10 个关键问题问与答
麦肯锡公司｜增长、营销与销售业务部
七大误区阻碍企业在 AI 驱动的全新增长时代实现增长。破除误区，企业管理者需要重新设计商业决策的制定模式。
本文由戴维・希夫、扬‑克里斯托夫・克斯特林、凯特・西格尔、莉萨・哈克尼斯、萨沙・莱曼、史蒂夫・赖斯、蒂亚克・弗罗伊特联合撰写，汇集麦肯锡增长营销销售部、战略与企业融资业务部的观点。 2026 年 8 月
AI 正在颠覆数十年来形成的诸多固有增长逻辑。增长的底层逻辑并未改变，但企业借助 AI 创造、获取、规模化增长的方式已经彻底改写竞争格局。这就好比篮球运动引入三分球：比赛底层规则没变，但夺取总冠军的竞争策略被彻底重塑。
增长竞赛已经迈入全新时代。抢占先机的企业深刻意识到，AI 正从根源改变需求挖掘、客户转化与价值创造模式。尽管每位首席执行官都渴望实现高于市场平均水平的增长，但 AI 领域的先行者目标更为宏大。这些企业围绕 AI 重构商业运营体系，而非单纯部署新技术，实现了息税折旧摊销前利润（EBITDA）提升 20% 及以上的成果 。
这并非纸上谈兵的理想成效。例如全球家庭与健康消费品巨头利洁时（Reckitt），通过一场雄心勃勃的增长转型，解锁超 5 亿美元新增营收。该企业运用 AI 模拟与情景推演工具优化商业定价、促销与产品组合决策，同时指导一线销售团队优先开展哪些终端陈列工作，落地实实在在的业务价值。另一个案例是新加坡星展银行（DBS），依托 AI 重构业务模式，创造了数亿美元业务价值。
但取得这类成果的企业仍属少数。麦肯锡一项全球调研显示，近 90% 企业至少在某一项业务中常态化使用 AI，但仅有 37% 受访者表示 AI 对企业息税折旧摊销前利润产生了实际影响 ²。领先企业与落后企业之间的差距还在持续拉大。最新研究表明，60% 的市场头部企业实现两位数营收增长，而表现落后企业中该占比仅为 21%³。
想要缩小差距，把 AI 真正变成增长增效引擎，首席执行官必须从根本上重塑运营模式，做到迭代更快、方向更清晰。第一步就是摒弃那些会摧毁增长愿景的认知误区。
AI 与增长：常见误区与现实认知
根据实践经验，有七大普遍误区束缚企业管理者，让 AI 无法转化为实际业务价值。
限制增长抱负的误区
- 误区：设立高于市场平均的增长目标就足够。现实：AI 拔高了增长的上限。
约 75% 企业都设定了跑赢大盘的增长目标，但这还不够大胆⁴。研究发现，以 AI 为支撑、敢于设定宏大增长目标的头部企业，所能释放的业务价值几乎是自身预期的三倍⁵。 - 误区：AI 主要是提升生产效率的工具。现实：约 80% 企业用 AI 来提效，但 AI 的能力远不止于此。
真正创造巨大价值的企业，同时借助 AI 兼顾运营效率与业务效能⁶。业务效能提升能够挖掘全新需求、提高转化水平，加速业务增长与创新。
固守旧工作模式的误区
- 误区：把 AI 叠加到现有流程之上就能驱动增长。现实：在原有流程上硬套 AI，往往会催生大量相互孤立的 AI 应用场景，无法带来实质增长，只是徒有活动，缺少顶层架构。
AI 表现优异的企业，对业务流程进行根本性重构的概率是普通企业的三倍⁷。 - 误区：AI 转型应当由首席技术官（CTO）牵头。现实：真正带来增长的模式，是技术赋能业务转型，把人放在核心位置。
表现顶尖的企业中，有一半由技术团队与业务团队共同制定战略，搭建全新增长路径⁸。
阻碍价值落地的误区
- 误区：规模化落地 AI，本质就是技术部署。现实：实现企业级增长，不只是上线新技术，还涉及全新工作方式、人才能力以及治理机制。
