主要发现

1. 大多数组织仍处于实验或试点阶段：近三分之二的受访者表示，其所在组织尚未开始在整个企业范围内规模化应用AI。

2. 对AI Agent抱有高度好奇心：62%的受访者表示，其所在组织至少在对AI Agent进行实验。

3. AI影响力的积极先行指标：受访者报告了在具体用例层面的成本和收入效益，64%的受访者表示AI正在赋能其创新。然而，只有39%的受访者报告了在企业层面对息税前利润（EBIT）产生了影响。

4. 高绩效组织利用AI驱动增长、创新和成本控制：80%的受访者表示，其公司将效率设定为AI计划的目标之一，但那些从AI中看到最大价值的公司通常会将增长或创新作为额外目标。

5. 重新设计工作流程是关键成功因素：半数的AI高绩效组织打算利用AI来转型其业务，并且大多数正在重新设计工作流程。

6. 对就业影响的看法各不相同：对于未来一年AI对其组织整体员工规模的影响，受访者的预期各不相同：32%预计会减少，43%预计没有变化，13%预计会增加。

---

自生成式AI工具的推出开启人工智能新纪元以来的三年间，近九成的受访者表示其所在组织正在常规性地使用AI——但进展的步伐仍然不均衡。虽然AI工具现已普及，但大多数组织尚未将其足够深入地嵌入到工作流程和业务流程中，以实现实质性的企业级效益。最新的麦肯锡全球AI现状调查揭示了一幅既有更广泛应用（包括Agent式AI日益普及）又伴随着顽固成长阵痛的图景，在大多数组织中，从试点到规模化影响的转变仍是一项进行中的工作。

AI应用持续扩大，但主要仍停留在试点阶段

我们最新的调查显示，报告其组织使用AI的受访者比例有所增加，尽管大多数尚未规模化应用这些技术。表示其组织在至少一个业务职能中使用AI的受访者比例自去年我们的研究以来有所上升：88%的受访者报告在至少一个业务职能中常规使用AI，而一年前这一比例为78%。但在企业层面，大多数仍处于实验或试点阶段（图表1），约三分之一的受访者报告其公司已开始规模化其AI项目。

图表1

报告在至少一个业务职能中使用AI的比例持续增加。

许多组织已在实验AI Agent

组织也开始探索AI Agent带来的机遇——这是一种基于基础模型、能够在现实世界中行动、规划并执行工作流程中多个步骤的系统。23%的受访者报告其组织正在企业内的某个地方规模化应用Agent式AI系统（即在至少一个业务职能内部署和推广该技术），另有39%表示他们已开始实验AI Agent。但Agent的使用尚未普及：大多数正在规模化应用Agent的受访者表示，他们仅在一到两个职能中这样做。在任何给定的业务职能中，不超过10%的受访者表示其组织正在规模化应用AI Agent（图表2）。

图表2

在任何单个职能中，报告规模化应用AI Agent的受访者比例不超过10%。

从单个业务职能来看，Agent的使用最常报告于IT和知识管理领域，在这些领域，如IT服务台管理和知识管理中的深度研究等Agent式用例已迅速发展。

而按行业划分，技术、媒体和电信以及医疗保健行业的受访者报告使用AI Agent最为广泛（图表3）。

图表3

在技术、媒体和电信以及医疗保健行业工作的受访者最常报告使用AI Agent。

对大多数组织而言，AI应用仍停留在试点阶段

AI的整体使用正在组织内部扩大。受访者越来越多地报告其组织在更多的业务职能中使用AI（图表4）。现在超过三分之二的受访者表示其组织在超过一个职能中使用AI，半数报告在三个或更多职能中使用AI（按行业细分，请参见侧边栏“几乎每个行业报告的AI使用率均有上升”）。

图表4

组织越来越多地在多个职能中使用AI。

然而，许多公司——特别是规模较小的公司——尚未将AI深度整合到其工作流程中。虽然所有受访者中只有三分之一表示他们正在整个组织范围内规模化其AI项目，但规模较大的公司——无论是按收入还是员工数量衡量——更有可能达到规模化阶段。来自收入超过50亿美元公司的近半数受访者已达到规模化阶段，而收入低于1亿美元的公司中这一比例为29%（图表5）。

