企业用AI，钱花了，效果呢？

开篇：一组让整个行业沉默的数字

2025 年 8 月，一份 26 页的报告在硅谷刷屏了。

它出自麻省理工学院的 NANDA 研究团队，标题很温和——《生成式 AI 的鸿沟：2025 年企业 AI 现状》，结论却很暴烈：大约 95% 的企业生成式 AI 试点，没能实现"营收快速加速"这个目标；对绝大多数公司来说，这些项目对利润表几乎没有产生可衡量的影响。

这不是拍脑袋得出的数字。研究团队访谈了 150 位企业负责人、调查了 350 名员工、分析了 300 个公开的 AI 部署案例，背后是 300 亿到 400 亿美元的企业级投入。报告里有一句话被反复引用："95% 的失败率，是企业级 AI 解决方案'生成式 AI 鸿沟'最清晰的体现。"

报告发布前后，硅谷的气氛有点微妙。扎克伯格冻结了 Meta 的 AI 招聘——就在几周前，他还花了几十亿美元从竞争对手那里挖人。连 OpenAI 的 Sam Altman 被问到"投资者是不是整体对 AI 过度兴奋"时，也坦率地回答："在我看来，是的。"

一边是史无前例的投入，一边是几乎看不见的回报。这中间的落差，就是这篇文章想聊的事：AI 到底有没有用？如果有用，那份"用"为什么没有变成企业账本上的"赚"？

图：巨额投入与微弱回报之间，裂开了一道被数字反复验证的鸿沟

一、更精确的裂缝：80% 的人说"我更快了"，37% 的企业说"利润动了"

"95% 失败"是个抓眼球的数字，但它太粗了——粗到掩盖了一个更值得琢磨的事实。

麦肯锡 2026 年度的全球 AI 应用现状调研，覆盖 97 个市场、1700 多位高管，给出了三组放在一起看非常刺眼的数字：

80%。 高达八成的受访者表示，AI 提升了个人的生产力。这个感受是真实的、普遍的，不分职级。

37%。 但只有 37% 的受访者表示，AI 对组织的息税前利润（EBIT，可以粗略理解为"公司真正赚到的钱"）带来了正面贡献。而且这个比例和上一年基本持平——也就是说，AI 用得越来越多，企业层面的财务回报却没有同步跟上。

6%。 在所有受访企业里，只有 6% 算得上"AI 高绩效企业"——标准是把至少 5% 的 EBIT 增长归因于 AI，并且认为这项技术的影响"显著"。

三个数字连起来看，结论就很清楚了：个人提效是真的、可测量的；企业层面的回报却几乎没动。 这不是"AI 没用"，而是"提效"和"赚钱"之间，隔着一道没有被填上的沟。

还有一组来自工程领域的调查佐证了这一点。一份叫《工程领域 AI 影响现状》的报告发现，AI 用户现在平均每周能省下 4 到 6 小时。但报告同时指出一个尴尬的事实：这些省下来的时间，目前并没有转化为"创造新价值"的产能。

省了时间，却没多产出。时间去哪了？

二、提效是真的，但它有边界——而且会被"吸收"掉

要回答"时间去哪了"，得先承认一件事：AI 带来的提效不是假的。

斯坦福有一支团队，做了三年软件工程生产率研究，样本包括 600 多家公司、超过 10 万名软件工程师。他们的结论很克制：用 AI 编程，产出大约能提升 30% 到 40%。但你还得回头去修 AI 引入的 bug、收拾它留下的烂摊子，所以跨所有行业平均下来，真实的生产率提升大约是 15% 到 20%。

更关键的是，这个数字并不均匀。研究团队画了一张四象限图：低复杂度 + 全新项目，增益 30%–40%；高复杂度 + 全新项目，10%–15%；低复杂度 + 存量项目，15%–20%；而高复杂度 + 存量项目，只有 0%–10%——在某些情况下，AI 甚至会让工程师变慢。

也就是说，AI 的提效是有前提的：任务越简单、越是从零开始，它越管用；一旦进入复杂的、有历史包袱的真实业务，收益就急剧衰减。

但即便这 15%–20% 是真的，它为什么没有变成企业的利润？IBM 在一期技术视频里给了一个很形象的解释。

它先讲了一个反直觉的实验：一家做模型评估与威胁研究的机构，对一群开源开发者做对照研究，这些开发者以为自己因为用了 AI 编程工具快了 20%，结果实测发现，他们实际上因为新工具而慢了 20%。

