麦肯锡：80%都在用AI，为什么0%跑通？

推荐语

AI应用率高达80%，但真正实现重塑的却为0。问题不在技术，而在企业是否敢于自我革新。

核心内容：
1. 麦肯锡报告揭示的AI应用四层困境
2. “增强”与“重塑”两种路径的巨大收益差距
3. 将AI视为具备“技能”的新员工，而非简单工具

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

最近看了麦肯锡发布的报告，很多企业都在用AI，但是如果内部协作和岗位没有重新设计，那其实意义不大。这个现象最直接的反应就是，大厂都开始缩减员工的token报销额度了。

以下是报告的解读⬇️

80% 在用 AI，0% 跑通。

差距不在"用没用"，在"把它当什么"

是给旧流程装新零件，还是重新招聘的新员工。

电力革命 30 年后工厂才真正围绕电力重设计，AI 革命正卡在同样的困境。

麦肯锡 《共生企业》数据：

80% 的组织停留在"生成式 AI 聊天机器人"阶段，60% 进入了"智能体任务"，只有 10% 做到了"智能体工作流"，真正进入"智能体组织"的是 0%

把 AI 当工具装到旧流程里，还是当员工重新设计流程 ——

这是过去 4 年所有公司面对 AI 时被严重低估的"第一性原理"。

一、报告里被忽略的那张图

报告里那张分布图，是整篇报告最值钱的一段。

它的核心数据是：

• 80%：AI 是个会聊天的工具，问什么答什么
• 60%：AI 能自动跑一些孤立任务，但人还在循环里
• 10%：AI 嵌入进了重新设计的工作流，人在循环之上
• 0%：AI 成了组织的基本协作单位

四层分布里，前两层是"用 AI"，后两层是"被 AI 重塑"。

绝大多数公司卡在前两层。

AI 不够聪明不是卡住的真正原因。

卡住的是公司没有勇气把自己重做一遍。

80%/0% 四层人群分布，从拥挤到独立

二、不是"增强"，是"重塑"

把 AI 嵌入现有工作流（增强），还是从零重塑工作流（重塑）。

收益差距：

问题不在模型选得多好，问题出在企业愿不愿意把自己重做一遍。

亚马逊全球运营里跑着超过 100 万个机器人，Sequoia 系统识别库存比旧系统快 75%，订单处理时间减少 25%。

这些收益不是来自"用机器人换人"，而是来自"围绕 AI 协调重塑了仓库的运营模式"。

一家全球前十大投行用 AI 智能体工厂改造工具数据运营链路，生产力提升约 40%。

同样的模型，给另一家"在旧流程上加 AI"的公司，回报趋近于零。

说白了，模型趋同以后，差距不在模型，在流程。

这是我之前写的 认知拐杖 vs 认知健身房在企业级的版本：

让 AI 当陪练，企业才进得了"重塑健身房" 

—— 流程重画，组织跟着升级。

让 AI 当拐杖，企业就只剩"假电梯"

—— 效率上去了，竞争力反而被锁死。

区别在哪？

前者逼企业重塑，后者让企业偷懒。

增强是给旧机器装新零件。

重塑是把机器图纸重画。

旧机器拆解 vs 重新设计的齿轮组

三、AI 不是工具，是技能化的新员工

报告里着重提到了"智能体技能"（Agent Skills）这个概念。

一个通用开发智能体，能起草代码，但写出来的代码不一定符合你们公司的加密规范和测试覆盖率。

给它配一个" 工程规范技能Skill "—— 把规则、异常、阈值编码成可复用组件。

同一个智能体就能端到端地写代码、写测试、生成解释。

一个通用客服智能体，能礼貌地回复。给它配一个" 索赔处理技能Skill "—— 升级路径、合规规则、退款阈值、法律验证模板。

同一个智能体就能合规处理整条索赔链路。

这种"通用智能体 + 专业技能"的产品形态，本质上就是把 AI 从工具变成了可被雇佣的专业员工。

开 Agentic 公司的 4 步法

链路是这样的：

工具 → 助手 → 技能化员工 → 同事。

走到"同事"那一步，

组织形态才真正开始变。

机器人插上多张技能卡

四、共生企业的两种失败模式

报告反复警告两种失败模式，我觉得值得记一下。

第一种叫渐进主义。在 AI 原生竞争对手已经在抢市场的时候，还在用优化前 AI 时代流程的方式做 AI。Stanford 那份 51 个成功部署的研究讲过类似的故事：每 1 美元技术投资要配 10 美元的无形投资（流程重设计、再培训、组织转型），大多数公司只肯花前 1 美元。

第二种叫过度扩张。以超出组织吸收、适应或治理能力的速度部署自主系统。Agentic AI 的七大风险里（执行失控、未授权工具调用、权限升级、问责扩散……），每一条都对应"跑得太快"。

麦肯锡给出四个成功条件：

1. 一个北极星—— 目标状态是什么，别被工具牵着走
2. 一个双重转型—— 价值实现和劳动力适应同步推进
3. 一个重塑引擎—— 把工作流重塑做成可重复的能力，不是一次性项目
4. 一个治理框架—— 给"AI 员工"配上人类的边界、责任和经济学控制

这里面"治理框架"那条最容易被忽视。

另外，还要注意"认知税" ，指的是对少数 AI 供应商的战略依赖，正在变成对企业执行的征税。

机长不能让自己绑死在副驾驶身上。

机长稳坐主驾，副驾被线缆缠住

五、场景

报告的意图是给一条新的企业形态路线图，不是替所有公司下"必须变"的判决。

它成立的范围：

• 流程标准化程度高、变异性低的认知/物理工作（客服、文档处理、仓库拣选、初级编码）
• 数据闭环能跑通的业务（能拿到结果反馈去训练）
• 单位经济性允许"先用便宜 AI 试错"的领域

它不成立的范围：

• 高度依赖隐性经验和小样本判断的领域（早期创新、复杂谈判、危机处置）
• 数据敏感或合规要求极高、不能给 AI 自主权的领域
• 业务体量小、组织吸收能力不够的小团队—— 硬上就是过度扩张

这件事的适用范围是清楚的。

但所有企业都要回答一个问题：你打算把 AI 当工具用到什么时候？

六、你的公司把 AI 当什么

报告没给一个标准答案。

它给的是一个判断：向共生企业的过渡，既不是技术部署，也不是生产力计划。它是一场战略转型。

战略转型不靠一份新战略文档落地，在 AI 已经能做事的世界里，靠回答"我是谁、我的客户为什么买我、我靠什么差异化" 这三个老问题。

你身边的人都在用 AI，所以你也不用焦虑；

但身边的人都没有跑通，所以你也不知道真正的样子长什么样。

个人要拼判断力，

企业要拼"把 AI 当员工"的勇气。

你所在的公司，是 80%，还是 0%？

#人机协作 #组织进化  #共生企业