图表5

大型公司在将AI应用扩展到试点阶段以外方面处于领先地位。

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

AI作为创新的催化剂

调查反馈表明，对大多数组织而言，AI的使用尚未显著影响企业范围内的息税前利润（EBIT）。

39%的受访者将任何程度的EBIT影响归因于AI，而这些受访者中的大多数表示，其组织EBIT中不到5%可归因于AI的使用。然而，受访者看到了其他全公司范围内的定性成果：大多数人表示其组织的AI使用改善了创新，近半数报告客户满意度和竞争差异化有所提升（图表6）。

图表6

受访者最常提及AI在创新、员工和客户满意度以及竞争差异化方面带来的好处。

虽然报告的企业级EBIT影响案例有限，但许多受访者表示他们正在从单个AI用例中看到成本效益——尤其是在软件工程、制造业和IT领域（图表7）。

图表7

受访者最常报告在软件工程、制造业和IT领域的AI活动中获得成本效益。

由AI使用带来的收入增长最常报告于市场营销与销售、战略与公司财务以及产品与服务开发等用例中，这与我们多年来进行此项调查所看到的情况一致（图表8）。

图表8

受访者报告在市场营销与销售、战略与公司财务以及产品或服务开发中从AI获得最大的收入效益。

拥有宏大AI议程的组织正在获得最大收益

由AI使用带来的有意义的企业级利润影响仍然罕见，尽管我们的调查结果表明，远大志向可以带来回报。那些将5%或更多的EBIT影响归因于AI使用，并表示其组织已从AI使用中看到“显著”价值的受访者——我们定义为AI高绩效组织，约占受访者的6%——报告称他们通过AI推动转型性创新、重新设计工作流程、更快地规模化、实施转型最佳实践并投入更多资金。

高绩效组织拥有转型其业务的宏伟抱负：AI高绩效组织表示其组织打算使用AI为其业务带来转型性变革的可能性是其他组织的三倍以上（图表9）。

图表9

高绩效组织比其他组织更有可能期望其组织使用AI进行企业级的转型性变革。

从AI中看到最大影响的组织通常旨在通过这些技术实现比降低成本更多的目标。虽然大多数受访者报告效率提升是其组织AI使用的目标，但高绩效组织比其他组织更有可能表示，其组织还将增长和/或创新设定为其AI努力的目标（图表10）。

图表10

无论是否符合高绩效组织的标准，那些表示其组织正在使用AI来刺激增长和/或创新的受访者，比其他受访者更有可能报告从其AI使用中获得了一系列定性的企业级效益——例如改善客户满意度、竞争差异化、盈利能力、收入增长和市场份额变化。

除了在企业层面有远大抱负外，高绩效组织表示其组织已从根本上重新设计单个工作流程的可能性也几乎是其他组织的三倍（图表11）。事实上，在所有测试的因素中，这种有意识地重新设计工作流程对实现有意义的业务影响的贡献最大。

图表11

高绩效组织在部署AI时从根本上重新设计其工作流程的可能性几乎是其他组织的三倍。

AI高绩效组织也比其同行在更多的业务职能中常规使用AI。例如，这些受访者比其他受访者更有可能报告在市场营销与销售、战略与公司财务以及产品与服务开发中使用AI。此外，高绩效组织在使用AI Agent方面比其他组织更为先进。在大多数业务职能中，AI高绩效组织报告他们正在规模化使用Agent的可能性至少是其同行的三倍（图表12）。

图表12

高绩效组织比其他组织更有可能将AI Agent带到规模化阶段。

调查结果还显示，AI高绩效组织的AI使用更常得到其领导者的支持。高绩效组织强烈同意其组织的高层领导对其AI计划表现出主人翁精神和承诺的可能性是其同行的三倍（图表13）。这些受访者也比其他受访者更有可能表示，高层领导正在积极参与推动AI的采用，包括以身作则使用AI。

图表13

高绩效组织往往拥有对其AI计划表现出强烈主人翁精神和承诺的高层领导。

除了拥有高层领导的主人翁精神和承诺外，AI高绩效组织也更有可能采用一系列实践来从AI使用中实现价值。例如，高绩效组织比其他组织更有可能表示，其组织已经定义了流程来确定模型输出如何以及何时需要人工验证以确保准确性（图表14）。这是我们测试的用于区分高绩效组织的最重要因素之一。整套管理实践与我们更广泛的Rewired研究相一致，该研究基于200多个规模化的AI转型案例。它们涵盖了从AI中获取价值所必需的六个维度：战略、人才、运营模式、技术、数据以及采用与规模化。我们测试的所有管理实践都与归因于AI的价值呈正相关。这些实践使组织能够创新并规模化地从AI中获取价值。

