AI现状报告：80%提效与37%利润的落差（附报告下载）

个人生产力涨了，公司利润却没跟上——这可能是2026年AI落地最真实的一张体检报告。

麦肯锡发布的《2026年人工智能发展现状：迈向投资回报之路》，用一组对照数据点出了这种落差。调查覆盖1719名各层级参与者，调研时间为2026年5月4日至6月8日。结论是：80%的受访者表示AI提高了个人生产力，50%表示AI帮助他们做出更好的决策；但只有37%的受访者报告AI已对其组织的息税折旧摊销前利润（EBIT）做出积极贡献，这与2025年基本持平。

报告把这个矛盾归因于部署方式：组织正在部署代理式编码工具，同时努力应对人工智能的成本，并试图捕获员工个人使用AI所获得的更多益处。本文按落差、使用深化、代理式AI、自建与成本、高绩效者五段梳理。

一、最大的落差：80%的个人提效与37%的企业利润

报告的核心发现，就藏在这两个数字的对比里。

个人层面，收益相当扎实：80%的受访者表示AI提高了他们的个人生产力，50%的受访者表示AI帮助他们做出更好的决策。

但企业层面，财务影响并未遵循相同轨迹。报告指出：报告称AI为其组织EBIT做出贡献的受访者比例与去年基本持平，仍为37%；将AI使用至少归因于5%的EBIT、并将该技术的影响描述为"重大"的"AI高绩效者"仅占受访者的6%，与2025年持平。

值得注意的是，与个人收益相比，企业还提到了其他全组织范围的益处：最显著的是创新、竞争优势、客户满意度和员工满意度方面的改进——但这些改进并没有等量地转化为财务数字。

解读："80% vs 37%"这个落差，是整份报告最有价值的一页。它说明AI带来的收益目前主要沉淀在"个人效率"层面，而要从个人效率传导到企业利润，中间还隔着一道关口——组织级的流程改造与财务归集。这也能解释为什么很多企业的员工都觉得AI有用，但老板在报表上却看不到AI的价值。对管理者而言，这道落差的含义是：单纯采购工具、鼓励个人使用，无法自动变成利润；必须有人去把零散的效率增益，重新组织成端到端的业务改进。

二、使用深化：近九成企业已常规使用AI

报告对"使用广度"的追踪，呈现出一条持续上行的曲线。

报告统计了"至少在1个业务功能中使用人工智能的组织"比例，历年数据依次为：2018年47%、2020年58%、2022年56%、2024年55%、2026年约88%~89%。近九成的受访者表示，已在至少一个业务职能领域常规使用人工智能。

使用的深度也在同步提升。2026年，在三个或更多职能中使用AI的受访者比例从51%上升到56%。报告对此的判断是：使用人工智能的组织正越来越多地进入规模化阶段，组织已持续超越实验阶段。

需要说明口径的变化。报告特意提示：2025年和2026年，"使用AI"的定义已变为"在至少1个职能领域常规使用AI"，与此前的口径不同——这也解释了为什么近年数据会出现口径调整后的跃升。

解读："从实验到规模化"是这一节的题眼。90%左右的常规使用率意味着，"要不要用AI"这个问题在企业界已经基本有了答案；而"三个或更多职能中使用"比例升到56%，则说明企业正在从"单点试用"转向"多部门铺开"。这个阶段的特点往往是：使用面变广了，但价值密度反而被稀释——因为铺开容易，做深困难。这也正好解释了前一节"提效却不增利"的落差。

三、代理式AI：大型企业领跑，40%已扩展

报告对"代理式AI"（Agentic AI）的追踪，揭示了企业分化的一条主线。

报告给代理下的定义是："基于基础模型、在现实世界中运行并能自主规划执行工作流多步骤的AI系统"。这个定义比聊天机器人更进一步——它不仅对话，还要自主执行多步工作流。

使用程度的分化很明显。在年收入超过10亿美元的大型组织中，有40%的受访者报告正在扩展AI代理，较去年的27%有显著上升；而年收入不超过10亿美元的小型组织中，报告正在扩展AI代理的比例保持稳定，为22%。报告还提到，许多组织已经开始扩展软件编码代理，大约十分之一正在扩展（大型企业中为31%）。

