极少数企业靠“六块肌肉”从AI赚到了钱

这个数字很扎心，但它解释了为什么那么多老板和董事会，一边嘴上喊着 all in AI，一边捂着钱包。钱不是没花，是没花对地方。

真正靠 AI 赚到钱的公司，赢的其实不是技术——那些工具谁都能买到。它们赢在怎么用、多快用技术去解决真实业务问题。这背后是一套全新的组织能力，得花时间慢慢练。练成了，才是别人抄不走的护城河。

先看账本：钱是怎么变出来的

McKinsey 研究了 20 家持续从 AI 转型里赚到真金白银的公司。这些不是天天上头条的明星科技公司，而是一堆肯下笨功夫、把技术和 AI 能力一点点建起来的老牌大企业。

它们的账本长这样：

· 三年后，稳态 EBITDA 平均提升 20%。

· 每投 1 美元，平均换来 3 美元的增量 EBITDA。

· 投入不小：从 5000 万美元到超过 2 亿美元不等。

· 平均 1–2 年实现现金正流，3–4 年兑现全部收益。

一句话记住它们：不是撒胡椒面式地"千朵花齐放"，而是把力气全压在少数几个能撬动全局的杠杆点上。

二

它们做对的四件事

1. 只打关键杠杆点。三分之二的公司，聚焦的业务域不超过 3 个。选的都是那种"AI 哪怕只改进一点点，钱就是实打实"的地方——Freeport-McMoRan 盯的是矿业的选矿回收率和产量，LATAM 航空盯的是乘客体验。

2. 建"系统"，不是上"单点工具"。它们不会只押一个技术风口（比如只上生成式 AI），而是先想清楚要解决什么问题，再围绕问题搭一套系统。丰田是现成的例子：用机器学习优化预测，用 agentic 工作流帮供应链计划员，用数字化工作流让经销商和客户看到供应链的透明度。更关键的是，这套"系统"里还装着技术之外的东西——把数据质量提上去、把人的工作方式改了、把激励机制重新对齐。

3. 先摘低垂的果子。聪明的排布顺序，让前期的小胜利润养活后面的大工程。钱先转起来，再滚雪球。

4. 大手笔投入，但要高回报。关键是别遍地开花，把钱集中在杠杆点上。

三

六块肌肉，一块都不能少

光有"正确动作"还不够。McKinsey 从这些赢家里提炼出六种核心能力，而且强调：这六块肌肉互相咬合，谁也不能单独成事，且都得练五年以上。没有谁是一夜之间变成 AI 赢家的。

1. 一个真懂 AI 的高管团队。这是最重要的一块。DBS 银行的高管当年花大量时间泡在硅谷、泡在数字原住民公司里，想搞明白那些顶级科技公司真正厉害的是什么——结论是：不是工具，是能力（现代工程实践、平台化架构、规模化数据、敏捷工作方式、持续试错的文化）。这直接导致 DBS 把整个技术运营模式推倒重来。记住，这事不能甩给某一位高管，更不能往下层层转包，必须顶层团队一起扛。

2. 一线要有一批"带技术肌肉"的业务领导。AI 已经长在业务的流程和日常工作里，所以摘果子的人，必须是"懂业务 + 懂技术和数据 + 能推动端到端变革"的复合型人才。Freeport 当年要上浸出优化系统，专门调来一位既有 AI 落地经验、又在选矿运营上有威望的人，直接空降去做浸出厂的总经理，让他对最终的业务结果负责。所有赢家故事里都有这么一个人。这也意味着：在你开得起的 AI 培训班里，最值钱的不是教员工用工具，而是培养"懂技术的业务领导"。

3. 一套为速度而生的运营模式。把技术交付能力嵌进业务里，而不是放在一个孤立的 IT 部门。DBS 把工作围绕"客户旅程"来组织——开户、买房、小企业融资各是一条旅程，跨职能团队对一条旅程的端到端结果负责。企业平台（支付、客户数据、开户、信贷）被当成长期资产来养，而不是一个接一个的项目。这套打法，McKinsey 叫"分布式运营模式"，效果是又快又聚焦。但现实很骨感：只有 10% 的公司这么干了——因为把公司围绕这套模式重造一遍，需要的是远见和决心。

4. 把技术当"平台"，而不是一堆烟囱。LATAM 航空转型时，做了一个刻意决定：把面向客户的新能力，跟老掉牙的核心系统分开，直接建在云上，一开始就按 API-first、模块化来设计。结果就是，为网页做的改签功能，不用重写核心逻辑，就能搬到 App、客服中心和 WhatsApp 上。反过来的教训更值钱：一个弱平台会把一切都拖慢，还逼着公司依赖少数几个"只有他知道系统怎么跑"的英雄人物。

5. 好消化的数据。2018 年，DBS 部署一个 AI 模型要 15–18 个月——因为数据散落在各个孤岛里，光找数据、拿权限就要几个月。后来它建了统一的数据平台和 AI 平台，把数据访问权限自动化，用元数据让数据"找得到"、用数据产品让数据"用得上"。到 2023 年，部署一个模型只要 2–3 个月。这一手，帮 DBS 解锁了超过 10 亿新元（约 7.72 亿美元）的 AI 价值。

6. 从一开始就为规模化设计。AI 系统只有被真正用起来、铺开来，才创造价值——这句话像废话，却恰恰是最难的一关。采纳常失败，是因为上下游流程一动没动。Freeport 的做法是：提前定好数据和传感器的标准，让数据能顺畅流进云平台。规模化是另一道同样难的题：它发现一套 AI 系统里，60% 可以跨工厂复用，40% 得本地适配。这个 6/4 的发现，直接决定了它怎么搭团队——中央团队管共享资产，现场团队做本地适配。

四

别想跳级：三阶段，一步都省不掉

McKinsey 把这条路分成三阶段：

· 阶段一「首批胜利」：单点解决方案、软件与数据工程人才、敏捷、云和现代软件开发、数据湖、用户体验设计。

· 阶段二「规模化价值」：端到端的业务域转型、懂技术的业务领导、领域+平台模型、解耦架构和企业平台、统一且易消费的数据、为规模设计的流程。

· 阶段三「智能体企业」（agentic AI）：跨域、实时、自动化的 AI 系统，人和智能体协作、组织更扁平、团队更小。

关键提醒：每一阶段的能力都建在上一阶段之上。别幻想跳过阶段二直接冲阶段三。这也是为什么历史上靠技术打天下的行业老大，在 AI 时代往往还是老大——它们早就练出了那身肌肉。

McKinsey 的判断是：我们正处在阶段三的早早期，未来几年这些 agentic 能力会快速成熟，先练成的公司会把优势像滚雪球一样越滚越大。