惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Y
Y Combinator Blog
有赞技术团队
有赞技术团队
J
Java Code Geeks
H
Hackread – Cybersecurity News, Data Breaches, AI and More
美团技术团队
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Hugging Face - Blog
Hugging Face - Blog
人人都是产品经理
人人都是产品经理
酷 壳 – CoolShell
酷 壳 – CoolShell
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
C
Check Point Blog
博客园 - 【当耐特】
The GitHub Blog
The GitHub Blog
Recent Announcements
Recent Announcements
The Cloudflare Blog
Microsoft Azure Blog
Microsoft Azure Blog
腾讯CDC
Vercel News
Vercel News
IT之家
IT之家
MyScale Blog
MyScale Blog
博客园_首页
Martin Fowler
Martin Fowler
WordPress大学
WordPress大学
罗磊的独立博客

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
麦肯锡 AI 2025 年度报告:AI 进入深水区,但多数企业还没“游...
张艾拉 · 2025-11-28 · via 人人都是产品经理

麦肯锡最新发布的《The State of AI》报告揭示了AI在全球企业中的普及与挑战。尽管88%的企业已在至少一个业务环节中经常性使用AI,但真正实现规模化应用的企业仅占33%。本文将深入解读报告数据,探讨AI从试点到规模化的鸿沟,以及高绩效企业的成功秘诀。

麦肯锡刚刚发布了 2025 年度的《The State of AI》报告,这应该是目前针对全球企业 AI 落地最系统、最量化的一份研究。

报告调查了来自 105 个国家、1993 名企业管理者的数据,核心信息很清晰:AI 的使用已成普遍,但真正把 AI“用好”的企业依然是少数。

换句话说,AI 在过去三年完成了普及,但距离真正的生产力革命,还有一个从试点到规模化的巨大鸿沟。

这篇文章主要为大家解读麦肯锡报告里的数据和观点,大家也可搜索原文阅读。

01. 普及的速度令人惊讶,但大部分企业仍停在“岸边”

报告一开头的数据就很抓人:88% 的企业已经在至少一个业务环节中“经常性使用 AI”

三年时间,AI 的渗透速度几乎是过去任何技术都无法比拟的。

但麦肯锡的关键观察是:使用并不等于落地,更不等于价值。

受访企业中,有接近三分之二仍处于“实验”或“试点”阶段,只有约33%真正进入规模化应用。这意味着绝大多数企业的 AI 部署还停留在“局部插入式”,并没有完成与核心流程的深度整合。

规模化能力也高度倾向于大型企业:营收 50 亿美元以上的公司里,几乎一半在扩大 AI 的部署;而营收 1 亿美元以下的企业,只有不到三成进入规模化。

AI 正变成大企业的新规模红利,投入与能力的差距正在迅速拉开。

换句话说,AI 的普及是全面的,但 AI 的能力是不平等的。

02 AI Agents 的热度很高,但距离“全企业级”应用依然遥远

相比去年,今年报告最重要的新增主题是AI Agents:能规划、能执行、能处理多步骤任务的智能体。

麦肯锡的最新数据显示:

  • 23% 的企业已经在某个业务环节规模化使用 AI Agents
  • 但多数只部署在 1~2 个功能中,还没有企业做到真正的全域覆盖

当前使用最集中的场景主要包括IT 的工单自动化,以及知识管理环节中的深度信息检索。而从行业看,TMT 和医疗行业在 Agents 的采用上明显领先。

这组数据反映出一个有意思的现象:外界对 AI Agents 的讨论非常热,但企业内部的推进依然谨慎。

麦肯锡甚至用“hype cycle vs reality gap(热潮与现实的差距)”来形容当前状态。

AI Agents 正在从概念走向现实,但它还远没有成熟到“部署即规模”。

真正的挑战不在技术,而在与流程、权限体系和风险治理的对接。

03 AI 的价值正在出现,但多数企业仍处于“局部见效、整体无感”阶段

麦肯锡在报告里反复强调一个事实:企业在“局部用例”层面已经看到不错的收益,但这种收益还没有转化为企业层面的 EBIT 增长。

从数据看:

