企业 FDE

麦肯锡：6% 的企业跑通了 AI，靠的不是技术

2026 年 10 月 10 日

麦肯锡《The state of AI in 2026》报告指出，仅6%的企业实现AI高绩效，关键差异不在技术，而在领导力：是否由C级高管真正负责、目标定位于“赚钱”而非仅“省钱”、是否重构工作流程而非仅分发工具。报告揭示个人提效普遍（80%员工认可），但企业级回报停滞，根源在于转型停留在“AI试用”层面。

6% 的高绩效企业，差距不在技术栈

前阵子麦肯锡发了一份报告，《The state of AI in 2026: On the road to ROI》。里面有个数字被到处转：真正靠 AI 跑出高绩效的企业，只占 6%。

我把三处关键差异看了一遍。这三处里面，没有一处是技术。

个人提效明显，但企业级回报停滞

报告里有一组数据，我觉得比 6% 更值得琢磨。

80% 的员工说，AI 提升了自己的工作效率。
50% 说，AI 帮自己做出了更好的业务决策。
51% 说，AI 促成了自己新技能的开发。

看起来挺美好。但紧接着，报告给了一句很冷静的判断：个人生产力飙升，企业级回报停滞。

每个人都在变快，但整个公司没有变强。员工手里有了 AI，个人效率确实上去了。可是工作流程没变，岗位职责没变，决策方式没变。效率提升停留在个人账户里，攒不成组织的能力。

这个现象背后，是三类很常见的无效转型：买账号买平台的采购导向，工具上线后大量闲置；全员学提示词的培训导向，技能不落流程、只带来个人提效；喊口号的口号导向，发了战略文件却没有负责人、没有目标，各部门照旧运转。

这三类的共同点，都是把 AI 当成了"再加一个工具"。

第一个差别：谁在为这件事负责

报告里有两个数字放在一起看，很刺眼。

全球有六分之一的企业，没有任何一位 C 级高管为 AI 转型兜底。
高绩效企业里存在一位积极推动 AI 的高层领导的概率，是普通企业的整整 3 倍。

差别不是"有没有批预算"，而是"有没有人真正负责"。

普通企业的路径高度一致。CEO 在大会上宣布拥抱 AI，批一笔预算，转手交给 IT 部门或数字化团队，然后自己就不再深度介入。

问题在于，AI 转型要动的是部门权责、岗位分工、考核方式，这些事 IT 部门推不动。没有高层牵头，部门墙打不穿；AI 项目一和日常业务抢资源，永远是业务优先，项目一次次延后，最后不了了之。

AI 转型从来不是一个技术项目，而是一个领导力项目，只是它伪装成了技术的样子。

第二个差别：目标定在"省钱"还是"赚钱"

如果你去问一家企业，做 AI 的目标是什么，大概率会听到"提高效率、减少重复工作、帮员工省时间"。

降本提效没有错，它是 AI 最直观的价值。但它有个天然天花板：降本是线性收益，能省的钱有限。企业一旦把 AI 当成本中心，就会持续压缩投入，转型永远停在浅层次。

高绩效企业的思路不一样。他们关心的不是能省多少钱，而是能打开哪些以前想都不敢想的新业务。

数据上的差距是：高绩效企业追求变革性目标、而不是渐进式改善的可能性，是普通企业的 3.6 倍。

报告给了一条务实的路径：先用降本场景验证 AI 到底行不行，再把 AI 嵌进核心流程重构人机配合，最后基于 AI 探索新的业务模式。

先降本，但不能停在降本。

第三个差别：改工具还是改流程

这个差别可能是最容易被忽略的。

报告里说，当前将近 80% 的企业做 AI，都是同一个套路：把工具分发给员工，让大家自己摸索，然后一切照旧。流程没变，职责没变，决策方式没变，只是多了个 AI 助手搭把手。

这不叫转型。报告给它起了个很准的名字，叫"AI 试用"。

而真正重新设计了工作流程的高绩效企业，占到了 21%。这个数字已经是普通企业的 3 倍。

流程重构成了分水岭。因为补丁式的工具叠加，有三个绕不过去的缺陷：价值天花板低，只能提升少量效率；经验留在个人身上，人一走就没了；没有统一规范和审核机制，AI 输出参差不齐。

真正的转型，是把工作流拆碎了重新拼：哪些环节交给 AI，哪些判断必须由人做，人和 AI 的交接点设在哪里。

一句话概括：输入结构化、规则明确、重复性高的活给 AI；涉及价值判断、创意、情感和最终审核的活，留给人。

说到底，还是领导力

把这三个差别放在一起，你会发现它们指向同一个东西。

谁负责，是领导者的角色问题。
定什么目标，是领导者的视野问题。
改不改流程，是领导者的决心问题。

三个都是人的事，没有一个是买工具能解决的。

我做这么多年教练，见过太多这样的团队：老板买回了工具，然后期待团队自己长出新的工作方式。但工作方式的改变不会自发发生，必须有人带头下场，自己先用，团队试错时站出来兜底。

这就是我一直在讲的"教练兼球员"：高层不能只当审批者，得下场当球员，同时带着团队重新定义人和机器怎么分工。报告里也提到，高绩效企业的高层会亲自使用 AI——只有自己深度用过，才能判断方案靠不靠谱。

给你三个自测问题

不用看别人怎么做，就问自己三句话。

你们公司的 AI 转型，有没有一位能拍板的 C 级负责人？还是大家在兼职推进？
你们做 AI 的目标，写的是"降低多少成本"，还是"打开什么新业务"？
你们是给员工发了工具，还是真的重新设计过一条工作流？

三个问题里只要有一个答不上来，那 6% 那一边，可能离你还比较远。

不过不用急着悲观。这份报告最有价值的地方，是告诉你那 6% 做对了什么，而且这三件事都不需要等一个新模型。

JOTO 企业落地观察

企业部署 AI 的成败，首要取决于是否将 AI 治理权从 IT 部门移交至业务-技术联合体；缺乏对流程权责的重新分配，任何技术投入都只能维持在‘AI 试用’层级。
智能体工程若未与具体业务流程中的决策节点、审批环节、交付物标准强绑定，就无法摆脱个人提效局限；这类系统注定难以沉淀为组织能力，也难以规模化复用。
RAG 知识工程的有效性，不取决于文档入库数量或向量精度，而取决于知识调用是否发生在真实业务动作的必经路径上；脱离流程上下文的知识检索，本质上仍是个人辅助行为。
AI 安全治理必须嵌入工作流本身，而非仅作为输出拦截层；例如在合同审核流程中，要求 AI 生成条款建议的同时，必须触发人工复核动作并记录判断依据，才能形成可审计的协同闭环。