麦肯锡调研显示88%企业已使用AI但10%实现规模化盈利。文章分析了企业在AI投入中常见的六大障碍战略脱节、无法规模化、数据基础薄弱、组织惰性、人才错配、评估模糊并提出了CEO与CIO需“双人舞”解决这些问题最后给出四条行动建议强调AI落地需要战略、组织、数据、人才和财务的全面配合。导读 麦肯锡最新调研发现88%的企业已在至少一个业务中经常使用AI但真正实现规模化价值创造的企业不足十分之一。从尝鲜到赚钱中间到底隔了什么一、让CEO睡不着觉的现实去年我参加了一场企业数字化转型闭门会。圆桌讨论环节主持人抛出一个问题“在座各位你们公司在2025年投入AI的预算比2024年增长了多少”十几位企业高管依次回答。最少的增长了30%最多的翻了三倍。主持人接着问“那有多少人觉得这笔投入带来了对等的回报”全场沉默了。这就是2026年中国企业面临的一个尴尬现实AI投入的热情空前高涨但真正能从AI投资中获得显著回报的企业寥寥无几。麦肯锡《2026全球技术议程》调研覆盖全球632位科技与业务领导者数据触目惊心数据结果至少一个业务中经常使用AI的企业88%实现规模化应用的企业任何职能 10%高绩效企业计划2026年AI预算增长10%以上28%其他企业计划预算增长10%以上仅3%88%在用不到10%赚到钱。这不是AI的问题是企业的能力问题。二、六个坑正在吞掉你的AI投入为什么AI投入大、产出小麦肯锡的研究指出了六大障碍坑一战略脱节——把AI当项目做不是当战略打很多企业的AI推进方式是业务部门各自为战销售部说我们搞个AI客服→ 市场部说我们试个内容生成→ 生产部说我们弄个预测维护每一个听起来都很合理但这些项目之间毫无关联无法形成合力。更致命的是CEO往往是鼓励探索却没有把AI与公司的核心战略目标真正对齐。结果一堆零散的试点项目没有一个能支撑公司整体战略。坑二无法规模化——100个试点0个推广这是最普遍的问题。麦肯锡数据显示横向应用如聊天机器人、员工助手虽然广泛部署但收益有限高价值的垂直场景因组织与技术障碍长期停留在试点阶段。翻译成人话就是——简单的用不上有用的推不开。类型特点推广难度横向应用聊天机器人、文档生成门槛低、价值有限高垂直场景供应链优化、智能质检门槛高、价值显著极高坑三数据基础薄弱——AI吃不饱怎么干活AI的本质是数据算法。算法可以买、可以借但数据只能自己攒。然而大多数企业的数据基础是这样的数据分散在不同部门和系统中割裂大量宝贵知识没有被沉淀为结构化数据隐性缺乏统一的数据治理机制混乱数据好不好直接决定了AI的天花板。 麦肯锡调研中25%的高绩效企业和更多其他企业都承认——数据基础不足以支撑智能体规模化运行。坑四组织惰性——人不想变AI推不动这是最难解决、也最容易忽视的问题。组织对变革的本能抵触表现为一线团队觉得AI会抢饭碗消极配合中层管理者担心自己的权力被削弱暗中抵制预算机制依旧按年度规划走跟不上AI的迭代节奏AI落地最难的不是技术是人。坑五人才错配——懂技术的不懂业务懂业务的不懂技术麦肯锡数据显示近1/3的高绩效企业承认存在AI人才与能力储备缺口。但这不只是招不到人的问题更是用不对人的问题技术团队不理解业务场景做出的AI自嗨业务负责人不懂AI没法提出高质量需求两边各说各话谁也说服不了谁AI人才不仅仅是会写代码的人更是能打通技术与业务最后一公里的人。坑六评估模糊——看不清回报就没法坚持很多老板问我投了这么多钱AI到底给我赚了多少回答不出。原因很简单——大多数企业没有建立清晰的AI投资回报评估体系。AI带来的改善往往散落在不同环节客服响应快了、质检准确率高了、审批流程短了……但这些改善能不能转化成财报上的数字答案通常是模糊的。如果账算不清楚老板的支持就只能靠信念而信念在连续三个季度亏损面前不堪一击。三、答案在哪里CEO和CIO的双人舞那怎么办麦肯锡的回答是CEO和CIO必须并肩作战。CEO的职责定方向、推变革、配资源职责内容描绘愿景找准最具影响力的应用场景从零散任务优化转向端到端流程重塑组织变革推动招聘、架构调整为AI落地清除制度障碍带头学习CEO本人对AI的学习无法外包这是形成战略判断的基础与CFO协同建立投资回报指标体系动态调整预算配置与CHRO协同重新设计岗位将AI能力融入每一个岗位的职责中麦肯锡原文说得一针见血“CEO本人对AI的学习以及对AI在本行业潜力的理解是形成战略判断与远见的基础这一责任无法外包。”