2025年，距离生成式AI掀起新一轮技术浪潮已过去三年。麦肯锡最新发布的《The state of AI in 2025: Agents, innovation, and transformation》报告展现了AI在企业端的真实落地现状：一方面，AI应用普及率已突破88%，呈现出高度繁荣的技术图景；另一方面，多数组织仍未将AI真正融入核心业务流程与运营体系，距离实现显著的企业级成效仍存在不小差距。
一、AI应用的“冰火两重天”
1. 普及率再创新高，行业与职能渗透不均
报告指出，2025年已有88%的组织在至少一个业务职能中常态化使用AI，相比2024年的78%进一步提升。同时，超过七成（72%）已将AI应用扩展至两个及以上职能，半数（50%）覆盖三个或更多职能——相较2021年，这一进展可谓跃升式，意味着AI正从“可选工具”迈向“标配能力”。
从业务范围看，知识管理、市场营销与销售、IT、服务运营、产品与服务开发是AI应用最为成熟的领域。技术、媒体与电信、保险等行业的AI使用率更是突破90%。但与此同时，尽管覆盖面不断扩大，许多企业（尤其是中小型企业）仍未真正将AI融入关键业务链路与运营节奏，深度整合水平有待提升。
2. 规模化瓶颈凸显：仅1/3组织突破试点，大企业成主力军
与高普及率形成对照的是，AI规模化部署依旧进展缓慢。当前仍有近三分之二（63%）的组织停留在实验与试点阶段，只有31%迈入企业范围的规模化应用，真正实现深度集成的比例则不足5%。
企业规模之间的差异愈发明显。年收入在50亿美元以上的大型企业中，已有49%进入规模化阶段；而收入低于1亿美元的小型企业仅有29%达到这一水平。造成差距的主要原因在于，大企业具备建设AI基础设施、配置专业人才与持续投入的能力；而中小企业在资源与技术积累上相对有限，更容易陷入试点可行但难以推广的困境。
二、AI智能体（Agentic AI）是2025年最受关注的技术方向
作为依托基础模型、能够自主规划并执行多步骤任务流程的新一代AI系统，AI智能体正成为2025年企业侧重点关注的创新方向。调查显示，23%的受访者表示其企业已在至少一个业务职能中实现智能体的规模化应用，另有39%的企业仍处于试验阶段。不过，智能体整体普及度仍然有限，即便是在已规模化使用的企业中，部署范围多数也只集中在一到两个职能。
从职能分布看，IT与知识管理是智能体最主要的应用场景。例如，IT服务台管理、知识管理中的深度研究与内容生成，都是当前较成熟的智能体实践。从行业视角来看，技术、媒体与电信、医疗健康等行业在智能体落地方面走在前列。
麦肯锡高级研究员Michael Chui指出：“尽管已有近四分之一的受访者表示其企业开始规模化采用AI智能体，但从全企业视角来看，应用范围仍相对有限。这也说明，当前智能体在热度与实际落地成效之间仍存在显著差距。”
三、AI的“非财务价值”
尽管规模化应用仍有限，但AI在非财务价值上的贡献已被普遍认可。报告显示，64%的受访者认为AI提升了组织创新能力，表现为加快产品研发节奏（如利用AI生成设计方案）、强化营销创意（如AI辅助生成内容）等；同时，45%的受访者表示AI改善了员工体验（减少重复性工作）和客户体验（如智能客服缩短响应时间）。这些定性收益虽未直接转化为利润，却为企业构建长期竞争力奠定了基础。
从具体业务职能来看：
成本效益最突出的领域包括软件工程、制造业和IT。例如，有56%的受访者在软件工程场景中实现了显著的成本下降。
收入提升最明显的领域集中在市场营销与销售、战略与公司财务、产品与服务开发。特别是67%的受访者在市场营销与销售中报告了可量化的收入增长。
这些数据表明，AI正在从效率工具向增长引擎转变。
然而，这些成效更多体现在局部业务单元，尚未形成企业级的整体突破。仅39%的组织表示AI对EBIT（息税前利润）产生影响，且其中超过80%的组织中，AI贡献的EBIT占比不足5%。这表明AI的价值仍主要集中在“点状应用”，距离贯穿全链路、支撑企业整体增长还有较大空间。