为什么会这样？因为它把软件交付的全过程画了出来：确定需求、设计、写代码、测试、发布、运维。然后点破一个秘密——你以为花在整个流程里的时间，大部分并不是在写代码，而是在等待。 开发者等产品团队澄清需求，运维等开发者发布，测试又需要等新构建。所有人都在跨一堆碎片化的工具互相等待。

当 AI 只让"写代码"这一个方框变快，那些收益会被其他所有阶段吸收掉。你写代码快了三倍，但评审、测试、发布的节奏没变，整个交付周期就看不到多大变化。

这个判断，被一篇学术论文用真实数据验证了。2026 年 7 月，斯坦福和卡内基梅隆的团队在 arXiv 上发表了一项纵向研究：一家中型科技公司推行"效率翻倍"的强制令，样本是 802 名开发者、196,212 个代码合并请求。结果是，人均吞吐量最终翻倍，达到推行前基线的 2.09 倍。

但论文里最值得注意的不是这个 2.09 倍，而是它后面那句话：采纳 AI 之后，代码评审被重构到了自动化上——每位评审者的负载大约翻倍，自动化评审超过了人工评审。

翻译一下：写代码的速度翻倍了，但评审的人没变多。 效率提升没有消失，它只是换了一个地方堵住——从"写"转移到了"审"。

图：只加快"编码"一个环节，收益会被等待、测试、发布等其余环节吸收

这就是"时间去哪了"的答案：它没有被浪费，它是被系统里没变的那些环节吃掉了。

三、不是模型的问题，是"吸收"的问题

如果提效是真的、只是被吸收了，那下一个问题就是：为什么吸收不了？

TechCrunch 在 2026 年 5 月的一篇报道里，借 Databricks 联合创始人 Arsalan Tavakoli-Shiraji 之口，给出了一个很锋利的判断：

企业不是在拒绝 AI，而是在拒绝"运营上的不稳定"。

他把话说得更透：企业 AI 市场里充满了"成功但从未变成真实部署"的试点。不是技术失败了，而是组织无法承受采纳它所带来的运营后果。 创业公司的 AI 交易很少因为模型表现不佳而死，而是因为企业"对这次部署会带来什么"失去了信心。

他列了企业在评估 AI 时真正在看的六件事：实施风险、治理复杂度、工作流扰动、基础设施压力、合规暴露、组织信任。注意，这六项里没有一项是关于模型能力的。

一位在 MongoDB 和 Timescale 带过产品团队、为 Meta、Amazon、Nvidia 的建设者做过 AI 培训的从业者，把这件事拆得更细。他总结了企业卡住的六个环节：

只给工具，不给期望。 公司给员工开通了 AI 工具，却没讲清楚"用 AI 工作意味着什么"，结果每个人按自己舒服的方式用，而不是对团队最有利的方式。

流程还是前 AI 时代的。 他打了个比方：就像你有一辆法拉利，却被迫在草地上开，而不是在公路上。 旧流程就是草地——要发挥工具的价值，得先修路。

领导不亲自下场。 很多管理者停留在报告和二手信息里，对 AI 到底能做什么、不能做什么，缺乏一手判断。

缺乏共享上下文。 他举了个让人难以置信的例子：一家公司所有重要文档都在 Google Docs 里，但公司的 AI 工具不能编辑、不能写入 Google Docs。"这就像你对一个新员工说：我们所有事都用 Google Docs，但你只能读、不能写。"

AI 垃圾产出。 人们用 AI 生成又长又低质的文档，自己不读，却指望别人读。以至于"清理别人制造的 AI 垃圾"成了很多人工作中越来越大的一部分。

过早的成本恐慌。 Uber 的首席运营官在 2026 年 5 月透露，公司在短短四个月内就烧完了整个 2026 年的 AI 预算。于是很多公司开始收紧限额。但这位从业者认为这弊大于利：限制人们用什么模型，实际上把人推向了更差的模型；而问题的根源根本不是工具太贵。

他有一句话，是这一整节的题眼：

你不是因为工具太贵而拿不到回报，而是因为组织里还有一堆其他障碍要先解决，才能让这些成本转化为收益。

麦肯锡的数据也印证了成本这件事有多真实：约 20% 的受访者表示，公司曾因运营成本过高而被迫限制 AI 使用。而且有个悖论——Token 的单价一直在降，但智能体开发和复杂推理任务的消耗量在大幅上升。

