为什么AI越用越多，公司却没有真正改变？丨ANC重新理解AI转型

麦肯锡2025年的全球AI调查里，88%的受访者表示，其所在组织已经在至少一个业务职能中常态使用AI，一年前这一比例是78%。39%的受访者表示，AI已经对组织的企业级息税前利润产生某种程度的影响，但其中大多数认为，AI带来的影响还不到EBIT的5%。符合该调查"AI高绩效组织"定义的——超过5%的企业级EBIT影响，并且产生“显著价值”——约占6%。

这不是说AI没有产生价值。同一份调查里，多数受访者表示其所在组织AI改善了创新能力，接近半数表示客户满意度和竞争差异化有所改善。真实的收益确实在发生。

但有一件事很清楚：AI已经进入大多数企业，而它创造的局部收益，还很少穿透部门、流程和业务环节，转化成显著的企业级财务结果。

这个反差在企业内部通常不以数字形式出现。

AI项目的汇报大多是好消息。客服响应更快了，营销素材产出更多了，工程师写代码更快了。每一项都真实，每一项都有数据支撑。然后在某次预算会议上，CFO问了一个很自然的问题：这些局部改善，通过什么路径最终转化成了公司级的结果？

这个问题很难回答，是因为几乎每一项改善都在价值链的其他环节被吸收了。客服响应快了，但省出来的能力被更复杂的咨询和新增的服务需求吸收；营销素材多了，但内容量的增长没有穿透到转化环节；工程师编码快了，但交付周期仍然受制于需求确认、测试排期和客户的决策速度。

投入是实的，效率改善是实的，但公司还是那家公司。

NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。

从局部增强开始，是最容易被批准的选择

把AI接入现有岗位和流程，它不需要重新设计组织，不需要说服所有人，不需要在结果未知的时候改变权责边界。买一个工具，让一个部门先用起来，这条路径的每一步都有先例可循。收益也容易证明——省下的时间可以计算，员工的体验改善可以调研，早期成果能拿到下一轮预算。

企业当然也会设立跨部门创新项目、新业务孵化、独立产品团队或者战略实验预算。但在AI这件事上，多数投入仍然从现有部门、岗位和流程切入。

原因不在于哪一条路更正确，而在于哪一条路更容易走完全程。把AI接入现有流程，是风险最低、收益最容易被证明、也最容易获得组织批准的选择。

这个选择成立有一个前提：AI是企业现有运行方式中的一种增强能力。在这个前提下，把它接到现有流程上不仅合理，而且是启动成本最低的。

效率改善为什么不等于公司真正改变

这里需要把三件常被混在一起谈的事分开。

任务效率，是一个人做同一件事更快：写邮件、写代码、写文案、整理会议记录。

流程效率，是一串任务的传递更快：审批走得快了，交接的等待短了，客户请求的响应时间下降了。

价值创造方式，是公司靠什么赚钱、为谁创造什么价值、通过什么方式交付。

前两件事的改善，通常可以直接落到现有的KPI上——响应时间、人均产出、周期天数，每一项都有现成的口径和现成的负责人。第三件事不一样。新的价值创造方式往往跨越现有的职能边界，也缺少成熟的历史基线，因此更难在项目启动之前被现有的指标体系识别和证明。

企业不是没有衡量价值创造变化的指标。新产品收入、客户增长、市场份额、新业务贡献，这些指标都存在。问题在于它们衡量的是已经形成的价值创造方式的表现，而不是一种尚未形成的方式的可能性。

由此产生一个反直觉的效果：效率改善越容易被看见，就越容易成为"转型正在发生"的替代证据，从而让对价值创造方式的追问提前停止。

每个季度的AI汇报都有进展可以展示，每一项进展都是真的。这些进展提供了一种令人安心的信号——我们在动，我们没有落后。而正是这个信号，让"我们的价值创造方式是否需要改变"这个问题显得不那么紧急。

组织如何吸收一种新能力

如果企业只是认知落后，问题会比现在容易解决——把道理讲清楚，投入方向就会改变。但过去几年里，许多大企业的管理层都已经反复听过“AI是根本性变革”这句话，投入结构却没有因此发生同等程度的变化。

