生成式AI采纳报告：懂AI的人多，把AI用进流程的企业少

本文解读：《2026生成式AI采纳研究报告：落地现状、治理与组织成熟度（英文）-Certiprof》 · 共 24 页 · 原文

这份报告最扎心的结论只有一个：个人对 AI 的熟练程度，已经明显跑在组织机构前面。Certiprof《2026 生成式AI采纳研究报告》面向 2026 年内从业者做问卷，把认知、训练、业务影响、领导力、' 治理、工具、人才策略七个维度摊开来看。

数据很直白：82.1% 的受访者自评具备中级或高级生成式 AI 知识，但只有 15.6% ' 所在企业真正把这项技术集成进了关键业务流程。这不是一个新发现，但这份报告把落差量化了，还顺手拆出了落差卡在哪几个环节。

工具早就人人都在用，真正没跟上的，是流程和组织本身。

图源：《落地现状、治理与组织成熟度》（第1页）

一、会用它的人多，制度化的企业少

先看认知这一层。受访者自评中级知识 56.5%，高级 25.6%，初级 15.5%，完全不懂的只有 2.4%。换句话说，十个人里超过八个不算是新手。这个比例放在任何一个企业软件品类里都算成熟，' 只有 15.6% 的企业在关键流程里集成 AI 这件事，才真正暴露了问题。

学习意愿也不是瓶颈。94.6% 的人在学、在考、或者已经拿到认证：41.9% 计划半年内考证，' 31.2% 已完成一项或多项正式培训，21.5% 正在读，明确不打算学的只有 5.4%。

报告特意指出，拿到正式认证的人群，其所在组织的一体化程度和战略性使用水平都更高。' 这句话可以反着读：认证不只是一张纸，它往往代表这家单位已经有人在替 AI 做组织侧的准备工作。

知识普及已经完成，接下来的瓶颈在流程侧，不在学习侧。

图源：《落地现状、治理与组织成熟度》（第2页）

二、七成企业说有效果，多数没量过

业务影响这一项，71.5% 的受访者报告了某种程度的生产力提升，比例不低。但拆开看就有点虚：自称中等提升（10%–30%）的 33.4%，小幅提升（10% 以内）的 28.5%，' 显著提升（超过 30%）的 14.2%，另有 23.9% 明确表示效果没有被测量过。

报告自己的判断是，生成式 AI 确实已经在很多组织里产生可观察的收益，' 但相当一部分人承认，正式的衡量机制还没建起来。

这带来一个很现实的问题：没有度量，就没法判断投入该往哪儿加，' 也很难在预算评审时守住已经拿到的资源。AI 项目在内部被当成福利还是当成投资，往往就差这一步。

七成说有效果，但四分之一根本没测，这更像感觉，不是结论。

图源：《落地现状、治理与组织成熟度》（第3页）

三、42.3% 只是把 AI 塞进老流程

流程改造这一组数据，是整份报告里最有区分度的地方。42.3% 的组织没有做任何结构调整，直接在现有流程里使用 AI；23.8% 只在高影响环节做定向改造；' 26.7% 表示改造正在进行、路线图在推进；真正让 AI 成为运营核心、完成多项流程重构的，只有 7.1%。

报告由此判断，多数组织仍处在采纳的早期，主要把技术用在特定活动和流程的边际改良上。' 不过超过四分之一的企业已经在动流程，说明正在从试验转向更系统的集成。

这个判断和前面的生产力数据能对上：效果好与不好，和有没有改流程高度相关。' 报告的原话是，报告了流程重构的组织，往往也报告更高的影响水平。

也就是说，把 AI 当成一个更快的输入框，收益有限；把它当成重新设计流程的理由，收益才会显现。

越是把 AI 塞进老流程，越容易得出“AI 没什么用”的结论。

图源：《落地现状、治理与组织成熟度》（第4页）

四、领导层：嘴上重视的比动手的多

领导力这一栏，报告的措辞相当克制，但数字不客气。30.6% 的受访者说领导在资源、沟通和监督上给了主动支持；31.5% 说 AI 被列为优先事项，但领导参与有限；' 22.5% 说这压根不是领导层的优先事项；只有 15.4% 表示领导自己在用 AI、以身作则。