完成这类变革，需要专门投入变革管理资源。经验法则：企业每在 AI 项目投入 1 美元，就需要配套至少 3 美元（部分场景投入更高）用于变革管理⁹。 - 误区：AI 项目需要很长时间才能在损益表体现价值。现实：实践表明，AI 先行者往往短短数周就能看到先行业务指标改善，聚焦高价值商业业务流程、快速迭代，3‑6 个月内即可创造可观的经济价值。
- 误区：落地 AI 必须拥有完美的数据。现实：优质数据固然重要，但 80% 企业无需搭建数据湖或者全盘重构数据架构，就能获取 AI 价值。
“够用的数据” 就足以快速挖掘业务收益。
注释： ¹《AI 转型宣言》，麦肯锡季刊，2026‑04‑07 ²《全球 AI 现状调研》，麦肯锡，2026（待发布） ³ 市场头部企业定义：市场份额同比增长超 10%；落后企业：同期市场份额下滑超 5%。数据来自麦肯锡 2026 全球 B2B 调研，调研覆盖 13 个国家近 4000 位 B2B 决策者，横跨多个行业。 ⁴《打破固有模式：顶尖增长转型企业的五大特质》，麦肯锡，2024‑12‑16 ⁵《实现增长：重塑管理者思维与行为模式》，麦肯锡季刊，2025‑01‑13 ⁶《2025 年 AI 现状：智能代理、创新与转型》，麦肯锡，2025‑11‑05 ⁷《2025 年 AI 现状：智能代理、创新与转型》，麦肯锡，2025‑11‑05 ⁸《麦肯锡 2026 全球科技议程》，麦肯锡，2026‑02‑09 ⁹《走出生成式 AI 蜜月期：CIO 从试点走向规模化的七大现实》，麦肯锡，2024‑05‑13
搭建 AI 驱动的商业增长引擎
企业管理者想要摆脱增长误区，打造全新商业增长引擎，需要落实一系列协同行动（见图表 1）。这些行动虽按顺序罗列，但优秀企业不会把它当作线性流程，而是构建一套持续运转、通过快速学习循环不断优化的系统。
树立宏大目标：持续挖掘增长机会
过去企业依靠定期战略复盘，基于汇总市场数据寻找增长机会。AI 改变增长的底层成本逻辑：机会挖掘从阶段性工作，变为持续不间断的工作模式。企业现在可以分析客户具体行为、本地市场态势、价格敏感度，捕捉正在涌现的需求蓝海。
与此同时，AI 大幅降低机会试错成本。企业可以大规模开展个性化客户运营，快速测试营销方案，切入过去成本过高、难以盈利的细分市场与地域。企业可以借助 AI 制定整体战略。
一家工业分销商就利用 AI 重构业务拓客模式，从交易型销售转向预测式销售。过去销售团队高度依赖人脉销售、本地经验和人工挖掘线索，识别潜在项目，销售窗口期短，业务波动大。
该分销商搭建 AI 驱动引擎，持续抓取建筑许可、项目动态、客户历史、产品数据等信号，预判潜在需求。系统抓取公开建筑审批信息，精准定位客户采购窗口期，输出最优销售动作建议，生成包含产品推荐、优惠券的个性化客户触达内容。
这套系统对接 Salesforce 客户关系管理系统，销售代表可直接审阅、编辑、发送邮件给到客户。最终带来约 3‑4 亿美元增量毛利。
这给首席执行官的核心启示：AI 让增长不再是阶段性规划任务，而是一套持续在线的商业能力。
重塑工作模式：将 AI 嵌入全部商业运营
领跑企业不断缩短客户信号、业务决策与落地行动之间的距离。AI 让商业决策融入日常工作流：持续解析业务信号，输出最优行动建议，在人工监督下执行大量常规决策。少数人员搭配 AI 系统，就可以完成过去需要整个部门才能实现的个性化运营、实验测试与业务优化。
