麦肯锡8月发布的《2026年人工智能状况：通往投资回报率之路》，出现了企业AI史上最尴尬的一组对照。97个国家、1719名受访者的调研里，80%的员工表示AI提升了自己的效率，接近一半的人说AI帮自己做出了更好的决策、掌握了新技能。落到公司层面，只有37%的受访者把息税前利润的改善归因于AI。43个百分点的落差，连续两年没有收窄。
个人在狂奔，组织在原地。
效率提升被卡在个人层面
调研覆盖的地区、行业和公司规模差异很大，员工端的感受却高度一致。C级高管、中层经理和一线员工都报告了类似的提效。问题出在传导链条上：员工省下的两小时，如果没有被重新指派到更高价值的产出上，只会变成两小时的喘息，或者把同一份PPT打磨得更精致。
麦肯锡把这类组织叫做”规模化”阶段的选手，占比从38%涨到44%。企业级AI智能体部署率从27%冲到40%，大型企业涨得最快，一年抬升13个百分点。投入端同样火热：28%的企业把ICT总预算的10%以上投向AI，60%预计还要继续加码。利润表纹丝不动，支出曲线一路向上。
影子AI让收益彻底失控
MIT媒体实验室的调研给出了同一现象的另一面。超过90%的公司里，员工在用个人账号的AI工具干活，采购了官方大模型订阅的公司只有40%。个人效率确实涨了，组织却连谁在用、用在哪、省了多少都说不清。
这就是”影子AI”。它带来三个后果：公司无法把散落在员工手里的效率收益汇总成业务指标；数据安全边界形同虚设；采购决策失去依据——明明全公司都在用AI，账面上却只有零星几份订阅。
算清人力账、漏算善后账的教训
把效率直接换算成裁员，已经有两家知名公司栽了跟头。Klarna的AI助手上线首月处理230万次对话，相当于700名全职客服的工作量，公司随即大幅缩减客服团队。一年后，CEO对彭博社承认成本成了过于主导的评估因素，”你最终得到的是更低的质量”，公司重启了人工客服的补充。澳大利亚联邦银行用语音机器人替代45名客服后，来电量不降反升，投诉激增，一个月后撤回决定并公开道歉。
两个案例的教训一致：算清了省下多少人工成本，漏算了AI失效后的善后成本，包括客户流失、品牌折损和重新招募的开销。
那6%的公司做对了什么
麦肯锡定义的”AI高绩效企业”——息税前利润5%以上归因于AI且认为影响显著——只占样本的6%，连续两年没有增长。MIT的数据是5%，BCG的数据也是5%。三家机构、不同样本，收敛在同一个区间。
这少数派的行为模式高度一致：约四分之三的高绩效企业因AI从根本上重新设计了工作流，其他企业里这样做只有四分之一；它们同时把AI用在增长和创新上，只追求降本的企业反而拿不到显著回报；它们把Token和算力当成设计约束提前规划，事后补救的企业正在被成本反噬——Uber在2026年前四个月就烧光了全年AI编码预算，只能按人头设支出上限。
职场人的三步动作
对个人来说，这份报告的启示落在三件事上。
第一，把省下的时间显性化。每周让AI节省了多少小时、用在了哪些产出上，自己先记清楚。汇报时说得出”分析周期从2天压到15分钟”，比一句”用AI提效了”有价值得多。
第二，主动认领时间的去向。省下的时间若没有安排，会被会议和杂事重新填满。把它指派给一个明确的增长型任务，比如客户洞察、流程改进，效率才会转化成个人绩效。
第三，推动工具的正式化。如果整个团队都在用个人账号处理公司业务，主动提出统一的采购和治理方案，这既能控制数据风险，也能让团队的AI使用被组织看见、被度量。
麦肯锡的结论很克制：技术迭代的速度远快于组织消化的速度，瓶颈已经从工具转移到了工作流重构。红利真实存在，只是它需要一套分配机制才能从个人口袋走进利润表。普通人能做的，是先在自己的岗位上把这套机制跑起来。
苏公网安备32010502011527号
发表回复