你可能最近也在短視頻平臺(tái)上刷到這樣一類吐槽視頻：某公司老板用了兩天豆包、刷到幾個(gè) OpenClaw 視頻，就覺(jué)得自己打通了 AI 的任督二脈，第二天就在工作群發(fā)了條消息：“從今天起，全員必須使用 AI 工具提升工作效率，各部門本周提交 AI 應(yīng)用方案。”

底下的人面面相覷：提升什么效率？哪個(gè)環(huán)節(jié)？用 AI 做什么？沒(méi)人知道。老板也說(shuō)不清楚。他只是覺(jué)得“別人都在用”，我們不能落后。

雖然段子可能有所夸張，但這種情況絕非個(gè)例。它可能是今天大多數(shù)企業(yè)（尤其是非 AI-native 的企業(yè)）推進(jìn) AI 時(shí)的真實(shí)寫照。

如果你去看各家機(jī)構(gòu)最近一年的調(diào)研數(shù)據(jù)，會(huì)發(fā)現(xiàn)一個(gè)極度分裂的畫面。

一方面，AI 的企業(yè)采納率已經(jīng)非常高了。麥肯錫 2025 年全球 AI 調(diào)研顯示，近九成受訪企業(yè)已經(jīng)在至少一個(gè)業(yè)務(wù)職能中使用 AI。德勤調(diào)查了全球 3,235 名企業(yè)高管，結(jié)論類似：AI 部署接近普遍化，42％ 的企業(yè)認(rèn)為自己在戰(zhàn)略層面已經(jīng)為 AI 做好了準(zhǔn)備。

（來(lái)源：McKinsey）

另一方面，錢花了，效果沒(méi)跟上。MIT 旗下的 Project NANDA 在 2025 年 7 月發(fā)布了一份報(bào)告《The GenAI Divide》，基于 150 場(chǎng)高管訪談、350 份員工調(diào)查和 300 個(gè)公開(kāi) AI 部署案例，得出一個(gè)被廣泛引用的結(jié)論：95％ 的生成式 AI 試點(diǎn)項(xiàng)目沒(méi)有產(chǎn)生可衡量的財(cái)務(wù)回報(bào)。企業(yè)在生成式 AI 上的年度投入已經(jīng)達(dá)到 300 至 400 億美元級(jí)別，絕大多數(shù)項(xiàng)目卡在了從試點(diǎn)到生產(chǎn)的那道坎上。

Writer 聯(lián)合 Workplace Intelligence 在 2026 年做的調(diào)研進(jìn)一步佐證了這一點(diǎn)：79％ 的企業(yè)在 AI 采納過(guò)程中面臨挑戰(zhàn)，比 2025 年增長(zhǎng)了兩位數(shù)。59％ 的公司每年在 AI 上投入超過(guò) 100 萬(wàn)美元，但只有 29％ 看到了顯著的組織層面 ROI。麥肯錫的數(shù)據(jù)更殘酷：在所有受訪企業(yè)中，只有 6％ 夠得上“AI 高績(jī)效企業(yè)”的標(biāo)準(zhǔn)。

換句話說(shuō)，幾乎所有公司都在用 AI，幾乎所有公司都在花錢，但絕大多數(shù)公司沒(méi)有從中得到什么實(shí)質(zhì)回報(bào)。

看到這些數(shù)字，很容易得出一個(gè)結(jié)論：AI 還不夠好，或者至少，AI 還沒(méi)好到能普遍落地的程度。這也是當(dāng)下非常流行的一種敘事。投資人開(kāi)始質(zhì)疑 AI 的 ROI，媒體開(kāi)始寫“AI 不及預(yù)期”的標(biāo)題，社交媒體上越來(lái)越多的討論指向“AI 也就那么回事”。

但如果仔細(xì)看那些報(bào)告的細(xì)節(jié)，你會(huì)發(fā)現(xiàn)一個(gè)被忽略的事實(shí)：那 5％ 成功落地的企業(yè)，用的是同樣的 AI 模型，同樣的技術(shù)棧，同樣的工具。模型能力不是區(qū)分成敗的變量。