老板都不懂AI就别指望下面的人能把AI用好。CIO的职责搭底座、管数据、督运行、通协作职责内容搭建技术底座确保IT架构能支撑智能体运行尤其是与ERP等遗留系统的协同以数据赋能决策建立系统化的数据治理机制把数据变成企业的新能源监督AI系统运行确保AI生成的结果符合企业政策和标准打通跨部门协作与COO等业务高管紧密协作推动转型落地麦肯锡的调研发现了一个有趣的分化高绩效企业与其他企业之间的差距正在加速拉大。 那些把技术当作战略能力来建设的CIO正在带领企业走向螺旋上升的正循环而那些把技术当作可外包的劳务的企业正在被越甩越远。四、三个案例告诉你付诸行动的企业长什么样案例一星展银行DBS——产品与平台模式转型做法 围绕客户与核心能力打造30多个平台由业务与技术部门联合领导。成效交付效率显著提升跨部门协作更加紧密技术架构实现模块化与云原生化企业级数据与AI底座更加稳固启示 不要试图在旧架构上贴AI而是围绕AI重构组织模式。案例二英杰华保险Aviva——AI重塑理赔流程做法 部署80余个AI模型同步推动运营模式与企业文化转型。成效指标改善幅度责任认定时间缩短23天案件分流准确率提升30%客户投诉减少65%客户满意度提升至原来的七倍启示 AI不是锦上添花而是彻底重构核心业务流程。案例三中国某制造企业——AI质检从试点到规模化做法 从一条产线的AI视觉质检试点逐步推广至全厂再推广至整个集团。关键动作先建数据标准统一全集团的质检数据格式再建人才体系培养AI质检双技能人才最后推管理制度将AI质检结果纳入绩效考核启示 从试点到规模化不是技术的复制而是管理能力的系统升级。五、给真正想赚到钱的企业的四条行动建议综合麦肯锡的研究和各行业的最佳实践我总结了四条可落地的建议建议一从试点思维转向工程思维不要把AI当作实验项目而是当作工程系统来建设。试点思维工程思维单点突破一个部门自己试全局规划打通数据、流程、组织看能不能做算值不值得规模化成功了再说开始前就设计推广路径依赖个别大神建立标准化的技术栈和人才体系建议二CEO亲自下场别当甩手掌柜这不是IT部门的事是一把手工程。麦肯锡的调查显示高绩效企业有近2/3的技术负责人深度参与企业战略制定而其他企业只有52%。差距看似不大但放在深度参与这个标准下这意味着在大量企业中CIO依然被当作修电脑的。建议三先搞定数据再谈AI没有好数据AI就是空中楼阁。具体可以做的三件事盘点数据家底——你的企业有哪些数据在谁手里质量怎么样建立治理机制——谁负责数据的收集、清洗、维护沉淀隐性知识——把师傅的经验、历史的案例、项目的复盘变成可被AI学习的结构化数据建议四算清楚账用好财务杠杆AI投入不是一次性支出是长期投资。你需要回答这三个问题投入期多长 第一年投入多少第二年呢回报从哪来 是降低成本、提升收入、还是减少风险怎么衡量 每个AI项目的ROI指标是什么多久复盘一次算不清楚这三笔账老板的支持撑不过三个季度。六、写在最后回到开头的问题88%的企业在用AI但为什么只有不到10%赚到了钱答案很清楚用AI和用好AI差着十万八千里。用AI买一套工具、招几个人、让员工玩玩就行。用好AI需要的是战略上对齐 —— AI不是项目是战略组织上变革 —— AI不改变流程就不会产生价值数据上筑基 —— 没有好数据AI就是空转人才上赋能 —— 每个人都要成为AI人的复合体财务上算账 —— 每一分投入都要可衡量、可追溯麦肯锡报告里有一句话说得特别好“成功不在于投入更多资金而在于更高效地配置资源。”那些真正从AI上赚到钱的企业不是因为它们花了更多的钱而是因为它们把钱花对了地方、花对了方法、花对了节奏。2026年AI不再是要不要做的问题而是怎么做好的问题。窗口期还在但你只有一次做对的机会。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。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技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取