推荐语
AI应用率高达80%，但真正实现重塑的却为0。问题不在技术，而在企业是否敢于自我革新。核心内容： 1. 麦肯锡报告揭示的AI应用四层困境 2. “增强”与“重塑”两种路径的巨大收益差距 3. 将AI视为具备“技能”的新员工，而非简单工具
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
最近看了麦肯锡发布的报告，很多企业都在用AI，但是如果内部协作和岗位没有重新设计，那其实意义不大。这个现象最直接的反应就是，大厂都开始缩减员工的token报销额度了。
以下是报告的解读⬇️
80% 在用 AI，0% 跑通。
差距不在"用没用"，在"把它当什么"
是给旧流程装新零件，还是重新招聘的新员工。
电力革命 30 年后工厂才真正围绕电力重设计，AI 革命正卡在同样的困境。
麦肯锡 《共生企业》数据：
80% 的组织停留在"生成式 AI 聊天机器人"阶段，60% 进入了"智能体任务"，只有 10% 做到了"智能体工作流"，真正进入"智能体组织"的是 0%
把 AI 当工具装到旧流程里，还是当员工重新设计流程 ——
这是过去 4 年所有公司面对 AI 时被严重低估的"第一性原理"。
一、报告里被忽略的那张图
报告里那张分布图，是整篇报告最值钱的一段。
它的核心数据是：
- 60%：AI 能自动跑一些孤立任务，但人还在循环里
- 10%：AI 嵌入进了重新设计的工作流，人在循环之上
四层分布里，前两层是"用 AI"，后两层是"被 AI 重塑"。
绝大多数公司卡在前两层。
AI 不够聪明不是卡住的真正原因。
卡住的是公司没有勇气把自己重做一遍。
80%/0% 四层人群分布，从拥挤到独立
二、不是"增强"，是"重塑"
把 AI 嵌入现有工作流（增强），还是从零重塑工作流（重塑）。
收益差距：
问题不在模型选得多好，问题出在企业愿不愿意把自己重做一遍。
亚马逊全球运营里跑着超过 100 万个机器人，Sequoia 系统识别库存比旧系统快 75%，订单处理时间减少 25%。
这些收益不是来自"用机器人换人"，而是来自"围绕 AI 协调重塑了仓库的运营模式"。
一家全球前十大投行用 AI 智能体工厂改造工具数据运营链路，生产力提升约 40%。
同样的模型，给另一家"在旧流程上加 AI"的公司，回报趋近于零。
说白了，模型趋同以后，差距不在模型，在流程。
这是我之前写的 认知拐杖 vs 认知健身房在企业级的版本：
让 AI 当陪练，企业才进得了"重塑健身房"
—— 流程重画，组织跟着升级。
让 AI 当拐杖，企业就只剩"假电梯"
—— 效率上去了，竞争力反而被锁死。
区别在哪？
前者逼企业重塑，后者让企业偷懒。
增强是给旧机器装新零件。
重塑是把机器图纸重画。
旧机器拆解 vs 重新设计的齿轮组
三、AI 不是工具，是技能化的新员工
报告里着重提到了"智能体技能"（Agent Skills）这个概念。
一个通用开发智能体，能起草代码，但写出来的代码不一定符合你们公司的加密规范和测试覆盖率。
给它配一个" 工程规范技能Skill "—— 把规则、异常、阈值编码成可复用组件。
同一个智能体就能端到端地写代码、写测试、生成解释。
一个通用客服智能体，能礼貌地回复。给它配一个" 索赔处理技能Skill "—— 升级路径、合规规则、退款阈值、法律验证模板。
同一个智能体就能合规处理整条索赔链路。
这种"通用智能体 + 专业技能"的产品形态，本质上就是把 AI 从工具变成了可被雇佣的专业员工。
开 Agentic 公司的 4 步法
链路是这样的：
工具 → 助手 → 技能化员工 → 同事。
走到"同事"那一步，
组织形态才真正开始变。
机器人插上多张技能卡
四、共生企业的两种失败模式
报告反复警告两种失败模式，我觉得值得记一下。
第一种叫渐进主义。在 AI 原生竞争对手已经在抢市场的时候，还在用优化前 AI 时代流程的方式做 AI。Stanford 那份 51 个成功部署的研究讲过类似的故事：每 1 美元技术投资要配 10 美元的无形投资（流程重设计、再培训、组织转型），大多数公司只肯花前 1 美元。
第二种叫过度扩张。以超出组织吸收、适应或治理能力的速度部署自主系统。Agentic AI 的七大风险里（执行失控、未授权工具调用、权限升级、问责扩散……），每一条都对应"跑得太快"。
麦肯锡给出四个成功条件：
- 一个重塑引擎—— 把工作流重塑做成可重复的能力，不是一次性项目
- 一个治理框架—— 给"AI 员工"配上人类的边界、责任和经济学控制
这里面"治理框架"那条最容易被忽视。
另外，还要注意"认知税" ，指的是对少数 AI 供应商的战略依赖，正在变成对企业执行的征税。
机长不能让自己绑死在副驾驶身上。
机长稳坐主驾，副驾被线缆缠住
五、场景
报告的意图是给一条新的企业形态路线图，不是替所有公司下"必须变"的判决。
它成立的范围：
- 流程标准化程度高、变异性低的认知/物理工作（客服、文档处理、仓库拣选、初级编码）
它不成立的范围：
- 高度依赖隐性经验和小样本判断的领域（早期创新、复杂谈判、危机处置）
- 数据敏感或合规要求极高、不能给 AI 自主权的领域
- 业务体量小、组织吸收能力不够的小团队—— 硬上就是过度扩张
这件事的适用范围是清楚的。
但所有企业都要回答一个问题：你打算把 AI 当工具用到什么时候？
六、你的公司把 AI 当什么
报告没给一个标准答案。
它给的是一个判断：向共生企业的过渡，既不是技术部署，也不是生产力计划。它是一场战略转型。
战略转型不靠一份新战略文档落地，在 AI 已经能做事的世界里，靠回答"我是谁、我的客户为什么买我、我靠什么差异化" 这三个老问题。
你身边的人都在用 AI，所以你也不用焦虑；
但身边的人都没有跑通，所以你也不知道真正的样子长什么样。
个人要拼判断力，
企业要拼"把 AI 当员工"的勇气。
你所在的公司，是 80%，还是 0%？
#人机协作 #组织进化 #共生企业
微软CEO：每家公司都需要重新构想工作。当组织正在从"敏捷"变成"智能体化"，你的公司跟上节奏了吗？
来源：
- AI is everywhere. The agentic organization isn't—yet
- The symbiotic enterprise: A new model for growth
- The Enterprise AI Playbook: Lessons from 51 Successful Deployments — Stanford Digital Economy Lab（Pereira, Graylin, Brynjolfsson），2026 年 3 月
- Can agentic AI solve the "last-mile" automation challenge for CIB — McKinsey Banking Matters，2026 年 2 月
- 亚马逊 Sequoia 物流人形机器人报道
- 雷诺部署 350 台 Calvin-40 人形机器人
粤ICP备14082021号
免费POC，
零成本试错