MIT 的報(bào)告明確指出，問(wèn)題的核心不在模型質(zhì)量，而在于企業(yè)的組織學(xué)習(xí)能力和集成準(zhǔn)備度。通過(guò)專業(yè)供應(yīng)商部署的 AI 項(xiàng)目，成功率是企業(yè)自建項(xiàng)目的兩倍。這不是因?yàn)楣?yīng)商有什么特殊技巧，而是因?yàn)樗麄円呀?jīng)解決過(guò)一百次“把 AI 接進(jìn)真實(shí)業(yè)務(wù)流程”的問(wèn)題，而企業(yè)內(nèi)部團(tuán)隊(duì)是第一次面對(duì)，同時(shí)還在跟十幾個(gè)其他優(yōu)先級(jí)打架。

AI 安全領(lǐng)域的知名博主、同時(shí)也是企業(yè) AI 顧問(wèn) Daniel Miessler，今年 5 月寫了一篇標(biāo)題非常直白的文章：《Most Companies Aren’t Anywhere Near Ready for AI》。他常年給世界 500 強(qiáng)和大量中型企業(yè)做咨詢，他說(shuō)自己見(jiàn)到的最普遍的問(wèn)題，不是技術(shù)障礙，不是預(yù)算不夠，而是公司根本說(shuō)不清楚自己想要什么。他提出一個(gè)尖銳的判斷：人們對(duì) AI 的大部分失望，其實(shí)源于他們無(wú)法描述自己想要什么。AI 是一個(gè)關(guān)于執(zhí)行的東西，當(dāng)它不知道該執(zhí)行什么的時(shí)候，就是沒(méi)用的。

Miessler 提出了一個(gè)非常犀利的觀察：大量公司之所以還活著，不是因?yàn)樗鼈兘?jīng)營(yíng)得好，而是因?yàn)樗鼈兊母?jìng)爭(zhēng)對(duì)手同樣爛。他說(shuō)，如果你走進(jìn)大多數(shù)公司，問(wèn)他們幾個(gè)基本問(wèn)題：你們?cè)诮鉀Q什么問(wèn)題？目標(biāo)是什么？衡量目標(biāo)的指標(biāo)是什么？當(dāng)前的挑戰(zhàn)是什么？為了克服這些挑戰(zhàn)你們?cè)谧瞿男┦拢空l(shuí)在做？花了多少錢？你會(huì)得到兩種反應(yīng)：要么茫然地盯著你，要么苦笑。回答這些問(wèn)題需要先花幾周時(shí)間“立項(xiàng)調(diào)研”，然后再花幾個(gè)月真正去搞清楚。

很多公司的目標(biāo)每個(gè)季度都在變。不是因?yàn)槭袌?chǎng)發(fā)生了劇變，而是因?yàn)楦緵](méi)有人認(rèn)真想過(guò)這些問(wèn)題。各部門花大量時(shí)間聲稱自己有答案，但這些答案每隔三個(gè)月就會(huì)大幅改變，因?yàn)橐磺卸荚诨煦缰衅啤Ｈ藗冎皇窃趯懴滤麄冇X(jué)得讓自己看起來(lái)不錯(cuò)的東西。Miessler 把這類公司稱為“混沌黑箱”，勉強(qiáng)運(yùn)轉(zhuǎn)，稀里糊涂地活著，但如果讓它們描述自己的運(yùn)作方式，它們做不到。

這恰好解釋了前面那些數(shù)據(jù)。麥肯錫報(bào)告指出，阻礙企業(yè) AI 規(guī)模化落地的核心障礙包括數(shù)據(jù)架構(gòu)碎片化、工作流程未針對(duì) AI 重新設(shè)計(jì)、以及缺乏清晰的規(guī)模化優(yōu)先級(jí)，沒(méi)有一個(gè)跟“AI 不夠聰明”有關(guān)，全部指向需求側(cè)，指向企業(yè)自身。讓一個(gè)說(shuō)不清自己目標(biāo)的組織去用 AI，就像讓一個(gè)不知道目的地的人去開(kāi)導(dǎo)航，工具再先進(jìn)也沒(méi)用，因?yàn)槟銢](méi)有地址可以輸入。

MIT 報(bào)告里有一個(gè)細(xì)節(jié)特別能說(shuō)明問(wèn)題：超過(guò)一半的企業(yè) AI 預(yù)算被砸進(jìn)了銷售和營(yíng)銷部門。這些是最高調(diào)的場(chǎng)景，自動(dòng)寫推廣文案、生成銷售線索、做個(gè)性化營(yíng)銷。老板們直覺(jué)上覺(jué)得“這里最該花錢”，因?yàn)樽钯N近收入。

