异化有所提升（见图表 6）
1.7 AI在具体业务看到了成本收益，主要在软件工程、制造和IT
尽管 AI 对企业整体 EBIT 的显著贡献仍不多，但许多受访者表示，他们已经在具体业务用例中看到了成本收益——特别是在软件工程、制造和 IT 领域（见图表 7）。
1.8 AI 带来营收增长的场景主要集中于市场营销、战略与财务、产品与服务
与过去几年的调研结果一致，受访者最常报告的 AI 带来营收增长的场景主要集中在以下业务领域（见图表 8）：
市场与销售
战略与企业财务
产品与服务开发
二、拥有大胆 AI 战略的企业，正在收获更大的回报
2.1 越“敢想、敢投”，越有可能获得巨大的回报
目前，能从 AI 中获得显著企业级收益（尤其是 EBIT 增长）的组织仍然不多，但调研显示：越“敢想、敢投”，越有可能获得巨大的回报。
在本研究中，麦肯锡将以下企业定义为 AI 高绩效者（AI High Performers）：
认为 AI 带来了至少 5% 的 EBIT 增长，并认为 AI 已为组织带来“显著价值”的企业
——在全部受访者中约占 6%。
这些高绩效企业普遍具备共同特征：
以 AI 推动业务变革，而非局部优化
重塑工作流程（workflow redesign）
更快推进规模化落地（scaling faster）
更系统地采用成熟的转型实践
投入更多资源
进一步来看，高绩效企业在 AI 方面抱有更激进的商业愿景：
使用 AI 进行企业级“变革性创新”的可能性，是其他企业的三倍以上（见图表 9）。
2.2 多数企业将效率提升（降本增效）视为 AI 使用目标
调研显示，多数企业将 效率提升（降本增效）视为 AI 使用目标；然而，真正从 AI 中获得显著效果的企业（高绩效企业）通常不仅仅追求效率优化，还把 增长（Growth）和创新（Innovation）作为 AI 的核心目标。（见图表 10）
无论是否属于高绩效企业，只要组织将 AI 明确用于推动增长或创新，受访者更可能报告 AI 带来了多项企业层面的积极成果，例如：客户满意度提升、竞争差异化增强、盈利能力改善、营收增长以及市场份额变化。
除此之外，AI 高绩效企业不仅拥有更高的业务目标，它们还 更接近实现业务流程层面的根本性重设计。与其他企业相比，高绩效企业在重新设计具体工作流程方面的可能性几乎高出三倍（见图表 11）。事实上，在所有影响因素中，主动进行流程重构，是实现 AI 产生显著业务价值的关键因素之一。
2.3 AI 高绩效企业在更多业务领域中持续使用 AI
调研显示，与其他企业相比，AI 高绩效企业在更多业务职能中持续运用 AI，尤其体现在以下领域：
市场与销售
战略与企业财务
产品与服务开发
此外，它们在 AI 智能体（AI Agents）的应用上也更成熟。在大多数业务职能中，高绩效企业推进 AI 智能体规模化（Scaling）的可能性至少是其他企业的三倍（见图表 12）。
调研还显示，在 AI 高绩效企业中，AI 的使用更常由组织高层亲自推动。高绩效企业的受访者认同“高层领导对 AI 项目具有主人翁精神并积极承诺”的比例，是其他企业的三倍（见图表 13）。
此外，这些受访者也更倾向认为，企业高层不仅支持 AI，更在推动 AI 采用中积极参与，并以身作则使用 AI—— 高层正在成为 AI 推进的示范者和实践者。
2.5 AI 高绩效企业在管理实践上也更成熟
除了具备高层的强力承诺外，AI 高绩效企业在管理实践上也更成熟，并通过一系列方法确保 AI 产生价值。
例如，与其他企业相比，高绩效企业更普遍建立明确机制，用来判断何时需要由人工验证模型输出，以确保准确性（见图表 14）。这一做法是最能区分 AI 高绩效企业的重要因素之一。
这些领先实践与麦肯锡基于 200 多个大型 AI 转型项目的 Rewired 研究高度一致，涵盖实现 AI 价值的六大关键维度：
战略（Strategy）
人才（Talent）
运营模式（Operating Model）
技术（Technology）
数据（Data）
采纳与规模化（Adoption & Scaling）
