2025年AI行业洞察:企业如何通过AI创造价值

调研显示，超过四分之三的受访者表示，所在企业已经在至少一个业务职能中使用 AI，这个数字在 2024 年初还是 72%，一年前更是只有 55%。生成式 AI 的普及速度更快，71% 的受访者称企业会在至少一个业务职能中常规使用生成式 AI，较 2024 年初的 65% 再次攀升。

不止是用起来了，企业还把 AI 用进了更多业务环节，这是调研史上第一次，多数受访者表示企业在多个业务职能中用上了 AI，平均每家企业的 AI 应用覆盖了 3 个职能，较半年前有明显提升。IT 是过去半年 AI 应用涨幅最大的职能，相关使用比例从 27% 跃升至 36%，然后是营销与销售、服务运营两大板块，成为企业 AI 落地最核心的场景。

普及度拉满的背后，是价值兑现的严重分化。超过 80% 的受访者坦言，所在企业还没有从生成式 AI 的使用中，看到企业级 EBIT 的实质性影响，只有 17% 的企业表示，过去 12 个月里 5% 以上的 EBIT 可以归功于生成式 AI 的应用。一边是全行业的 AI 应用热潮，一边是企业级价值兑现的集体乏力，这中间的鸿沟，到底在哪？

调研分析了 25 项企业组织相关的属性，最终得出一个最核心的结论：对生成式 AI 的 EBIT 贡献影响最大的，不是技术模型有多先进，不是算力投入有多大，而是企业有没有随着 AI 的部署，从根本上重新设计工作流。这个结论打碎了很多企业的 AI 转型幻觉。

太多企业把 AI 当成了提效的插件，在原有工作流程里塞进去一个 AI 工具，就指望能带来利润的飞跃。但数据显示，只有 21% 的生成式 AI 应用企业，已经针对至少部分业务流程完成了根本性的重构，而恰恰是这部分企业，最先拿到了 AI 带来的真金白银。

和工作流重构同样关键的，是 AI 治理的顶层话语权。调研数据显示，CEO 亲自监督 AI 治理，和企业生成式 AI 应用带来的利润提升，呈现出极强的相关性。在规模更大的企业里，CEO 对 AI 治理的监督，更是对生成式 AI 贡献的 EBIT 影响最大的单一因素。目前有 28% 的 AI 应用企业，由 CEO 直接负责 AI 治理的监督工作，17% 的企业由董事会直接负责，多数情况下，AI 治理的权责由至少两位企业高层共同承担。

很多企业的本能反应，是把 AI 落地的事情全权交给 IT 或者数字部门，而这种做法，一次次被证明是失败的配方。原因很简单，从 AI 里拿到真实价值，需要的是一场企业级的变革，而不是单纯的技术更新。这场变革涉及到成功的变革管理、全组织的资源调动，这些都不是 IT 部门能够独立推动的。

AI 落地需要的资源投入、人才调配、跨部门协同，都需要企业最高管理层的决策和推动，甚至需要根据技术和组织的演进，不断重新平衡资源使用效率和全组织赋能之间的关系。当企业对 AI 的应用越来越熟练，这项技术最终会嵌入到所有业务职能中，届时管理层的工作重心，也会从具体的落地执行，转向更高维度的效果监控与人才发展。

企业正在用集中与分散结合的方式，搭建 AI 落地的组织架构。调研显示，AI 部署的不同环节，企业的集中化程度呈现出明显的差异。风险与合规、数据治理这两个环节，企业最常采用完全集中化的模式，比如成立企业级的 AI 卓越中心来统一管理，其中风险与合规环节，30% 的企业采用完全集中化模式，48% 采用混合模式。

而技术人才管理、AI 解决方案的落地推广，企业更多采用混合或者部分集中的模式，一部分资源由总部统一管理，另一部分分散在各个业务职能和事业部，技术人才环节只有 16% 的企业采用完全集中化模式，49% 采用混合模式。有意思的是，年收入低于 5 亿美元的中小企业，比大型企业更倾向于把这些环节完全集中化管理。

企业对生成式 AI 产出内容的审核，呈现出两极分化的态势。27% 的生成式 AI 应用企业表示，员工会在 AI 生成内容投入使用前，对所有内容进行审核，不管是面向客户的聊天机器人回复，还是营销物料里的 AI 生成图片，都要经过人工校验。还有几乎相同比例的企业表示，只会对 20% 及以下的 AI 生成内容进行审核。不同行业之间的差异格外明显，商业、法律和专业服务行业的企业，对 AI 全量内容审核的比例，要远高于其他行业。

随着生成式 AI 的普及，企业正在加大对相关风险的治理力度。和 2024 年初相比，更多企业开始主动管理生成式 AI 带来的各类风险，其中最受重视的，是内容不准确、网络安全、侵权这三类，而这三类风险，也是最常给企业带来实际负面后果的。47% 的受访者表示，所在企业已经因为生成式 AI 的使用，遭遇过至少一次负面后果，这个数字较 2024 年初的 44% 仅有小幅上升。大型企业比中小型企业覆盖了更多的风险治理场景，比如在网络安全和用户隐私风险的管理上，大型企业的动作要多得多，但在 AI 输出的准确性和可解释性风险治理上，大型企业并没有比中小企业做得更好。