但數(shù)據(jù)顯示，投資回報(bào)最高的場(chǎng)景恰恰不在這里，而是在后臺(tái)運(yùn)營(yíng)自動(dòng)化，流程簡(jiǎn)化、減少外包、降低重復(fù)勞動(dòng)的成本。這些環(huán)節(jié)不夠“性感”，不會(huì)被拿出來(lái)在行業(yè)會(huì)議上講，但它們是真正產(chǎn)生財(cái)務(wù)回報(bào)的地方。投資方向和回報(bào)方向的錯(cuò)位，本身就是“不知道自己該優(yōu)化什么”的直接后果。如果一家公司能清楚說(shuō)出自己最大的運(yùn)營(yíng)瓶頸在哪里，它就不會(huì)把大部分預(yù)算砸進(jìn)最容易做 showcase 但回報(bào)最低的環(huán)節(jié)。

而這也對(duì)應(yīng)了一個(gè)殘酷的悖論：那些從 AI 中獲益最大的公司，恰恰是那些沒(méi)有 AI 也能活得很好的公司。

Miessler 列了一張清單，描述那些“真正知道自己在做什么”的公司的特征。它們能很快告訴你：自己在為客戶解決什么問(wèn)題，現(xiàn)有方案的痛點(diǎn)在哪里，公司的目標(biāo)是什么，圍繞這些目標(biāo)的指標(biāo)有哪些，妨礙目標(biāo)實(shí)現(xiàn)的挑戰(zhàn)是什么，正在推進(jìn)哪些策略和項(xiàng)目來(lái)應(yīng)對(duì)這些挑戰(zhàn)，誰(shuí)在做這些事，花了多少錢。而且關(guān)鍵在于，這些公司對(duì)這些問(wèn)題的回答在不同季度、不同年份之間是大致穩(wěn)定的。它們不會(huì)每三個(gè)月?lián)Q一個(gè)方向。

仔細(xì)看這張清單，你會(huì)發(fā)現(xiàn)它根本不是什么“AI 就緒度評(píng)估框架”，它就是一家好公司的基本功。知道自己在做什么、為什么做、做得怎么樣，這跟 AI 沒(méi)有任何關(guān)系。AI 只是放大器：如果你有清晰的戰(zhàn)略和流程，AI 幫你加速；如果你一團(tuán)亂麻，AI 只會(huì)讓你亂得更快。

用 Miessler 的話說(shuō)，“AI 幫這些公司用更多的翻跟頭和圖表來(lái)更壯觀地瞎忙”。麥肯錫數(shù)據(jù)中那 6％ 的 AI 高績(jī)效企業(yè)，本質(zhì)上就是那些在 AI 出現(xiàn)之前就已經(jīng)具備高度組織自覺(jué)的公司。它們不是因?yàn)闀?huì)用 AI 才成功的，它們是因?yàn)楸緛?lái)就足夠清醒，所以 AI 在它們手里變成了好工具。

數(shù)據(jù)層面的問(wèn)題之外，人的反應(yīng)可能更值得關(guān)注。

Writer 的 2026 年調(diào)研發(fā)現(xiàn)，29％ 的員工承認(rèn)自己在主動(dòng)破壞公司的 AI 戰(zhàn)略，包括把私有數(shù)據(jù)輸入公開(kāi)工具、故意使用未經(jīng)批準(zhǔn)的軟件、刻意產(chǎn)出低質(zhì)量 AI 結(jié)果、拒絕參加 AI 培訓(xùn)、篡改績(jī)效數(shù)據(jù)讓 AI 看起來(lái)很差。在 Z 世代員工中，這一比例高達(dá) 44％。

（來(lái)源：Writer）

76％ 的高管認(rèn)為員工的這種破壞行為構(gòu)成了嚴(yán)重威脅。但同一份調(diào)研也揭示了問(wèn)題的另一面：75％ 的高管自己也承認(rèn)，公司的 AI 戰(zhàn)略更多是“做做樣子”而非真正的指導(dǎo)方針。

這就構(gòu)成了一個(gè)荒誕的循環(huán)：公司推了一個(gè)連管理層自己都不當(dāng)真的 AI 戰(zhàn)略，員工看穿了這一點(diǎn)，于是用各種方式消極對(duì)抗；管理層看到員工不配合，就加碼推行。92％ 的高管表示正在培養(yǎng)一批“AI 精英員工”，60％ 計(jì)劃裁掉那些不擁抱 AI 的人。AI 精英獲得晉升和加薪的概率是普通員工的三倍，生產(chǎn)力是五倍。

