麦肯锡预警：九成企业陷“AI试点陷阱”，破局只待“选择性自我颠覆”|人工智能|工作流|陷阱|麦肯锡

“当前的AI浪潮并非泡沫，而是历史上多轮生产力提升的延续。虽然过程中可能出现局部泡沫，但从本质上看，AI正在重新定义工作的边界——替代部分岗位、转型大量职能、同时创造全新机会。”

近日在上海举行的麦肯锡“AI价值转型”媒体分享会上，麦肯锡全球资深董事合伙人、麦肯锡中国区科技与人工智能业务领导人卜览（Lambert Bu）这样说。

这可谓是对对当下企业AI转型困境的精准画像。如果说蒸汽机、电力和计算机分别用了65年、75年和50年来实现广泛的生产力提升，那么AI，这项麦肯锡眼中“通用技术”的新范式，预计仅需15至25年，从2012年深度学习开启算起，我们正站在人类历史上最快一次技术代际跃迁的隘口。

然而，速度与深度，往往伴随着更剧烈的变革阵痛。麦肯锡的最新调研数据显示，全球近九成企业已启动AI转型，但仅有一成真正实现了规模化突破。高达75%的企业，正深陷麦肯锡所定义的“试点陷阱”——一种投入巨大、却收效甚微的僵局。

比蒸汽机更快的革命，中国力量的崛起

卜览强调，这股AI浪潮并非空中楼阁，而是根植于历史深处的生产力跃迁。其对全球商业格局的重塑，已远超预期。

他援引麦肯锡研究数据指出，仅在美国，通过智能工作流的重构，到2030年预计将释放2.9万亿美元的经济价值；而2023至2025年间，全球市场对AI素养的需求更是增长了7倍。

更令人振奋的是，中国在全球AI版图中的崛起势头强劲。

2026年3月的全球模型排名显示，前10名中有超过半数来自中国AI实验室，其中四家主推开源大模型，在训练成本、多模态处理与推理能力方面展现出显著优势。中国大模型在全球开源领域扮演着愈发重要的角色，这预示着AI技术普及和应用生态的进一步繁荣。

“AI不会导致大规模失业，而是会淘汰那些无法与AI协作的人。”卜览认为，“未来，人类最核心的能力是清晰地为AI定义目标和边界，并作为最终的判断者。胜出的不一定是最聪明的人，而是学习速度最快、最擅长与工具协作的人。”

“试点陷阱”，困住七成企业的无形之墙

尽管AI的技术潜力已是共识，但将其转化为切实商业价值的路径却充满荆棘。麦肯锡的调研结果令人警醒：全球近9成企业已投身AI转型，然而，仅有25%取得实效，真正实现规模化应用的企业更是低至约10%。

这意味着，高达75%的企业，日复一日地重复着碎片化、孤立的试点，却始终无法突破价值兑现的瓶颈。

“我们将这一现象定义为‘试点陷阱’——企业投入了大量资源尝试AI，但因缺乏对核心业务的系统性重塑，始终未能实现规模化突破。”卜览表示，“根本原因在于，大多数企业长期局限于散状、点状的零散试点，缺少对核心业务流程的端到端改造。AI转型不是单纯的技术升级，而是必须由CEO亲自主导的、自上而下的战略工程。成功的关键在于改变人、改变组织、改变文化。”

从AI的实践领域情况看，知识管理领域的渗透率最高，接近50%，其次是产品服务开发、IT、营销与销售、服务运营及软件工程。然而，即使在这些看似“AI热区”的领域，已规模化的用例中，也仅有不到5%贯穿了整个工作流程，绝大多数仍停留在概念验证阶段。

麦肯锡全球资深董事合伙人、亚太地区科技与人工智能业务与大中华区金融机构业务负责人钟惠馨（Violet Chung）补充说，AI转型远比过去的数字化转型复杂得多。

“对客模式、AI决策、技术基础设施与组织变革管理等各层面必须同时推进，仅关注技术层面而忽视组织整体变革，是大多数企业未能突破‘试点陷阱’的深层原因。”这意味着，AI不仅仅是技术工具箱里的新成员，更是一场牵一发而动全身的企业深度重构。

AI转型“六大转变”与Agentic AI力量

面对“试点陷阱”的挑战，麦肯锡开出了“六大转变”的药方，为企业指明了从零散试点走向规模化AI转型的系统性路径：

从分散用例到核心业务领域：不再“百花齐放”，而是聚焦1至2个对业务影响最大的领域，进行端到端打穿。

从流程自动化到根本性重塑：AI的真正价值在于重新思考业务流程，而非简单提速旧流程。

从中层推进到自上而下：AI转型必须是“一把手工程”，CEO的亲自推动至关重要。

从局部能力到全员提升：动员全员进行AI认知与技能的大规模提升。

从技术不足到产业化架构：建立统一的数据基础、模型管理和智能体层，为规模化应用提供技术底座。

从担忧幻觉到风险管理：建立清晰的边界规则与风险管理机制，有效应对AI可能带来的“幻觉”与伦理挑战。

在这六大转变的背后，Agentic AI（智能体）的迅速演进，正成为重塑工作边界、加速价值落地的关键变量。从实验性文本生成到智能体与工作流的规模化应用，仅仅两年时间，生成式AI技术便实现了跨越式发展。