四、高绩效企业的AI战略与实践
报告中最值得关注的，是那 6% 的AI高绩效组织——这些组织既实现了“AI贡献EBIT超过5%”，又明确认为AI为业务带来了显著价值。其实践路径，正在成为其他企业从工具级应用迈向价值重构的重要参考。
与之相比，普通组织的AI目标更多集中在效率提升方面：约80%的组织将降本与流程自动化作为主要方向。而高绩效组织的目标体系更加全面且具战略导向——84%仍强调效率优化，但同时有82%将增长（如营收提升、市场拓展）作为重点，79%以创新（如新模式、新业务）为关键方向。这也反映出，高绩效组织正以AI驱动企业能力、业务结构与增长逻辑的全面升级。
报告指出，工作流程的彻底重构是高绩效组织的核心特征。55%的高绩效组织会基于AI重构核心业务流程，这一比例是普通组织（20%）的2.8倍。
相较之下，普通组织更容易陷入“工具堆叠”的误区，即在既有流程中简单嵌入AI工具，却未触及流程本身的低效与瓶颈，最终导致AI难以发挥应有价值。正如 McKinsey 合伙人 Tara Balakrishnan 所强调的：“高绩效组织的AI议程，是利用技术重新想象业务，而不是在旧流程上贴一个‘AI标签’。”
在资源配置方面，高绩效组织的投入力度同样明显领先。数据显示，35%的高绩效组织将其数字预算的20%以上用于AI相关建设，这一比例是普通组织（7%）的近5倍。更为关键的是，这些投入并不仅限于技术采购，还涵盖人才补充（如引入数据工程师、AI产品经理）以及组织能力建设（如针对全员的AI技能培训），从而为AI应用奠定可持续的能力基础。
在治理上，39%的高绩效组织高层“强烈认可”对AI的所有权与承诺，是普通组织（13%）的3倍。高层的参与不仅能协调跨部门资源，还能推动AI文化落地。
五、AI对劳动力的影响
关于AI对员工数量的影响，受访者观点各不相同：
32%的受访者预计其企业总员工数将因AI而减少；
43%的人预计不会有明显变化；
13%的人预计员工数将增加。
其中，大型企业更倾向预计减少（因自动化空间大），小型企业则多认为无变化（资源有限，AI应用范围窄）。下图展示了在特定业务职能中，过去一年因人工智能导致的员工数量变化。
但报告也指出，AI对员工数量的影响并非单向减少，部分组织因拓展新业务（如AI相关服务），反而增加员工。大多数企业仍在积极招聘AI相关人才，尤其是软件工程师、数据工程师、机器学习工程师等。大型企业更倾向于招聘AI数据科学家、AI产品经理等高级别角色。
更重要的是，AI正在推动现有岗位的技能重构。例如，传统客服需要掌握AI工具的使用（如通过AI快速查询客户信息），传统财务需要具备AI数据分析能力（如用AI识别财务风险）。正如McKinsey全球研究院 director Lareina Yee所言：“未来的工作，是‘人机协作’的工作，员工需要的不是‘对抗AI’，而是‘与AI协同’的能力”。
六、AI风险的识别与应对
随着AI应用的深入，企业也开始面临更多风险。调查显示，51%的受访者表示其所在组织在过去一年中至少经历了一次AI相关的负面事件。最常见的风险包括：
不准确性（30%）
可解释性不足（14%）
个人隐私问题（11%）
网络安全（10%）
值得注意的是，高绩效企业由于部署了更多AI用例，更可能面临风险，尤其是在知识产权侵权和合规方面。
七、结语
尽管AI的使用已变得普遍，但其真正的潜力仍有待挖掘。88%的普及率是“起点”，而非“终点”。对于企业而言，真正的挑战不在于是否应用AI，而在于能否摆脱工具思维，用AI重新定义业务、重构流程。这才是AI从技术变量转化为增长增量的关键。
内容整理自：究模智
声明：此公号（ID：gh_b6a4fa62aefa）发布内容和图片的目的在于传播更多信息，版权归原作者所有，不为商业用途，如有侵犯，敬请作者与我们联系。