行业差异同样显著。受访者最常报告在IT领域扩展AI代理；技术、媒体和电信行业的受访者最有可能报告在职能范围内扩展人工智能代理；消费品和零售行业通常在市场营销和销售活动中使用代理；从事先进制造业（如汽车、航空航天和半导体公司）的员工则在使用代理进行供应链和库存管理以及制造过程。

解读：大型企业与中小企业的分化（40% vs 22%），是这份报告里最值得注意的结构性信号。它意味着代理式AI正在成为一道新的"规模门槛"——有能力投入资源做流程重构的大企业跑得更快，而中小企业则相对停滞。这背后的原因不难理解：代理要真正创造价值，前提是业务本身已经足够结构化、数据足够可用，而这恰恰是大企业的优势。对中小企业而言，这提示了一个策略选择：与其全面铺开代理，不如先在某个高价值、高结构化的职能上做深一个。

四、自建与成本：32%的企业决定不买了

报告披露了两个正在改变"AI经济学"的变化。

第一个变化是"自建替代采购"。报告指出，各组织正使用自动化编程工具自行构建软件，而非购买。近三分之一的受访者（32%）表示，他们的组织已决定不购买一个或多个软件产品或功能，因为这些可以通过自动化编程工具内部构建。报告判断，这可能是人工智能开始重塑技术预算分配的信号。

第二个变化是成本开始成为约束。报告显示：大约20%的受访者报告称，与人工智能相关的运营成本（包括代币成本）限制了他们的AI使用。但大多数受访者预计其组织将在未来一年增加对人工智能的投资。

报告还提到，"代币经济学"（tokenomics）这一概念正在进入高层视野：首席财务官（CFO）和首席人工智能官（CAIO）越来越多地谈论"代币经济学"以及人工智能的投资回报率（ROI）。

解读："32%的企业决定不买软件了"这一条，可能是整份报告对软件行业冲击最大的一条。它的含义是：AI编码工具正在把一部分"软件采购预算"变成"内部开发能力"。对SaaS厂商而言，这是一个需要警惕的结构变化——当客户可以用AI自己搭出够用的功能时，标准化产品的护城河会变浅。而对CFO来说，"代币经济学"成为议题则说明，AI的投入已经大到需要用财务模型来管理了：20%的企业已感受到成本约束，这意味着AI的ROI计算，正在从"要不要做"进入"怎么算得过来"的阶段。

五、高绩效者的秘密：重新设计工作流

报告最有行动价值的部分，是对"高绩效者"的特征刻画。

报告开宗明义地给出了判断：表现优异的组织在追求效率的同时，也追求增长和/或创新；它们从根本上重新设计由人工智能赋能的工作流程，而不是将AI嵌入现有的工作流程；并且它们凭借领导层的承诺和运营的严谨性来支持其部署，从而实现真正的收益。

数据支撑这个结论。报告显示：近四分之三的高绩效企业报告称，由于使用AI，其工作流程进行了根本性重新设计，这一比例从去年的55%有所上升；相比之下，只有四分之一的其他受访者报告了这种情况。此外，高绩效者还计划以更高的比例（3.3倍）在未来三年内利用AI从根本上改造其业务。报告指出，他们在部署AI的方式和程度上都有别于同行：采纳更广泛的最佳实践、部署更广泛的AI技术、并积极管理AI相关风险。

关于劳动力，报告给出了一个需要谨慎解读的数字：39%的受访者预计未来一年其组织总就业人数将因AI相关原因而减少，而去年这一比例为32%（43%的受访者预计不会有变化）。但报告同时提示，去年调查中预期劳动力减少的比例，大约是现在报告过去一年实际减少比例的两倍。

报告最后的总结颇具方法论意味。麦肯锡合伙人塔拉·巴拉克里希南在评论中指出：持续面临的挑战，对所有组织而言，是避免仅仅积累工具或试点项目，而是要建立一种可重复的能力，将这些努力转化为新的工作方式。这要求业务领导者重新构想端到端的工作流程，决定角色和能力应该如何转变，并建立跨职能的运营能力来推广行之有效的方法。