调研总结了 12 项生成式 AI 落地与规模化的最佳实践，这 12 项实践中的每一项，都和企业生成式 AI 带来的 EBIT 提升呈正相关。其中对利润影响最大的，是为生成式 AI 解决方案建立并跟踪清晰定义的 KPI，在大型企业中，制定清晰的生成式 AI 落地路线图，同样对利润提升有着极强的推动作用。

但现实情况是，只有不到三分之一的受访者表示，所在企业遵循了大部分的最佳实践，不到五分之一的企业，正在为生成式 AI 方案跟踪对应的 KPI。大型企业在这些实践的落地进度上，全面领先于中小企业，比如在制定清晰的分阶段落地路线图、成立专门的生成式 AI 推广团队上，大型企业的比例是中小企业的两倍以上。在围绕 AI 价值开展内部常态化沟通、为不同岗位的员工设置对应的 AI 能力培训、建立完整体系提升客户对企业 AI 应用的信任度这些方面，大型企业的落地比例也明显更高。

AI 正在深刻改变企业的人才需求结构。调研显示，使用 AI 的企业中，过去 12 个月里招聘 AI 相关岗位的比例，和 2024 年初基本持平，唯一出现明显下降的，是数据可视化与设计专家岗位的招聘需求。一批和风险相关的全新 AI 岗位，正在进入企业的招聘清单，13% 的受访者表示企业招聘了 AI 合规专家，6% 的企业招聘了 AI 伦理专家。

大型企业的 AI 相关招聘覆盖的岗位范围更广，和中小企业的差距最大的，集中在 AI 数据科学家、机器学习工程师、数据工程师这三类岗位。未来一年，一半的 AI 应用企业表示，需要招聘更多的数据科学家，这个岗位依然是行业里需求最旺盛的。虽然 AI 相关岗位的招聘难度依然不小，但和过去两年相比，认为这些岗位招聘困难或非常困难的受访者比例，已经出现了下降。

企业也正在加大对现有员工的 AI 技能再培训。过去一年里，44% 的受访者表示，所在企业只对不到 5% 的员工完成了 AI 相关的再培训，而未来三年，企业预计的员工再培训比例将出现大幅提升。对于生成式 AI 节省下来的员工时间，企业的处理方式也各有不同，最常见的做法，是让员工把这些时间投入到全新的工作内容中，或是花更多精力在没有被自动化的现有工作职责上。而大型企业，更倾向于利用 AI 节省的时间缩减人员规模，调研数据也证实，人员规模的缩减，也是对生成式 AI 带来的利润提升影响最大的组织属性之一。

很多人把生成式 AI 当成了就业杀手，但调研数据呈现的结果要复杂得多。38% 的受访者预计，未来三年里，生成式 AI 对所在企业的员工规模几乎不会产生影响。只有金融服务行业的受访者，更倾向于预计员工规模会缩减，而不是保持不变。不同业务职能的预期差异极大，受访者最普遍预计会出现人员缩减的，是服务运营、供应链与库存管理这两个职能，而在 IT、产品与服务开发这些职能里，受访者更倾向于预计员工规模会出现增长。

生成式 AI 的个人使用频率在 2024 年出现了大幅上涨，而走在最前面的，是企业的 C 级高管。53% 的受访高管表示，会在工作中常规使用生成式 AI，这个比例高于中层经理的 44%。这个数据打破了很多人固有的印象，不是年轻员工更愿意接受和使用 AI，反而是企业的最高管理层，在工作中的 AI 使用频率更高。

生成式 AI 的应用模态正在变得越来越丰富。63% 的生成式 AI 应用企业，会用 AI 生成文本内容，这是目前最主流的应用方式。超过三分之一的企业会用 AI 生成图像，超过四分之一的企业用 AI 编写计算机代码，还有 13% 的企业会用 AI 生成视频、语音和音乐内容。不同行业的应用重点有着明显的区别，全行业都把营销与销售作为生成式 AI 最核心的应用场景，科技行业的企业在软件工程环节的 AI 应用比例最高，专业服务行业的企业更倾向于在知识管理环节使用 AI，媒体与电信行业的企业则在服务运营环节大量部署生成式 AI。

虽然企业级的价值兑现还没大规模到来，但在单个业务单元层面，生成式 AI 的价值已经开始显现。和 2024 年初相比，更多受访者表示，所在业务单元通过生成式 AI 的应用实现了收入增长，营销与销售、供应链管理、产品开发这些职能，都有大量企业报告了收入提升。

成本下降的趋势更加明显，2024 年初，除了人力资源职能，多数业务职能里只有少数企业看到了生成式 AI 带来的成本下降，而到了 2024 年下半年，大多数业务职能里，都有超过半数的企业报告了成本下降。这些发生在业务单元的真实收益，也正在推动企业跳出零散的工具应用，转向更系统、更彻底的企业级 AI 转型。

03

参考研报&来源

2025年AI行业洞察：企业如何通过AI创造价值-麦肯锡