麦肯锡在分享会上展示的跨行业实践案例，有力地印证了规模化落地的可行性与显著回报。

钟惠馨分享的银行业AI转型案例令人印象深刻。数据显示，AI转型领先的银行其有形股东权益回报率（ROTE）比落后者高出4%至8%——要知道，银行业平均ROE仅约10%，这是一个“极其显著”的差距。通过重构销售与IT工作流、部署20多个子智能体，该银行的产品迭代周期缩短了10倍，前线人员整体产能提升3至5倍。

“AI转型不是一个IT项目，而是企业自上而下的全面变革——要打破现有的流程和模式，重新思考什么是真正对客户有帮助的事情。”钟惠馨强调，“对银行业而言，AI转型领先的银行与落后者之间的差距，将在未来三年内彻底显现，这是组织能力和战略决心的差距。”

她进一步指出，过去传统银行个性化营销效率低下，AI的介入使得“千人千面”成为现实，销售和营销岗位职能发生巨大变化，从大规模硬广转向基于智能体分析的精准产品设计和推广。这意味着，更多精力投入到客户关系的建立和价值沟通上，而AI则负责处理大量的琐碎流程和数据分析。

麦肯锡全球董事合伙人、麦肯锡大中华区科技与人工智能业务QuantumBlack领导人张勤亚（Michael Chang），则分享了一家全球领先ODM厂商的转型实践。在消费电子下滑、芯片短缺与人力成本上升等多重“逆风”下，该企业通过系统性的AI与数字化转型，在28个核心业务流程中全面部署智能体，动员超过1万名员工进行AI技能提升，最终实现了运营利润率翻倍增长。

张勤亚指出：“Agentic AI最大的价值之一，就是将‘老师傅’脑中的隐性知识转化为可记录、可复制的标准程序。”他强调，“归根到底，IT是容易的，改变公司才是最难的。转型不是一个有终点的项目，而是一种需要企业持续培养的‘肌肉’，通常需要2至3年来实现组织心态的真正改变。所有数字化的东西，人不用、不会用都是无效的，所以必须花大量时间在人才培养与大规模技能提升上。”

人机协作新范式，人才流向与能力重塑

AI是否会导致大规模裁员？

在人机协作新范式下，人才的流动与能力的重塑成为外界的关注点。

钟惠馨强调，银行的销售和营销岗位正是这种转型的缩影：传统的大规模硬广推广模式正在被AI驱动的千人千面个性化推荐取代。销售人员不再把时间耗费在繁琐的资料准备和报告撰写上，而是可以聚焦于与客户建立信任关系、进行价值沟通。

“这些岗位都还在，但我们的核心任务是让AI来做那些AI擅长的事情，让人才去做最有价值、AI暂时做不了的事情。”

卜览补充认为，人才梯队的影响分为“替代型”和“转型型”，后者更为根本。凡是与标准知识型管理、服务、产品开发、软件开发和营销、内容生成相关的岗位，被替代和转型的可能性更高。但他同时指出，许多所谓的“AI裁员”，其实更多是受宏观环境影响下的预期行为，真正被AI直接取代的仍是少数。

关于顶级AI人才和初级工程师的流动，张勤亚坦言，拥有最新AI技术理解、一定业务洞察且愿意持续学习的人才，是全市场最炙手可热的稀缺资源，他们的流动更多是因为更好的发展机会。对于初级工程师而言，关键在于能否快速提升使用AI工具的能力。

“工作不会少，反而会增加。在AI时代，企业快速迭代的频率会增加，你会做的事情更多。”他认为，快速掌握AI工具将是他们保持竞争力的关键。

从“All in AI”到“有选择的自我颠覆”

对企业或组织而言，如何在AI时代加速变革？

卜览认为，许多公司都在提“All in AI”，但如果将其视为一种方法论，则可能适得其反。“All in AI是个态度，但你真正做得好的一定是有选择。这家公司哪一些业务领域是独特竞争价值，我用AI把它更大化。或者这部分如果不变，这部分会被别人颠覆，我不得不革自己的命。”

麦肯锡认为，真正做得好的企业，一定是“有选择的自我颠覆”。这意味着企业必须明确，哪些业务领域是其独特的竞争价值所在，需要用AI去放大；或者哪些部分如果不变革，就必然会被颠覆。