于是組織內(nèi)部裂成了兩層。上面是一小群討好 AI 戰(zhàn)略的人，下面是一大群陽(yáng)奉陰違的人。這種分裂不是 AI 造成的，AI 只是讓原本就存在的管理問(wèn)題變得不可忽視。54％ 的 C 級(jí)高管承認(rèn)，AI 采納的過(guò)程正在“撕裂公司”。

Miessler 在文章里做了一個(gè)判斷：AI 在當(dāng)前階段對(duì)誰(shuí)贏誰(shuí)輸其實(shí)沒(méi)那么重要。AI 是贏家們進(jìn)入新世界后用來(lái)互相競(jìng)爭(zhēng)的武器。當(dāng)下真正在進(jìn)行的游戲，是篩選誰(shuí)能活著走到那里。

這個(gè)判斷和數(shù)據(jù)吻合得很好，德勤的報(bào)告指出，雖然 42％ 的企業(yè)認(rèn)為自己在戰(zhàn)略層面準(zhǔn)備好了 AI，但在基礎(chǔ)設(shè)施、數(shù)據(jù)質(zhì)量、風(fēng)險(xiǎn)管理和人才儲(chǔ)備等方面，企業(yè)的信心反而比去年更低了。越往深處走，越發(fā)現(xiàn)自己沒(méi)準(zhǔn)備好，不是技術(shù)沒(méi)準(zhǔn)備好，是組織沒(méi)準(zhǔn)備好。

他還指出了一個(gè)對(duì)大公司尤其危險(xiǎn)的趨勢(shì)：現(xiàn)在一個(gè)小公司有可能借助 AI 以小博大，發(fā)揮出遠(yuǎn)超自身規(guī)模的戰(zhàn)斗力。而小公司天然更容易具備組織清晰度，人少、目標(biāo)明確、鏈條短、沒(méi)有那么多部門博弈。這不是說(shuō)小公司一定贏，大公司一定輸。規(guī)模仍然有它的價(jià)值，客戶關(guān)系、品牌積累、資金儲(chǔ)備都是實(shí)在的東西。但規(guī)模不再能掩蓋混亂。

以前大公司可以靠體量、靠渠道、靠慣性活著，就算內(nèi)部一團(tuán)糟也沒(méi)關(guān)系，因?yàn)楦?jìng)爭(zhēng)對(duì)手也差不多。但如果有一個(gè)小團(tuán)隊(duì)能用 AI 把你三個(gè)部門的事情做了，而且做得更快更好，那你的“規(guī)模優(yōu)勢(shì)”就變成了“規(guī)模包袱”。

所以這篇文章想說(shuō)的其實(shí)很簡(jiǎn)單：當(dāng)下關(guān)于“AI 行不行”的討論，很大程度上問(wèn)錯(cuò)了問(wèn)題。AI 當(dāng)然行，技術(shù)進(jìn)步的速度有目共睹。真正該問(wèn)的是，你的公司有沒(méi)有處在一個(gè) AI 能幫得上忙的狀態(tài)。

如果你是老板，在喊“All in AI”之前，先試試能不能用三句話回答：我們的核心客戶痛點(diǎn)是什么？我們當(dāng)前最大的運(yùn)營(yíng)瓶頸在哪？哪些流程如果被加速 10 倍會(huì)直接影響營(yíng)收？如果答不上來(lái)，那問(wèn)題不在 AI，在于你還不夠了解自己的公司。

如果你是員工，在一個(gè)連 AI 要解決什么問(wèn)題都說(shuō)不清楚的公司里被要求“用 AI 提效”，你的困惑是合理的。不是你不會(huì)用 AI，是你的組織還沒(méi)準(zhǔn)備好被 AI 幫助。

MIT 的那篇報(bào)告的標(biāo)題叫“GenAI Divide”，生成式 AI 鴻溝。這條鴻溝的兩邊，站著的不是“會(huì)用 AI 的人”和“不會(huì)用 AI 的人”，而是“了解自己的公司”和“不了解自己的公司”。AI 時(shí)代的第一場(chǎng)淘汰賽，淘汰的不是不會(huì)用 AI 的公司，而是不了解自己的公司。技術(shù)只是催化劑，加速的是一個(gè)早就該發(fā)生的過(guò)程。

參考資料：

1.https://danielmiessler.com/blog/most-companies-arent-ready-for-ai

2.https://writer.com/blog/enterprise-ai-adoption-2026/

3.https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf

4.https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work

運(yùn)營(yíng)/排版：何晨龍

注：封面/首圖由 AI 輔助生成