要实现这一转变，首席执行官与首席商务官（CCO）不应把重心放在采购 AI 工具，而要重新设计商业决策的生成逻辑（图表 2）。AI 表现优异企业，对业务流程做根本性重构的比例几乎是同行的三倍，而不是简单对原有流程自动化 ¹⁰。重构需要明确把商业决策逻辑融入实际工作流程。
利洁时的收益增长管理（RGM）与智能执行转型就体现这种累积效应。不再依靠分析师输出分析结果，定价负责人通过自助平台，实时测试促销排期、动态价格弹性曲线。规划人员模拟竞争对手动作、通胀变化等复杂市场情景，寻找最大化营收的最优路径。产品团队借助 AI 生成的消费者画像，数秒内完成新包装原型，获取模拟反馈。在终端智能执行层面，AI 向销售团队输出执行建议，指导各销售网点落地动作。这套组合举措，推动项目预期净营收增量同比提升 25%¹¹。
关键在于，利洁时从业务团队实际工作任务倒推 AI 能力搭建。企业意识到落地新一代收益增长管理系统，需要在业务开展的现场对业务人员开展培训，例如制定销售计划、品牌策略的场景。基于真实市场数据开展实操培训，现场验证分析洞察的业务价值，加速全员接受变革，规模化改变业务行为。
注释： ¹⁰《2025 年 AI 现状：智能代理、创新与转型》，麦肯锡，2025‑11‑05 ¹¹《数字科学：赋能利洁时实现增长》，利洁时，2025‑06‑10
案例证明，要把 AI 编码嵌入业务流程，而不是单纯加快单项任务速度。首席执行官与首席商务官的角色越来越聚焦：设定运行规则、关键绩效指标、资金审批门槛、上报机制、风险容忍度以及资源优先级，保障系统高速运转同时风险可控。
加快落地节奏：规模化释放业务价值
增长来源于把验证有效的模式复制到不同产品、渠道、地域与客户群体。过去，规模化需要大量人力、本地协同与手工操作。AI 改变这套成本结构。
增长速度领先的企业，会标准化支撑业务决策的底层模型。搭建可复用组件，例如客户意向模型、定价逻辑、营销方案生成系统、销售智能代理、实验环境、业务效果指标，跨业务复用，不用增加人员规模和组织复杂度。
首席执行官与首席商务官需要把握标准化与本地化的平衡。越来越多企业将核心数据、模型、治理与决策系统集中管理，同时下放实验、客户运营、市场适配权限。成功策略可以在组织内快速推广，同时适配各地市场实际情况。
利洁时推广收益增长管理解决方案就遵循该思路。数据成熟度高的发达地区使用高级版本；其他国家先使用简易版本，完善数据基础，适应数据驱动的业务模式，再开放高阶功能 ¹²。
Salesforce 同样印证一体化 AI 体系的重要意义。企业推出 Agentforce 平台，用于搭建、部署、治理 AI 智能代理，确保代理对接 Data 360 数据云。智能代理基于可信业务上下文开展推理，而非零散数据源。Salesforce 披露，2026 财年 Data 360 处理 112 万亿条记录，同比增长 114%，体现完善的数据底座对智能代理性能的支撑 ¹³。
Salesforce 没有把 AI 作为独立模块，而是将智能代理嵌入客户已经在用的销售、服务、营销、交易核心工作流。智能代理和员工在同一套系统内协同，遵循统一流程、权限与管控。同时配套灵活定价降低使用门槛，帮助客户管控 AI 支出，提升存量客户的采纳率。企业推出 “智能代理工作单元” 标准化指标，用于衡量平台内智能代理完成的工作量，方便客户追踪管理效果。Salesforce 披露，2027 财年第一季度 Agentforce 年度经常性收入达 12 亿美元，同比增长 205%，超 50% 订单来自存量客户 ¹⁴。