一个更有解释力的原因，藏在企业运行机制的更下面一层。企业不会直接按照一种新能力可能创造的价值来接收它，而会按照现有组织能够归属、能够负责、能够衡量和能够批准的形式来接收它。

这不是一条谁都能看见的规则，因为它不体现在任何一次决策里。它体现在四个地方。

预算需要归属。AI预算必须由某个具体的部门申请，而部门的考核目标是它自己那部分既有任务。申请理由因此几乎必然是"让我们这块的事做得更好"。跨越多个部门的新价值创造方式，往往缺少天然的预算归属和稳定的申请主体——不是没人愿意做，是没有一个人的预算书里天然该放这一条。

项目需要负责人。任何项目要推进，需要一个能持续负责的人。现有项目责任通常绑定在既有岗位和职能边界上，跨边界的价值假设因此更难找到能够长期负责的业务所有者。

改善需要被识别。现有的指标体系和复盘机制是围绕现有价值创造方式建立的。没有进入正式指标和复盘机制的变化，很难获得与其潜在价值相匹配的资源和管理注意力。它可能真的在发生，但在管理系统的视野里，它是模糊的。

不确定性需要被证明。买工具能填出一张回报表——省下的人工小时乘以人力成本，数字虽然粗糙但可以证明。新的价值创造方式还不存在，没有基线，填不出这张表。两个选项进入同一套审批机制时，能够依靠既有基线计算回报的项目，通常更容易获得批准。

这四条合起来的效果是：AI能力进入企业的时候，会被自动路由到"某个现有部门的某个现有任务的某个现有指标"上面。

一个具体的走法是这样的。某个人在会上提出一个想法，它可能改变公司交付服务的方式。这个想法要活下来，第一步得找一个部门认领——于是它被裁剪成这个部门职责范围内的版本。第二步得有人负责——于是它的目标被调整到这个人的考核范围之内。第三步要证明它有效——于是衡量它的指标从"是否打开了新的可能"换成了"现有环节改善了多少"。第四步要通过立项——于是它被要求给出一个可比的回报测算，而唯一能算出来的部分就是它对现有任务的提效。

四步走完，最初那个可能改变交付方式的想法，变成了一个提升某部门效率的AI项目。它会被批准，会拿到预算，会在季度汇报里显示为绿色。没有任何一步是错的，没有任何一个人做了错误决定。

这里要说清楚的是，这不是一条无例外的定律。它描述的是一种系统性倾向——在没有专门设计的情况下，新能力更容易流向组织已经熟悉的地方。

麦肯锡的调查提供了一个侧面的印证：被该报告归类为AI高绩效组织的受访者，近三倍可能性表示，其所在组织在部署AI时对工作流进行了根本性重新设计。说明工作流重构与较高的AI业务影响之间存在显著关联。这个关联指向的方向和上面四条一致：改变发生在结构被改动的地方，不发生在能力被叠加的地方。

但企业也做过许多无法计算回报的战略投资——并购、进入新市场、建立新品牌，这些都不是靠ROI表格批准的，为什么AI不能这样做？并购和新市场虽然回报不确定，却有可类比的先例和可参照的市场规模，能在决策会上给出一个可以辩论的数字区间。

对许多企业而言，围绕AI重新设计价值创造方式，仍然缺少与自身业务足够可比的先例和稳定基线——不是企业不愿意为不确定性下注，是这一类不确定性暂时还没有被翻译成组织能够讨论的形式。

企业真正缺少的是什么

缺的不是AI。

从可获得性看，基础模型、通用工具和算力的获得门槛已经显著下降。对很多企业来说，“有没有AI”正在从首要问题变成基础条件，但获得能力并不等于能够把能力转化为企业级价值。缺的是能够承载这些能力的价值创造方式。

“承载"这个词需要具体一点。任何公司创造价值的过程，大致都包含四个环节：发起——决定要做什么；判断——决定怎么做才对；行动——把它做出来；反馈——从结果里知道下一步该怎么调整。在今天绝大多数企业里，这四个环节默认全部由人完成，AI在每个环节里做辅助：帮人写得更快、算得更准、找得更全。

