AI 采用率到底该量什么:公开统计看不见 L3 之后

一、88% 和 17% 说的不是同一件事

麦肯锡 2025 年全球调查显示，88% 的受访者称所在组织至少在一个业务职能中常规使用 AI，高于前一年的 78%。但同一份报告里，近三分之二的受访者表示组织尚未在企业范围内开始规模化落地。两个数字出自同一批受访者，描述的却是两个阶段：一家让市场部试用文案工具的公司，和一家把 Agent 嵌入核心流程的公司，在“是否使用”这个问题上给出的是同一个“是”。

采用率这个指标在浅层有分辨力，在深层没有。它回答的是“有没有”，回答不了“有多深”。企业负责人拿着 88% 去对标自己的进度，就像拿着“有电脑的公司占比”去评估数字化水平——数字是对的，问题问错了。

二、Agent 统计里藏着更大的鸿沟

同一份调查里关于智能体的数字更值得细看：62% 的受访者称组织至少在实验 AI Agent，23% 已在至少一个职能内规模化，另有 39% 正在实验。但把口径收紧到单个职能，声称在规模化的受访者在任何一个职能里都不超过 10%。“采用”统计的口径是“至少实验”，与“规模化”之间隔着一道巨大的鸿沟。

这道鸿沟解释了为什么关于“AI 到底有没有用”的争论始终无法收敛：争论双方引用的都是只能分辨浅层的数据。看不见深度的统计，天然会把“开始试用”和“已经跑通”混为一谈，然后让所有人对着同一个数字吵架。

三、高绩效者在量的东西不一样

麦肯锡把约 6% 的受访者定义为“AI 高绩效者”：AI 贡献达到企业 EBIT 的 5% 以上，且自评技术影响“显著”。这批人与众不同的地方，不在于用了更强的模型，而在于量的东西不一样。

高绩效者 3 倍更可能为 AI 转型设定宏大目标，更可能从根本上重构工作流程而不是把 AI 塞进现有流程；他们 3 倍更可能表示高层亲自为 AI 举措担责；他们把超过 20% 的数字预算投入 AI。报告还指出，追踪 AI 解决方案的 KPI，是高绩效者显著区别于他人的做法之一。换句话说，高绩效者的共同特征是：他们不量“用没用”，量的是流程是否被重构、目标是否为增长与创新、以及每一分投入对应的业务结果。

四、回到企业自己：该量的三组数

第一组是流程嵌入度：AI 进入了几个核心流程、覆盖了多少岗位、是否有硬性的使用覆盖率可查。工具买了但员工不用、培训做完没人坚持，在“采用率”统计里都是“是”，在这一组数里都是“否”。

第二组是业务结果：区分用例层面的收益和企业层面的影响。麦肯锡数据显示 64% 的受访者称 AI 促进了创新，但只有 39% 报告了企业层面的 EBIT 影响。用例层面的降本增效是真实的，但它不等于组织能力——个人层面的效率提升若不能沉淀为流程，就是随人员流动而消失的“安静 ROI”。

第三组是治理深度。斯坦福 AI Index 2025 报告收录的成熟度研究显示，2024 到 2025 年间组织级成熟度明显提升（更多公司获得 CEO 支持），但运营级成熟度持续滞后：系统级的保障（偏见消减、对抗测试、环境影响测度）跟不上高层的承诺。2024 年 AI 事件报告达 233 起、同比增长 56.4%，而多数组织仅识别风险、缓解行动不足。采用率统计完全不反映这一层——而这一层恰恰是规模化落地时最先爆雷的地方。

三组数合在一起，才是一家企业 AI 落地的真实坐标。公开统计给不了这个坐标，它只能告诉你浅滩有多挤；深水区的路，要靠企业自己的仪表盘。