  • 39% 的企业认为 AI 对 EBIT 有正面影响
  • 但其中大多数的利润贡献只有5% 以下

换句话说,AI 没有问题,但 AI 的价值远没流到企业的利润表上。真正被感知到的价值,更多体现在非财务指标上:

  • 64% 的企业认为 AI 增强了创新能力
  • 45% 感受到客户满意度提升
  • 36% 感受到竞争差异化增强

这说明一个关键趋势:AI 不是先改变利润,而是先改变竞争格局。

至于“钱什么时候来”,取决于企业能否让 AI 从“工具”变成“流程”和“系统”。

04 麦肯锡重点关注的那 6%:为什么只有极少数企业拿到了真正的 AI红利?

麦肯锡把一类企业单独标出,称为AI 高绩效企业:它们的 AI 使用带来超过 5% 的EBIT贡献,并且自评“显著价值”。

这类企业占比只有6%。但这 6% 呈现出高度一致的行为模式,也构成了麦肯锡报告最有洞察力的部分。

第一,它们从来不把 AI 当作降本工具。

虽然 80% 的企业把效率作为主要目标,高绩效企业却更强调:创新、新业务和收入增长。

这解释了为什么多数企业停在ROI 不够高的焦虑里,而高绩效企业已经跑出了领先的增长曲线。

麦肯锡一句话讲得很好:效率是结果,不是目标。

第二,它们会彻底重做流程,而不是在旧流程上“贴 AI”。

高绩效企业中,有55%已经对关键流程进行了根本性重构,是其他企业的2.8倍。

这意味着它们不是让 AI 加速旧流程,而是用 AI 重塑流程本身。这也是 AI 能否规模化的分水岭。

第三,它们在更多业务领域大范围使用 AI。

尤其包括:市场与销售、战略与财务、产品研发。

这些本质上决定企业增长与竞争壁垒的领域,被高绩效企业率先AI 化。

第四,它们在 AI Agents 的采用上更激进。

几乎所有业务函数中,高绩效企业采用Agents的比例都是同行的3到5倍。

第五,最关键的一点:领导层的深度参与。

高绩效企业中:48% 的高管“强烈认同自己在推动 AI 落地”。是其他企业的 3 倍。

麦肯锡给出的结论很直接:AI 要规模化,不是技术问题,是高管参与度问题。

第六,它们投入更多。

有 1/3 的高绩效企业,将20%以上的数字化预算投入 AI,而其他企业只有 8%。

投入的差距,就是结果的差距。

05 就业的未来不是“消失”,而是“重构”

关于 AI 是否会导致岗位消失,麦肯锡的数据比许多人预期的更温和。

过去一年,大多数企业的人员规模基本稳定。但展望明年,预期出现了分化:

32% 的企业预计会减少员工;13% 的企业预计会增加员工。

最有可能发生变化的部门包括:战略与财务、知识管理、制造、市场与销售。

但同时,AI 相关岗位仍在快速增长,尤其在大公司里:数据工程师、软件工程师、ML 工程师、AI 产品经理、数据科学家等职位。

这进一步说明:AI 不会让人类消失,但会让许多岗位“升级换代”。

结语:AI 的普及已经结束,真正的竞争才刚刚开始

这份报告的主线非常清晰:

  • AI 的普及不是问题,AI 的规模化才是难点
  • 真正的价值来自流程重构、组织协同、领导层推动与长期投入
  • AI Agents 会成为下一阶段的重点,但现在还处于早期

如果用一句话总结麦肯锡的观点,那就是:

AI 不是一个技术决策,而是一个组织能力的考验。

未来两三年,企业间在 AI 能力上的差距,会比过去十年数字化时代的差距更大。

这份报告的意义不在于告诉企业AI 很重要,而是告诉大家:

怎样做,才真正能把 AI 变成竞争优势,而不是 PPT 上的项目名称。

以上,祝你今天开心。

作者:张艾拉 公众号:Fun AI Everyday

本文由 @张艾拉 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自作者提供