先说一组让人有点分裂的数字。
毕马威《2026 全球技术报告》里,88% 的受访企业已经把"代理式 AI"接进了自家系统。听着像全班都交了作业,热火朝天。
同一份报告的另一栏,白纸黑字写着:能在多个 AI 用例上真正收回投资的企业,只有 24%。
88% 的人在桌上玩牌,赢钱的不到四分之一。

也就是说,你花大价钱请回来的那个"数字员工",很可能正在你的系统里一声不吭地烧钱。Token 一拨拨花出去,换回来的价值,却算不出个准数。而另一边,行业峰会上的 PPT 还在告诉你,AI 是十年一遇的风口,错过就落后了。于是更多企业趋之若鹜,继续往里加码。
钱去哪了?这是每一个中小企业主、每一位业务负责人,现在就得想清楚的问题。
【一、你请的"数字员工",可能是个换了工牌的旧同事】
先别急着怪 AI 不争气。第一个坑,是你以为的智能体,压根不是智能体。
很多人觉得,智能体就是聊天机器人换了个马甲。这口锅,一半得甩给厂商。
正经区别是这样:聊天机器人是你问一句、它答一句,像打客服热线;智能体是你给它一个目标,它自己拆任务、调工具、把流程跑下来,像个能自己找活的实习生。
但"实习生"这三个字前面,得加个限定。市面上有太多假实习生。
Gartner 点过名,全球上千家自称做智能体 AI 的供应商,真正够格的只有 130 家上下。剩下的玩法,业内有个专门的说法,叫"代理洗白":把原来的 RPA、旧聊天机器人重新包一下,贴上智能体的标签,价格翻一倍,能力原地踏步。
于是你公司花大价钱买回来的"数字员工",可能只是个换了工牌的旧同事。它不会自己找活,更不会替你把流程跑通。它只会把你原来那套东西,用更贵的价钱再卖你一遍。
这是第一层错觉:你以为在买能力,其实在买标签。
【二、雇了个博士生,天天让他贴发票】
第二个坑,藏在场景里。
艾瑞咨询的研报显示,67.3% 的大中型企业智能体项目,还停在探索试验阶段。大量应用集中在文档总结、问答查询这类浅层活儿上。
这相当于什么?相当于你高薪雇了个博士生,结果天天让他帮忙贴发票。活是干了,工资可不低。
更扎心的是成本。单次查询的耗电,从传统搜索的 0.3 瓦时,涨到了大模型的 2.9 瓦时,接近十倍。Gartner 预计 2026 年全球数据中心用电量会到 565 太瓦时,同比增长 26%。
你让智能体多干一点活,电费单先替你心梗。
"心梗"的地方还不止电费。IDC 的数据更直接:88% 的企业 AI 试点没进得了正式生产,每 33 个概念验证项目,只有 4 个左右走到规模化部署。42% 的企业在 2025 年放弃了自己多数的 AI 计划。这个数字,上一年还只有 17%。
说白了,就是演示视频里无所不能,报销单上一塌糊涂。
于是 Gartner 给了那个著名的预测:到 2027 年底,超过 40% 的智能体项目会被砍掉。理由就三条:成本失控、商业价值说不清、风险管不住。
你看,问题的根源,从来不是模型不够聪明,是太多企业把"用上了 AI"当成了"转型成功",把"能聊天"当成了"能干活",把 Token 的消耗当成了业务的进步。
【三、Token 在无声中烧尽,价值在报表里消失】
这也是今天最值得警惕的地方:Token 烧掉了,账上却看不到钱。
中小企业的老板对"投入"极敏感,可偏偏 AI 这笔账,特别容易做成糊涂账。
IDC 算过一笔账。一个范围明确的首次用例,实施成本在 5 万到 25 万美元之间;持续运营的单 Agent,月成本在 3200 到 13000 美元。这些数字本身不是障碍,障碍在于它们很少被完整地放进立项时的预算模型里。
预算里有的,是基础设施、许可费、人力。没有的,是推理侧的 Token 消耗弹性、幻觉修正带来的返工成本、多供应商集成的摩擦成本。
这三样,恰恰最贵。
更关键的发现是:对 AI 运行成本有充分可见性的企业,确立 ROI 的可能性,是缺乏可见性者的五倍。
五个字:成本可见性。
同样是烧 Token,有人烧出了 32 倍的回报,有人烧到项目被砍。差别不在模型,在于你有没有把每一分 Token 的消耗,跟每一分业务的价值对上账。
【四、赚到钱的那 24%,做对了什么】
那问题来了:同样上智能体,为什么那 24% 能赚到钱?他们和剩下的大多数,差在哪?
答案是,不追风口,先挑活儿。
浪潮信息把智能体用在内部 IT 运维上,做服务器巡检、日志分析这种规则明确、重复度极高的工作,效率提升 170 倍。注意,不是让 AI 写诗,是让它数服务器。
双汇给两万多名销售配了个叫"慧慧"的智能体,随时答疑产品知识和市场策略,销售线索转化率提升了 20%。售货员身边多了个懂行的,比让 AI 做战略规划实在多了。
再看一个海外例子。Vercel 的线索资格审核 Agent,年运行成本不到 5000 美元,替代了 10 人 SDR 团队的工作量,ROI 到 32 倍,24 小时在线,响应还快过人工。
这些案例的共同点,朴素得惊人:Agent 被嵌进了一个边界清晰、高频发生、结果可计量的流程里。
它数服务器,数得清清楚楚;它答疑,答得明明白白;它审线索,审得可量化。每一项,月底都能在报表上写出一行省了多少钱、多赚了多少钱。
而烧钱的大多数,往往把智能体放进了开放、模糊、难以计量的地方:写写方案、聊聊战略、生成点好看的文档。看着热闹,Token 一批批烧,月底一算,啥也没留下。
【五、未来该怎么走:把"风口"翻译成"账本"】
那么,中小企业的数智化转型之路,到底该怎么走?我想给你三条,都落地。
第一,先算清 ROI,再动手。
中小企业的钱禁不起试错。转型第一件事,不是追最先进的技术,是先问一句:这个场景,能不能算出省了多少时间、多赚了多少钱?
算得清的,优先做。算不清的,放一放。
第二,把一个单点场景跑通,别想"大而全"。
别一上来就规划全公司的数字化蓝图,别想着建数据中台、上全链路系统。从你眼下最痛的那个点切入:财务每天花三小时录发票,客服八成时间在重复回答同一个问题,运营天天跨平台导数据做报表。
把这一个点跑通,让全公司实实在在看到省了多少时间、赚了多少钱,后面的推广根本不用你动员,部门会主动来找你要更多。
第三,把成本可见性,当成一把手工程。
IDC 那句话值得再重复一遍:对成本有充分可见性的企业,确立 ROI 的可能性,是没有可见性者的五倍。
别让 Token 在无声中烧尽。要求每一个 AI 项目,都能回答三个问题:它用了多少 Token?这些 Token 换来了什么?月底能不能在账上,看到这笔钱回来?
最后,把毕马威中国人工智能转型办公室主管合伙人柳晓光的一句话送给你。他说,企业之所以只有 24% 能收回投资,头一个原因就是:企业仍在以技术项目、而非经营目标的方式推进智能体。
技术项目的终点是验收,做完就结束。
经营目标的终点是复利,做完还要能沉淀、能复用、能被下一个人接住。
这,就是那 24% 和剩下的大多数之间,最根本的分水岭。
AI 从来不是一件"上不上"的事,是一件"怎么用"的事。风口再大,也吹不动一本糊涂账;一本算得清、看得见、能沉淀的账,才是中小企业数智化转型真正该走的路。

