麦肯锡最新AI研究报告：聚焦智能体与工作流重塑

2025年，AI的应用已非“是否”问题，而是“如何”的挑战。麦肯锡最新报告《The state of AI in 2025: Agents, innovation, and transformation》揭示了一个行业关键数据：近九成（88%）的组织已在至少一个业务职能中使用AI，但近三分之二的组织尚未开始规模化部署。行业正处于“广泛试验”与“深度价值”并存的阶段。本文将解析这份报告，探讨从“试验”到“规模化”的瓶颈所在，AI智能体的角色，以及“AI高绩效者”如何通过重塑工作流和聚焦增长来实现企业价值。

AI的“新常态”——广泛的试验与局部的价值

自生成式AI (GenAI) 浪潮以来，企业对AI的接纳速度显著加快。根据麦肯锡2025年的最新调研，88%的受访组织已在至少一个业务功能中常规使用AI，显示出AI技术的广泛渗透。

然而，广泛应用的同时也伴随着对投资回报的审视。当企业投入大量资源时，一个关键问题随之而来：“AI投入带来了多少真实的企业息税前利润 (EBIT)？”

报告数据显示：仅有39%的组织报告了AI带来的企业息税前利润影响。

这表明行业正处在一个“AI新常态”中：一方面，AI工具正快速渗透；另一方面，大多数组织仍停留在“试验”或“试点”阶段（合计62%），尚未将零星的成功转化为系统性的、可规模化的企业价值。

这种“广泛试验”与“规模化瓶颈”之间的差距，构成了2025年企业AI转型的核心挑战。针对这一瓶颈，报告中重点分析了几个关键因素：AI智能体、工作流重塑、以及“AI高绩效者”的增长型思维。

应用AI的“规模化鸿沟”

报告用数据清晰地指出了“规模化鸿沟”。目前88%的组织在使用AI，但只有31%的组织处于“规模化”阶段，仅7%达到“完全规模化”。这意味着近三分之二的企业仍未实现从“1到N”的跨越。他们的AI应用可能局限于特定部门（如市场营销或IT），实现了“点状”的优化，而非“面状”的流程革新。

鸿沟存在的原因是多方面的：

技术惯性与流程债务：许多组织受困于此，倾向于将AI“附加”到现有的僵化工作流程上，而不是用AI思维去“重塑”新流程。
缺乏战略耐心与短期ROI导向： AI转型初期投入大，一些企业急于寻求短期回报，导致投入浅尝辄止。
人才与技能错配：既懂业务又懂AI能力的复合型人才稀缺，导致业务需求与技术实现之间存在隔阂。
数据孤岛与基础设施：老旧的IT架构和分散的数据难以支撑高并发的AI应用。

正如报告所指，年收入超过50亿美元的大型公司在规模化方面表现更强（49%已进入规模化阶段），这也说明了规模化AI需要资本、人才和战略的长期支持。

AI智能体的探索

报告显示，AI智能体正成为2025年的一个重要探索方向。报告将智能体定义为“基于基础模型、能在真实世界中行动、并能自主规划和执行多步骤工作流的AI系统”。

关于智能体的数据表现，报告显示了高涨的探索热情，62%的受访者表示其组织至少在“试验”AI智能体。同时，智能体也开始了初步规模化渗透，23%的组织已经开始在企业内部“规模化”部署至少一个智能体系统。其重点应用领域主要在IT（如自主服务台管理）、知识管理（如深度研究）以及技术与媒体（TMT）和医疗健康行业。

智能体的重要性在于它代表了AI能力的一种潜在转变：从“辅助者”向“执行者”的演进。传统的GenAI更像一个“对话伙伴”，提供建议和内容。而AI智能体被设计为一个“执行系统”，它能理解一个相对模糊的目标（例如，“分析上季度销售数据，找出三个增长点并制成简报”），然后尝试自主地完成一系列动作：首先是规划，将任务分解为连接数据库、编写查询、执行分析、提炼洞察、生成简报等步骤；其次是执行，自主调用数据库、分析库等工具；最后是行动，在数字世界中完成任务并交付结果。

麦肯锡合伙人Michael Chui在报告中指出：“在炒作周期和落地现实之间存在差距……做好智能体需要艰苦的努力。” 这表明，虽然前景广阔，但实现鲁棒、可靠的智能体仍是当前的核心技术挑战。

AI价值实现的现状

如前文所述，AI对企业息税前利润的整体影响（39%）尚不普遍。但在整体企业级影响有限的背景下，AI在特定用例上已显示出明确价值。

报告显示，AI正在“局部”创造价值。在定性收益方面，AI对创新的推动最为显著，64%的受访者认为AI改善了组织的创新能力。此外，分别有45%的受访者认为AI改善了客户满意度和员工满意度。这表明AI在优化体验和激发新思路方面的作用已初步显现。

在定量收益的成本端，AI在“规则明确、重复性高”的领域展现了自动化能力。报告成本下降比例最高的职能是软件工程（56%），制造业（56%）和IT（54%）。

在定量收益的收入端，AI在创收领域价值也已得到验证。报告收入增长比例最高的职能是市场营销与销售（67%），其次是战略与企业融资（65%）和产品/服务开发（62%），主要体现在个性化推荐、精准营销等方面。