把最后两个数字放在一起看很有意思：口头上把 AI 列为重点的比例，' 是真正自己动手的比例的两倍多。

报告把这解释为不同组织推进方式的差异：有的给资源，有的只表态，有的干脆不用。' 但对一线团队来说，这三种态度带来的结果完全不同。

领导自己不用 AI，就很难判断哪些任务值得交给模型、哪些环节的风险必须设卡。' 资源可以授权，判断力授权不了。

把 AI 写进年度目标只需一句话，领导自己用起来才是真的信号。

图源：《落地现状、治理与组织成熟度》（第5页）

五、只有 24.5% 有正式治理政策

已经落地并在用的正式 AI 治理政策，只有 24.5%，约四分之一。其余的组织里，41.4% 政策还在制定中，17.8% 没有制定计划，还有 16.3% 的人根本不知道公司有没有这份政策。

最后一类值得单独说。它不只是治理缺失，更是治理不透明：政策可能存在，但没有传达到需要遵守它的人手里。报告的判断是，AI 治理仍处在演进中，一部分组织已有政策或治理举措在推进，' 很多还停留在形式化的早期阶段。

这一点和障碍数据形成闭环：34.1% 把伦理、法律和监管列为最大障碍，' 比例高于预算的 32.2%、技能的 17.6% 和数据质量的 16.1%。

最卡人的不是钱，是不知道该按什么规矩用。

图源：《落地现状、治理与组织成熟度》（第7页）

六、三大工具吃掉一半，用例集中在写作与代码

工具层面正在收敛。ChatGPT 17.8%、Microsoft Copilot 17.1%、Google Gemini 16.1%，' 三家合计约 51%，前两名之间只差 0.7 个百分点。再往下是 Claude 12.9%、GitHub Copilot 7.2%、自研工具 4.1%、Perplexity 3.5%，' 其余图片与视频类工具都在 1.4% 以下。

报告提醒，这是一道多选题，百分比不加总到 100%。' 一家企业同时用几个工具是常态，这个生态还在扩张，而不是走向单一供应商。

用例分布同样集中。编程、数据分析与技术自动化占 35.7%，内容创作与编辑 35.4%，' 两项合计超过七成；研究与综合决策支持 23.4%，客服与用户沟通只有 5.5%。

换句话说，AI 现在主要被用在信息的生产和处理上，直接面向客户的那一端动得最少。

AI 先吃掉了写代码和写稿，最后才轮到跟客户说话。

图源：《落地现状、治理与组织成熟度》（第8页）

七、真正用起来的团队，还是少数

如果问一句“你团队里有多少人真在用”，答案比想象中保守。36.7% 的受访者所在团队使用比例在 20% 到 50% 之间，33.3% 不到 20%，' 22% 在 50% 到 80% 之间，超过 80% 的只有 8.1%。

累积下来，超过七成的团队里，真正上手的人不到一半。报告的解释是，组织处在不同的采纳阶段，最大的一块落在中间水平，' 但仍有相当比例报告团队内使用有限；同时有一小部分已经实现较广的集成。

这份报告的原文件放在运营动脉（www.yydm.cn）上，图表、口径说明和样本量都写得很清楚。

想看原文的完整版，搜标题就能打开，图表和数据附录都是齐的，不用注册。

这和前面的流程数据是一致的：使用率上不去，往往不是工具不好用，' 而是没有人把“在哪个环节用它”写进岗位职责和工作流。

信息来源这一项也说明了这一点。从业者获取新知识最主要的渠道，' 是同事、职场学习和动手试验，占 34.1%；社媒与内容创作者 32.2%，在线课程与认证 17.8%，' 研究报告与咨询报告 15.9%。

学 AI 最有效的渠道是身边人，这意味着内部示范比外部课程更值钱。

图源：《落地现状、治理与组织成熟度》（第9页）

八、人才策略还停在“加分项”

人才策略这一组数据，把组织的犹豫写得很清楚。42.2% 的组织在招聘时会看重 AI 相关技能，但并不作为正式要求；35.4% 完全没有调整人才策略；' 15.4% 已经把 AI 技能列为必需，并重新定义了相关岗位；只有 6.8% 设立了专门的 AI 岗位、' 重构了组织结构。

报告的说法是，AI 能力在人才策略里的重要性在上升，大多数组织尚未正式要求，' 但已经在招聘和专业发展决策中考虑它。

同时，一部分企业开始设新岗、改岗位要求，反映的是能力结构和组织设计的渐进演化。

把“看重但不要求”放在治理缺位的背景下看，逻辑是自洽的：' 在没有明确的使用规范之前，企业不敢把 AI 技能写成硬性门槛，因为招进来也没法界定该怎么用。

报告最后给了一个整体判断：生成式 AI 正在进入更广泛、更结构化、更偏向价值创造的阶段，' 组织正在努力把试验转成可持续的业务成果。

89 页问卷、五个关键发现与全部图表口径，都在运营动脉（www.yydm.cn）上，搜报告名即可打开。