解读："重新设计工作流"与"把AI嵌入现有工作流"，这两个说法的差别，其实正是"37%利润"与"6%高绩效者"之间的那道门。把AI塞进旧流程，最多是让旧流程跑快一点；而推倒重来设计新流程，才可能改变成本结构和产出方式。而报告同时给出的"预期减少比例是实际减少比例两倍"这一提示，则提醒人们不要被"AI裁员"的叙事吓到——企业在预期层面往往比现实更激进。对个人而言，最务实的应对不是焦虑岗位，而是让自己站到"重新设计工作流"这一侧：因为报告反复强调，能被重新设计的流程会越来越多，而能设计流程的人，始终稀缺。

六、常见问题解答（FAQ）

1. 这份报告的调查范围和核心结论是什么？

报告为麦肯锡《2026年人工智能发展现状：迈向投资回报之路》，调查覆盖1719名各层级参与者，调研时间为2026年5月4日至6月8日。核心结论是个人收益与企业财务影响之间存在落差：80%的受访者表示AI提高了个人生产力，50%表示帮助做出更好决策；但只有37%的受访者报告AI已对组织EBIT做出积极贡献，与2025年基本持平。报告将主要矛盾概括为：组织正在部署代理式编码工具、努力应对AI成本，并试图捕获员工个人使用AI所获得的更多益处。

2. 为什么个人生产力提升没有转化为企业利润？

报告虽未直接给出单一因果，但从数据中可以看出关键线索。个人收益主要集中在"生产力"与"决策质量"两项主观体验上，而企业级财务影响（EBIT贡献）需要经过组织级流程改造才能实现。报告对高绩效者的刻画提供了反证：他们"从根本上重新设计由AI赋能的工作流程，而不是将AI嵌入现有工作流程"，且近四分之三的高绩效企业报告工作流被根本性重新设计，而其他受访者中这一比例仅为四分之一。可见差距不在使用与否，而在是否重构流程。

3. 企业使用AI的普及度到了什么程度？

相当高，且仍在深化。报告统计"至少在1个业务功能中使用AI的组织"比例：2018年47%、2020年58%、2022年56%、2024年55%、2026年约88%~89%，近九成受访者表示已在至少一个职能领域常规使用AI。使用深度上，在三个或更多职能中使用AI的受访者比例从51%升至56%。需注意口径变化：2025年和2026年"使用AI"的定义已改为"在至少1个职能领域常规使用AI"。报告判断，使用AI的组织正越来越多地进入规模化阶段。

4. 代理式AI的采用情况如何？

分化明显，主要由大型企业推动。报告将代理定义为"基于基础模型、在现实世界中运行并能自主规划执行工作流多步骤的AI系统"。数据上，年收入超过10亿美元的大型组织中，40%的受访者报告正在扩展AI代理，较去年的27%显著上升；而年收入不超过10亿美元的小型组织保持稳定在22%。行业上，IT领域最常报告扩展代理；技术、媒体和电信行业最积极；消费品与零售多用于市场营销和销售；先进制造业（汽车、航空航天、半导体）多用于供应链库存管理和制造过程。

5. AI的成本和软件采购有什么新变化？

两个变化值得关注。一是"自建替代采购"：32%的受访者表示组织已决定不购买一个或多个软件产品或功能，原因是可通过自动化编程工具内部构建，报告认为这可能是AI开始重塑技术预算分配的信号。二是成本约束显现：约20%的受访者报告AI相关运营成本（包括代币成本）限制了其AI使用，但大多数受访者预计未来一年将增加AI投资。此外，"代币经济学"正进入高层视野——CFO与CAIO越来越多地讨论代币经济学与AI投资回报率。报告还提到劳动力预期：39%的受访者预计未来一年总就业人数将因AI相关原因减少（去年为32%），但去年预期减少的比例约为现在报告实际减少比例的两倍。想持续跟踪人工智能应用、企业数字化转型与投资回报研究的报告数据，可以到运营动脉（www.yydm.cn）检索，站点同时提供报告库、方案库、课件库与模板库，7W+精选资料、每月更新1000+份，适合做AI与组织研究时集中取用。