分析来看，这种“局部收益”与“整体影响有限”的对比，恰恰反映了“规模化鸿沟”的现状。价值在一定程度上被锁定在各个职能的“孤岛”中，尚未有效汇聚成企业级的战略优势。

解析“AI高绩效者”的实践路径

报告对一小群“AI高绩效者”的分析提供了有价值的参考。这批约占总样本6%的组织，实现了超过5%的息税前利润影响。

他们实现跨越的路径并非依赖单一因素，而是一系列管理实践的组合：

更强的战略雄心：报告显示，高绩效者在“未来3年使用AI改变业务的程度”这一问题上，选择“变革性改变”的比例是其他人的3.6倍。他们的出发点更多是“重塑”业务，而不只是“优化”成本。
超越“效率”，并重“增长”与“创新”：虽然多数普通企业将AI目标设为“效率”（降本），但高绩效者在追求效率的同时，更可能将“增长”（82%）和“创新”（50%）设为核心目标。
2.8倍的“工作流重塑”：这是报告的重要发现之一。高绩效者在部署AI时，报告“从根本上重新设计了工作流”的比例是其他人的2.8倍。他们没有将AI简单“附加”到旧流程上，而是利用AI重组了流程。例如，普通公司可能用AI辅助客服回复邮件，而高绩效者则可能用AI智能体分析全量客服邮件，自动识别问题根源并触发工单给产品部，从源头减少同类问题。
更深入的智能体应用：他们在“规模化部署AI智能体”方面遥遥领先。在IT、知识管理、市场销售等多数职能上，他们规模化使用智能体的比例是其他人的3倍以上。这表明高绩效者可能已认识到，智能体是实现“工作流重塑”的有效工具，因为它能自主执行多步骤任务。
关键的领导力推动：高绩效者“强烈同意”其高层领导展现出对AI计划“主人翁精神和承诺”的比例，是其他人的3.0倍。AI转型作为“一把手工程”，高管的积极推动和示范作用至关重要。
高投入的战略投资：超过三分之一（35%）的高绩效者，将其数字技术总预算的20%以上投入到AI。这个比例在其他受访者中仅为7%，两者相差4.9倍。这反映了高绩效者将其战略雄心落实到了预算分配上。
卓越的运营保障：高绩效者在“定义了清晰流程来确定何时何地需要人工验证”以及“拥有敏捷的产品交付组织”方面也显著优于同行。

伴随规模化的人员影响与风险管理

AI的规模化也带来了对工作岗位和风险的考量。

在劳动力影响方面，呈现出分化与重组的特点。2025年，关于AI对就业的看法仍然高度分化。43%的受访者预计“几乎没有变化”，32%预计将“减少”3%以上的员工，而13%预计将“增加”3%以上的员工。报告也揭示了一个现象：在预期裁员的同时，企业（尤其是大企业）正在积极招聘AI相关职位，如“AI数据科学家”、“数据工程师”和“软件工程师”。这表明AI带来的并非简单的“替代”，而是深刻的“重组”。AI目前更多是自动化“任务”，而非“岗位”。它在减少低认知、重复性任务的同时，也创造了大量需要与AI协同、管理AI和设计AI的新需求。

在风险管理方面，正从“被动应对”转向“主动缓解”。 随着AI应用的深入，风险管理成为必要环节。报告中，“不准确性”是受访者面临的首要风险，其次是“网络安全”。报告也提到了“高绩效者的风险悖论”。有趣的是，AI高绩效者报告了更多的负面后果（如知识产权侵权、合规性问题）。这并非因为他们管理更差，而是因为他们将AI应用到了更深入、更关键的业务领域，因此更早地识别了风险。这也反向说明他们可能拥有更强的风险监控和管理意识。

下一步的AI策略——从“知道”到“做到”

麦肯锡的这份2025年AI现状报告，呈现了一个“K型分化”的趋势。

一方面，是占样本6%的“高绩效者”。他们凭借清晰的变革战略、对增长的聚焦、重塑流程的决心、充足的预算投入，以及对AI智能体的深入应用，正在拉开差距。

另一方面，是近三分之二仍处于试验和试点阶段的组织。他们虽然在应用AI，但可能受困于旧流程的惯性和短期ROI的压力，在“规模化鸿沟”前进展缓慢。

2025年是AI应用从“辅助工具”向“核心生产力”演进的关键阶段。AI智能体的出现，将推动企业重新审视其组织架构、业务流程和价值创造方式。

对于企业领导者和技术专家而言，这份报告的启示是清晰的：

停止“修补”，开始“重塑”：真正的价值不在于用AI优化旧流程，而在于围绕AI设计新流程。
积极探索“智能体”：开始试验和部署AI Agents，将其视为下一阶段生产力提升的潜在驱动力。
聚焦“增长”：将AI的目标从单一的“降本”扩展到“增长与创新”，以打开新的价值空间。
投资“人”与“流程”：重视“人机协同”的最佳实践和敏捷交付能力，确保技术和人才的协同发展。

最后，AI的深入应用，不仅是技术问题，更是一场深刻的管理和认知实践。缩小认知与执行间的差距，是跨越鸿沟、实现AI规模化价值的关键路径。在经历了2025年充满挑战的探索与实践后，业界普遍期待2026年能成为AI价值兑现、迎来更大进展的关键一年。