图表14

拥有一个敏捷的产品交付组织，或一个具有明确交付流程的企业级敏捷组织，也与实现价值密切相关。建立强大的人才战略和实施技术与数据基础设施同样对AI的成功有重要贡献，而将AI嵌入业务流程和跟踪AI解决方案的KPI等实践则进一步促进了显著价值的实现。

最后，高绩效组织正在对AI能力进行更多投资。超过三分之一的高绩效组织表示，其组织将超过20%的数字预算投入到AI技术上（图表15）。这些资源正在帮助他们将AI技术规模化地应用于整个业务：约四分之三的高绩效组织表示，其组织正在或已经规模化应用AI，而其他组织中这一比例为三分之一。

图表15

三分之一的高绩效组织将其超过20%的数字预算用于AI。

对AI影响员工规模的预期各不相同

随着组织扩大AI的使用，受访者对于未来一年AI可能如何影响其员工规模分享了不同的看法。

从组织正在使用AI的职能来看，多数受访者观察到，过去一年中由于组织使用AI，员工数量几乎没有变化。在大多数职能中，不到20%的受访者报告减少了3%或更多，更少比例的受访者表示其组织的AI使用导致他们在职能内部增加了员工人数。

然而，更大比例的受访者预计未来一年这些职能的员工数量将发生变化（图表16）。在所有业务职能中，报告过去一年因AI使用而导致职能员工规模下降的受访者中位数为17%，但预计未来一年会下降的中位数为30%。

图表16

与去年观察到的变化相比，更大比例的受访者预计明年AI将影响其组织业务职能的员工规模。

对于AI对受访者所在组织企业级总员工规模的影响，预期存在差异。虽然多数受访者预计未来一年对其组织总员工数量的影响很小或没有影响，但32%预测总体将减少3%或更多，13%预测将增加同样幅度（图表17）。大型组织的受访者比小型组织的受访者更有可能预计企业范围内与AI相关的员工规模减少，而AI高绩效组织比其他组织更有可能预计会发生有意义的变化，无论是员工减少还是增加。

图表17

对于未来一年AI对其组织员工规模的影响，受访者有不同的预期。

与此同时，大多数受访者——以及更大比例的来自大型公司的受访者——指出，其组织在过去一年中招聘了与AI相关的职位（图表18）。虽然人才需求总体上因公司规模而异，但软件工程师和数据工程师是需求量最大的。

图表18

大型组织的受访者比小型组织的同行更有可能报告在过去一年中进行了与AI相关的招聘。

随着挑战的出现，规避AI风险的努力变得更加普遍

在过去的六年里，我们的研究一致发现，大多数受访者所在的组织很少对与AI使用相关的风险进行规避。在我们最新的调查结果中，自我们上次在2022年询问与AI整体相关的风险以来，报告对个人和个体隐私、可解释性、组织声誉和监管合规等风险采取规避措施的受访者比例有所增加。（在2023年和2024年，我们特别询问了与生成式AI相关的风险。）回到2022年，受访者报告平均对两种AI相关风险采取管理措施，而今天这一数字为四种。

我们还看到，在很大程度上，组织正在经历并努力规避的风险是相互关联的：受访者更有可能表示，其组织正在规避他们已经经历过后果的每一种风险。总体而言，来自使用AI的组织的51%的受访者表示，其组织至少经历过一次负面后果，近三分之一的所有受访者报告了源于AI不准确性的后果（图表19）。不准确性是大多数受访者表示其组织正在努力规避的两个风险之一。然而，第二常报告的风险——可解释性——并不在最常被规避的风险之列。

图表19

不准确性是受访者最常表示其组织已经经历并正在努力规避的AI相关风险。

来自AI高绩效组织的受访者表示，其组织部署的AI用例数量是其他组织的两倍，他们比其他受访者更有可能报告负面后果——特别是与知识产权侵权和监管合规相关的后果。高绩效组织也试图防范更多的风险。

尽管AI的使用现已普遍，但我们的新调查表明，其全部潜力仍有待发掘。大多数组织仍在从实验到规模化部署的过渡中摸索，虽然他们可能在组织的某些部分获取了价值，但尚未实现企业级的财务影响。表现最佳的公司的经验指明了前进的道路。这些组织因其超越渐进式效率提升的思维而脱颖而出：他们将AI视为转型其组织的催化剂，重新设计工作流程并加速创新。随着包括Agent在内的AI工具的改进和公司能力的成熟，将AI更全面地嵌入企业的机会将为组织提供获取价值和创造竞争优势的新途径。

报告原文节选：

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