所以，卡点几乎全在"模型之外"：期望、流程、上下文、成本治理。这也解释了为什么"换个更强的模型"从来不是解药——你换的是马，但路还是那条草地。

图：卡点不在模型本身，而在期望、流程、上下文与成本四个环节

四、那"AI 取代人"呢？

聊到这里，绕不开一个更情绪化的问题：既然 AI 这么难落地，那"AI 取代人"的叙事又该怎么看？

彭博电视做过一期节目，把这个问题拆得很清楚。它先摆出投入的规模：投入 AI 最多的六家美国公司，今年预计花费超过 7500 亿美元——比整个爱尔兰的 GDP 还多。 有些公司已经声称大规模裁员是 AI 驱动的。

但普林斯顿大学计算机科学教授 Arvind Narayanan（《AI Snake Oil》一书的合著者）提醒，那些"AI 会取代劳动力"的常见理由，依赖一堆谬误。

他给出了一个关键区分：能力（capability）和可靠性（reliability）是两回事。 光有能力不够——它是不是每次都可靠地回答同一个问题？还是对不同客户给出不同答案？它知不知道哪些任务能接、哪些超出范围？

他举了一个真实案例。加拿大航空有一个客服聊天机器人，客户问退款政策时，它编造了一个根本不存在的退款政策。客户很生气，起诉了，一路打到加拿大最高法院。法院最后的判决是：强制该航空公司遵守这个不存在的政策。

这个案例特别值得琢磨。它说明的不是"AI 会犯错"——人也会犯错。它说明的是：当 AI 犯错时，责任依然落在使用它的组织身上。 能回答问题，不等于能承担责任。

所以 Narayanan 的观察是：即便在快速采纳 AI 做软件工程的公司里，也看不出它真的在用 AI 取代软件工程师。 事实上，软件工程师的招聘岗位数还在持续增加——直到最近还在下降，但去年对程序员的需求逆势飙升。

他甚至点破了一个现象：最近一些公司用"AI 能替代员工"来为裁员辩护，但批评者把这称为"AI 洗白（AI washing）"——把老式的削减成本，包装成 AI 采纳，以取悦股东。

Box 的 CEO Aaron Levie 在电视采访里，给出了另一种视角：AI 的故事其实是"丰裕"的故事——不是取代，而是让员工能做更多。他举了个具体的例子：工程师在工程上花的大部分时间，其实是在做客户永远看不到的工作（修 bug、迁移软件库、处理 API 文档）；如果能让 AI 智能体拿走其中 80%，人就能转向更有战略性的部分。

把这两段话放在一起，图景就清楚了：替代没有按预期发生，发生的是"工作内容的重新分配"——人从"直接干活"转向"监督技术干活"。

但这又带出一个新问题：既然工作内容在重新分配，那 6% 真正赚到钱的企业，到底做对了什么？

五、赢家做对了什么

麦肯锡把"至少 5% 的 EBIT 增长归因于 AI"的企业单独拎出来看，发现它们的优势并不来自投入的规模，而来自几个很具体的选择：近 3/4 的高绩效企业已经围绕 AI 重新设计了工作流程（其他企业只有约 1/4）；它们在"高管明确承诺"和"建立成效衡量标准"两项上的落实比例，都是其他企业的两倍左右；它们规模化部署 AI 智能体的比例，是其他组织的三倍以上。

注意第一条：重新设计流程。这正好呼应了前面 IBM 的那句话——生产率提升不是因为有了更好的模型，而是因为围绕模型重新设计了流程。

但光有流程还不够，还得有"尺子"。UiPath 的工程师在一期访谈里讲了一种做法，叫"评估驱动开发"：不是先建智能体再想怎么衡量，而是先把评估集定义出来，再动手建。

他举了个很具体的例子：一个"给邮件打标签"的智能体，你测试时用 10 封邮件试过、看起来能跑。但真正的评估要问的是——工具到底有没有被调用？ 因为"如果工具根本没被调用、智能体就给了答案，即便答案看起来不错，它也是错的"。有了评估集，你还能做一件很实在的事：证明一个更便宜的模型也能跑——"它在贵模型上每月 1 万美元，但用这个便宜模型也能跑，我能证明给你看，每月只要 2000 美元。"

这就是把"提效"变成"可衡量的价值"的关键一步：先有尺子，再谈收益。

而 Box 的 CTO Ben Kus 补上了第三个要素——人。他强调：目前还不该让 AI 智能体做非常关键的决定；很多情况下，它应该做的是准备数据和信息，让人更容易审阅——让智能体参与工作流，但仍在人的监督之下，由人负责结果。他举了一个法务团队的例子：积压了大量待审合同，其中大部分是样板，但偶尔有需要重点看的；他们让智能体先审一系列标准项，只有出现异常时才标记为有风险，法务就能优先处理真正重要的那几份。

