92% 的企业在用 AI，为什么只有 8% 赚到了钱？

——论企业如何合理有效地使用 AI

一、数据先摆上桌：帽子人手一顶，合身的只有个位数

10 月 27 日，德勤中国发布最新白皮书：92% 的企业已开展 AI 应用试点，但仅 8% 认为投入实现了财务和战略收益，仅 4% 实现了组织级转型。阶段分布同样刺眼——28% 还停在"实验探索（概念验证）"，56% 处于"渐进落地"，真正进入"规模化推广"和"变革重塑"的各只有 4%。

横向对照更扎心：麦肯锡口径下全球 88% 的企业在用 AI、吃到真金白银的只有 39%；BCG 更锋利——实现规模化 AI 价值的企业占 5%。合起来就是一句话：AI 已经普及，但 AI 的回报没有普及。

德勤中国主管合伙人唐捷点破了一个尴尬的账本："海外一些大厂已经发现，在整个 Token 经济上花的钱，和人员优化省下的钱相比，并不是一笔算得过来的账。"参照系并不夸张：Anthropic 招股书显示，2026 年上半年其 Token 调用收入 131 亿美元，而算力与基础设施费用高达 89.45 亿美元——连卖 Token 的公司自己，都有 55% 的营收要烧回算力里。上游尚且如此，下游买 Token 的企业拿什么谈"降本增效"？

二、病根不在技术，在三个断层

断层一：个人提效 ≠ 组织提效。白领用 AI 画 PPT、写纪要、做翻译，是点状的效率改善；但组织的损益表看的是完整流程——部门周期、单位成本、转化率。员工每天省一小时，既没缩短交付周期，也没反映在利润上，这笔节省在财务上是"看不见的钱"，而 Token 账单是"看得见的支出"。

断层二：试点 ≠ 规模。一两个部门做出漂亮 Demo 容易，把几十上百人的工作重新衔接、跑通端到端的人机协同流程才是难关。德勤与港大的联合调研给出了不及预期的十大原因，排第一的居然不是技术，而是"筒仓式组织形式阻碍创新"（33%），其后是平台架构薄弱（32%）、数据可用性不足（31%）、组织文化障碍（28%）、缺人才体系（22%）。翻译一下：多数企业买到了 AI，没买到让 AI 跑起来的组织。

断层三：FOMO ≠ 战略。过去两年大量采购的起点不是"疼了找药"，而是"看见别人吃药"。建材老板 80 万上 AI 营销系统、一年亏 60 万；餐饮连锁上 AI 客服、投诉翻三倍切回人工；还有企业强制规定"AI 代码生成占比低于 30% 扣绩效"——当"用 AI"变成考核指标而不是业务手段，帽子就从装饰变成了枷锁。

三、合理使用 AI 的六条方法论

第一，选场景看四个硬指标：高频、规则明确、数据可得、容错可控。好的 AI 场景从来不是"最炫的"，而是"账最算得平的"：客服工单分类、合同初审、质检缺陷识别、需求预测——量大、规则清晰、有历史数据、错了有人兜底。反之，判断密集、责任重的环节先别碰。

第二，以"完整流程"为单位立项，而不是以"工具"为单位采购。判断标准很朴素：这个应用是否改变了某条流程的端到端周期或成本结构？德勤的调研已经给出方向——企业 AI 投资重心正从客服、营销、编码这些"外围办公"，转向研发与核心供应链：制造业的数字孪生"自演化工厂"、医药的"AI 提假设+机器人做实验"实验室闭环、金融的秒级风险定价。烧在外围的钱赚不回来，烧进核心流程的钱才可能变成损益表上的数字。

第三，先算清总账再立项：把 Token 费、平台费、部署费、人力成本全部计入项目损益。"省了几个人天"不是 ROI；"这条流程的单位成本从多少降到多少、多久收回投入"才是。算不过账的项目，宁可不投——8% 赚钱的企业与 92% 亏钱的企业的差别，往往从立项那张表就开始分岔。

第四，组织改造先于技术部署。筒仓是第一大杀手，那么解药就是先拆墙：数据打通（31% 的企业卡在数据可用性）、跨部门流程重排、把 AI 应用绑定到部门 KPI 而不是 IT 部门的 KPI。成本上还有一条现实路径——美国约 45% 的 AI 公司在用中国开源模型，蒸馏技术与成本控制是我们的显著优势，中小企业未必需要为"最贵的模型"付溢价。

第五，重新设计人机分工：让 AI 承担动作，让人承担方向。德勤的判断是，传统"金字塔型"人才结构正转向"钻石型"——日常执行占比从 60% 压缩到 10%（交由 Agent 与机器人），战术协同与人机编排升至 40%，而处理复杂判断与从 0 到 1 创新的核心能力层从 10% 跃升至 50%。对个体的含义同样直接：每个岗位都会被拆成任务清单，纯重复、无需判断的任务会被替代；保住工作的方式不是抗拒 AI，而是成为定义问题、判断价值、驾驭 AI 的那个人。

第六，警惕两类陷阱。一是"帽子工程"：为叙事而非业务采购，被"本地化部署+FDE"包装的高价标准化软件收割；二是治理缺位：AI 产出必须保留人工审核关口，涉数据安全的场景明确边界——赋能的前提是可控，失控的自动化比低效的人工更贵。

四、结语：AI 是杠杆，不是发电机

德勤中国 CEO 刘明华的表述很准确：关键不仅是采用新技术，而是将技术转化为业务成果。AI 的本质是一根杠杆——它放大你已有的流程能力、数据质量和组织协同，却不能凭空造出这三样东西。流程混乱的企业上 AI，得到的是加速的混乱；数据扎实的流程上 AI，得到的才是复利。

所以那 8% 赚到钱的企业，赢的不是模型选得多新，而是做对了三件朴素的事：选对了流程、算清了总账、重排了组织。AI 更多是赋能，不是替代，更不是许愿机——它的回报公式从来不是"投入 Token = 省下工资"，而是"AI 承担重复 × 人专注判断 × 组织跑通流程 = 真实的损益表变化"。想明白这一点的企业，才有资格留在下一个 8% 里。

数据来源：德勤中国白皮书（2026 年 10 月 27 日发布，唐捷、刘明华、艾春荣受访表述），麦肯锡、BCG 相关调研，Anthropic 招股书；个别企业案例引自行业媒体公开报道。

文章来源：来自公开网站整理个人观点仅供参考

封面来源：网络

声明：我们致力于保护作者版权，如内容或图片涉及版权问题，请及时联系后台，我们将第一时间做出处理。