一体化 AI 模式的价值，在销售辅导场景体现得淋漓尽致：AI 帮助一线管理者从监控业务活动，转向优化业务结果。过去管理者大量时间处理仪表盘、核对客户关系管理系统记录、准备一对一会谈，掌握的信息有限。AI 赋能销售团队，在业务开展过程中提供辅导，提升业绩。
AI 整合客户关系管理数据、客户档案、销售漏斗、销售行为记录、客户交互、同行对标，定位最有价值的提升方向。不再仅仅提示销售代表业绩未达标，AI 还可以识别问题，例如产品推荐面过窄、过早使用折扣、方案没有定制化等。
反馈几乎可以实时完成。AI 工具分析通话录音、会议纪要、客户笔记，交互结束立刻给到销售反馈。管理者可以看到团队共性问题，精准介入辅导，拉动增长。某建筑行业企业，把 AI 辅导融入商业体系，仅仅 9 周，客户转化率提升超 20%。
注释： ¹²《利洁时宏大愿景：运用 AI 重新定义收益增长管理》，麦肯锡，2026‑01‑15 ¹³《Salesforce 公布 2026 财年第四季度及全年财报》，Salesforce 新闻稿，2026‑02‑25 ¹⁴《Salesforce 公布 2027 财年第一季度财报》，Salesforce 新闻稿，2026‑05‑27
首席执行官当下可以落地的行动
搭建 AI 驱动的增长引擎，需要投入时间与资源，但实践证明企业可以快速取得进展，优先落实下面三项工作：
- 数天内完成全部 AI 增长机会摸排，而非耗时数月。
不要只盯着手上已有的一两个 AI 应用场景。借助高级 AI 工具、内部与第三方数据、行业基准，开展全面自我评估，识别 AI 可以创造盈利增长的方向：挖掘全新需求池、服务未被满足的细分客群、优化定价、赋能销售。首席执行官应当推动团队快速输出完整机会视图。聚焦 1‑3 个价值最高的业务领域集中发力。 - 对齐具体业务结果，敢于确立宏大目标。
将机会转化为少量可衡量的具体业务结果（例如市场份额提升、利润率改善），明确时间节点。目标要足够有挑战性，倒逼管理层重新思考增长模式。参考跨行业、跨地区标杆，校验目标的合理性，定义 “优秀” 标准，转化为组织可以共同奋斗的具体指标。首席执行官推动团队制定具备挑战性的目标，推动全组织为之落地。 - 组建跨职能团队，配套充足资源。
不要指望 AI 技术部门独自交付结果。组建小规模跨职能团队，集合业务、技术、数据、运营人才。首席执行官联合业务负责人搭建团队，把团队导向高价值业务流程，重新调配资金、人力与关注度予以支持。变革节奏很快，首席执行官要鼓励快速迭代，包容试错学习。
真正把 AI 转化为增长动力的企业，并不一定拥有最炫酷的模型。它们搭建可复现的业务系统，帮助一线销售持续构建商业竞争优势。
作者简介戴维・希夫，麦肯锡奥斯汀办公室高级合伙人；扬‑克里斯托夫・克斯特林，慕尼黑办公室高级合伙人；凯特・西格尔，底特律办公室合伙人；莉萨・哈克尼斯，康涅狄格办公室合伙人；萨沙・莱曼、蒂亚克・弗罗伊特，汉堡办公室高级合伙人；史蒂夫・赖斯，亚特兰大办公室高级合伙人。
鸣谢埃里克・拜科夫斯基、乔纳森・舒尔曼、特雷・维斯特对本文的贡献。 本文编辑：巴尔・塞茨，纽约编辑部主编。
版权 ©2026 麦肯锡公司，保留所有权利。
补充说明
-
专有名词：EBITDA息税折旧摊销前利润；RGM(Revenue Growth Management)收益增长管理；AgentforceSalesforce 智能代理平台；ARR年度经常性收入； -
原文中 Exhibit 1、Exhibit2 为报告图表，原文图表文本残缺，翻译保留对应说明； -
force multiplier，军事衍生商业术语，译作增效引擎 / 力量倍增器，本文统一译为增长增效引擎。