调研结果显示：几乎所有这些管理实践，都与 AI 为企业创造价值显著正相关。
换句话说，领先企业依靠的是系统性运营，而不是单点工具。
2.6 企业范围内拥有明确定义的敏捷交付流程，也与AI价值实现高度相关
具备敏捷的产品交付组织，或者在企业范围内拥有 明确定义的敏捷交付流程，也与AI价值实现高度相关。同时，制定稳健的人才策略、建设技术与数据基础设施，同样对A 成功落地有显著贡献。
此外，将AI 深度嵌入业务流程，并对 AI解决方案进行 KPI 追踪，也能进一步推动 AI 创造显著业务价值。
最后，高绩效企业在 AI 能力上的投资更为积极。超过三分之一的高绩效企业表示，其组织 将数字化预算的 20% 以上投入到 AI 技术（见图表 15）。这些资源投入，正帮助它们加速推动 AI 在业务中的规模化落地：大约 三分之二的高绩效企业已在进行或已完成 AI 规模化部署，而其他企业中这一比例仅为三分之一。
三、AI 对员工规模的影响：预期正在发生变化
3.1 不同受访者对AI 是否会影响员工规模持有不同看法
从过去一年实际情况来看，多数组织的受访者认为 AI 并未显著改变岗位数量。在已经使用 AI 的业务职能中：
不到 20% 的受访者表示，由于 AI，所在职能的员工数量出现 3% 或以上的减少
更少比例的人认为 AI 所带来的是员工数量增加
然而，展望未来一年，人们的预期正在发生变化（见图表 16）：
过去一年，不同业务职能中约 17% 的受访者经历了因 AI 导致的岗位减少；
但 30% 的受访者预计未来一年会出现岗位减少—— 几乎是过去的 近两倍。
3.2 企业整体员工规模受 AI 影响的预期并不一致
在预测 AI 对企业 整体员工数量的影响时，受访者观点存在明显差异：
有相当一部分受访者认为，未来一年 AI 对员工总规模影响不大或没有影响；
32% 的受访者预测明年组织整体员工数量将因 AI 减少 3% 及以上；
13% 的受访者则认为 AI 将带来 3% 及以上的人员增加（见图表 17）。
此外，调研还显示：
大型企业相比小型企业，更可能预期 AI 将带来 员工总量减少；
AI 高绩效企业则更倾向于认为，AI 会带来 显著变化——无论是人员减少还是增加。
换句话说：成熟使用 AI 的企业，更明确意识到 AI 将带来人力结构性的调整，而不仅仅是“节省成本”。
与此同时，大多数受访者（尤其是来自大型企业的受访者）表示，过去一年他们的组织 招聘了与 AI 相关的岗位（见图表 18）。
尽管不同规模的公司在人才需求上有所差异，但最受欢迎的人才类型普遍是软件工程师和数据工程师。
四、随着风险显现，各组织正在加快 AI 风险治理
在过去六年里，麦肯锡研究持续发现：多数组织对 AI 风险的治理不足。然而，最新调查显示，针对 个人隐私、可解释性、组织声誉与监管合规等风险的治理比例正在上升，相比 2022 年已有明显改进。（注：2023–2024 年调查重点为生成式 AI 的风险。）
2022 年，受访者平均只治理 2 项 AI 风险；
2025 年，这一数字上升至 4 项。
调查还显示：企业 体验到哪些 AI 风险，就更倾向治理哪些风险。整体来看：
在使用 AI 的组织中，有 51% 的受访者表示组织曾遭遇至少一次负面影响；
其中 近三分之一遭遇过“AI 不准确”带来的问题（见图表 19）。
值得注意的是，“不准确性（accuracy risk）”是企业治理最常见的风险之一；但 第二常被提及的风险——可解释性（explainability）——却并未成为治理重点。
整体上看，AI 的应用已经较为普及，但本次调研结果表明，其真正潜力仍在未来。多数组织仍处于从试点走向规模化应用的过渡期。尽管部分业务功能已经开始获得价值回报，但尚未实现全企业层面的财务影响。
高绩效企业的经验展示了一条明确的前进路径：它们不再仅仅追求效率提升，而是将 AI 视为推动企业变革与创新加速的催化剂，通过 重新设计工作流程、重塑业务模式等方式实现真正的价值创造。
随着 AI 工具（包括 AI 代理）持续演进，以及企业整体能力不断成熟，将 AI 深度嵌入企业运营体系的机会将愈发明显，从而为组织带来全新的价值空间和竞争优势。