把这三个要素合起来看：重新设计的流程 + 可衡量的标准 + 可介入的人——这就是那 6% 的共同点。

如果这些事要在一个现成平台里落地，会长什么样？

前面这些做法，其实指向同一组问题：怎么让成本看得见？怎么让每一次执行都能回溯？怎么在关键节点停得下来？怎么把好做法固定下来、反复用？

这些问题，在 WorkMate 里都有对应的现成机制。

图：让成本看得见、让执行可回溯、让关键节点停得下来

先说"钱花在哪"。 麦肯锡提到 20% 的企业因成本过高被迫限制 AI 使用，而 WorkMate 的管理端有一个「成本与资源管理」页：从"钱和额度"的视角看全企业的大模型消耗——本月总消耗了多少 Token、折算多少钱、限流触发了多少次；下面按用户列出已用 Token、总额度、使用率进度条与预估费用，使用率超过 90% 时进度条变红，方便管理员提前干预。它把"成本"从一笔糊涂账，变成了看得见的账。

再说"每次执行能不能回溯"。 前面提到，赢家都建立了"成效衡量标准"。WorkMate 的做法是让执行天然留痕：桌面端的「定时历史」记录任务的每一次实际执行——状态、耗时、触发方式（手动还是定时），点开还能看到当时的提示词与 AI 回复（只读）；管理端的「常规任务管理」则能查到每位员工的历史任务记录，含完整对话与 AI 摘要。出了问题，"AI 当时到底怎么回答的"是可以查的。

然后是"关键节点停不停得下来"。 这是 Ben Kus 那条"人在回路"在 WorkMate 里的直接对应。WorkMate 有一项叫 HITL（人机交互） 的机制：涉及删除、外发、付款、二选一这类有后果的动作时，AI 不会擅自决定，而是在关键节点自动暂停，弹出一张交互卡片等你拍板——确认卡、文本输入卡、选择卡三种形态。你回应后，任务从断点继续，不需要重述背景。有个细节很能说明设计思路：如果你弹出卡片时恰好离线或重启了客户端，重新登录后，系统会把所有未解决的卡片自动补渲染回对应会话，并按唯一 ID 去重。也就是说，"等人拍板"这件事本身也是不会丢的——它不是一个临时弹窗，而是任务状态的一部分。

最后是"好做法怎么固定下来"。 前面那位从业者把技能比作"给 AI 的 SOP"——一件事你解释一次，就再也不用解释了。WorkMate 里的「技能（Skill）」正是这个定位：一套"专业工作流 + 提示词 + 工具组合"的能力包，挂上之后 AI 会按该领域的专业范式完成任务，质量和格式更稳定。而管理端的「模板管理」解决的是另一件事：员工在对话里说"按公司模板出一份报告"时，桌面端读取的就是这里启用的模板与默认样式——让"符合规范"成为默认选项，而不是每次靠人盯。 还有一处细节：前面说到"缺乏共享上下文"是六大卡点之一，而 WorkMate 对"记忆"的处理是分开的——除了自动产生的对话记忆，还有一个由你显式维护的「员工偏好（长期记忆）」：你希望 AI 一直记住的个人偏好与事实（比如"汇报一律用表格"），可以自己编辑、删除、批量管理。什么该被记住、什么不该，主动权在人手里。

写在最后

回到最开始那组数字。

95% 的试点对利润表几乎没有影响，80% 的人说"我更快了"，却只有 37% 的企业说"利润动了"。这三个数字放在一起，很容易得出一个悲观的结论：AI 是场泡沫。

但把这篇文章里的证据串起来看，结论其实相反：AI 的提效是真的，只是它从来不会自动变成收益。

斯坦福的研究告诉我们，提效有边界、有前提；IBM 的例子告诉我们，效率提升会被系统里没变的环节吸收；arXiv 那篇论文告诉我们，它甚至可能只是从"写"转移到了"审"；TechCrunch 和那位从业者告诉我们，卡点几乎全在模型之外——期望、流程、上下文、成本。

而那 6% 的赢家，做的恰恰是把这些"模型之外"的事一件件补上：重新设计流程、建立可衡量的标准、在关键节点保留人的判断。

所以，如果你正在推一个 AI 项目，也许可以先不问"该用哪个模型"，而是问三个更朴素的问题：

这笔钱花在哪，我看得见吗？这件事做完，我衡量得了吗？它跑偏的时候，我停得下来吗？

这三个问题答得上，提效才可能真的变成收益。而它们，也是 WorkMate 从第一天起就在回答的问题。

企业用AI，钱花了，效果呢？（漫画）