而AI能力本身正在发生一类变化。一类新的能力正在出现：它不再只是完成一次被交付的任务，而可能开始参与目标实现过程中的部分判断、行动与反馈。

如果这一类变化继续发展，那么上面四个环节的组合方式本身可能需要重新安排。而这件事没有任何单个AI项目能够完成——因为它跨越了现有项目的边界。

这就回到了前面那四条。一个跨越项目边界的问题，在现有的预算归属里没有位置，在现有的岗位职责里找不到负责人，在现有的指标体系里无法被识别，在现有的审批机制里填不出回报表。企业缺少对新价值创造方式的探索，和企业的AI投入总是流向局部增强，是同一件事的两面。

ANC重新理解AI转型

三年过去，多数企业在AI上的讨论仍然是同一个句式：我们要加大AI投入，深化应用场景。

这句话的问题在于它无法被检验。加大多少算加大？深化到什么程度算深化？一家公司可以连续三年说这句话，每年都做到，而公司的价值创造方式一处未变。

有一个更有用的分法。把企业的AI投入按主要价值假设分成两类：

第一类是优化既有价值创造方式：同样的事做得更快、更便宜、质量更稳。绝大多数AI项目在这里，而且这类项目应该继续做——它们提供真实的效率改善，也提供组织学习应用AI的必要过程。

第二类是探索新的价值创造方式：以AI带来的新能力为关键前提，改变价值如何被生产或交付。它可能改变企业为谁创造价值、创造什么价值，也可能在价值主张不变的情况下，改变核心价值持续产生和交付的机制。

这两类不是互斥的标签。很多项目既能提升现有效率，也可能打开新的可能性；分类依据是项目的主要价值假设，不是要求每个项目只能属于一类。

分完之后，管理层可以问一个能够被回答的问题：

我们当前的AI投入组合里，是否存在明确以探索新价值创造方式为主要假设的项目？这些项目获得了多少独立的资源和管理注意力？

关注"独立的资源和管理注意力”，是因为这类项目最常见的死法不是被否决，而是被挂在某个现有部门下面，用现有指标考核，然后在后续季度因为"暂时看不到明确回报"而降级。

如果这个问题的答案长期是"没有"，那么无论第一类项目做得多好、投入多少，它们都不会自动把企业带入一种新的价值创造逻辑。效率项目的累积确实会改变一些东西——人员结构、成本结构、流程设计都可能变化。但把同一件事做得更快，不会让它变成另一件事。

新能力进入企业时，会先被旧结构翻译成它能够归属、衡量和批准的形式。企业最终得到的，不只取决于AI能提供什么，更取决于现有组织能够接收什么。

效率改善是真的，但把同一套价值创造方式运行得更快，不等于建立了新的价值创造方式。

这不是要求立刻重构

现在就要求企业探索新的价值创造方式，是不是过早？AI能力还在快速变化，方向还不清楚，过早下注可能押错。

这个担心是合理的，而且本文不建议任何企业立刻重构。

第一类投入不是错误，本文没有否定它的意思。效率改善是真实收益，组织在使用AI的过程中积累的经验也是真实资产——没有这个过程，即使有了正确的方向也执行不了。

本文主张的只有一件事：企业要知道自己的投入组合里有没有第二类。

做这个判断的成本很低——它是一次盘点，不是一次转型。而不做这个判断的代价是，三年之后回头看，会发现所有投入都在同一类里，而这个事实在当时的每一次预算会上都没有人问起过。

还有一层适用边界需要说明。如果一家企业的目标本来就只是效率改善——它所在的行业结构稳定，价值创造方式在可见的未来不会变化，那么第一类投入是正确选择，本文的判断对它不产生额外要求。这篇文章面对的是另一类企业：它相信AI会改变自己所在的行业，但它的投入结构还没有反映这个判断。

写在最后

AI能力正在从"完成被交付的任务"，向"参与目标实现过程中的判断、行动与反馈"进化。它是接下来所有问题的起点。

当AI开始参与目标的实现，它与工具之间的分界究竟在哪里？

参考资料和术语：

1. McKinsey & Company, The State of AI in 2025: Agents, Innovation, and Transformation, November 2025. 调查时间为2025年6月25日至7月29日，样本为来自105个国家的1,993名受访者；结果为自报数据。
2. ANC : AI Native Company AI原生公司

感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪AI工程系列」FDE落地工程、ANC：AI Native Company未来公司系列、GEO、AI判断工程。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。