64.4%进入生产部署，60.4%仍没有体系化价值衡量

德勤中国与香港大学本周发布的联合调研，给出了一组很有张力的中国企业剖面。

在覆盖中国大陆与香港205位企业高管的样本中，处于AI生产部署阶段的企业比例，由2025年的56.0%升至2026年的64.4%。与此同时，48.5%的受访企业表示AI项目实际投资回报低于预期，44.4%无法明确核算实际回报，60.4%尚未建立体系化价值衡量框架。

这不是"AI没有价值"的证据。它更像是一个时间差：技术已经进入生产，组织用来解释、协调、约束和学习的机制还没有全部跟上。

本周全球材料提供了另一面。KPMG对314名美国大型企业高管与业务领导的季度调查显示，近六成受访者报告AI已经产生可衡量业务价值；74%把成本复核纳入AI审批，70%使用监控看板，49%已经明确不允许Agent在高风险场景自主决策。

两组调查的地区、企业规模、样本和问题口径不同，不能据此比较中国与美国企业谁更成熟。但它们共同把企业AI的问题推进了一步：当部署开始扩大，价值衡量、工作流、决策权和人才系统能否一起更新？

综合本周11条全球与中国材料，本文把这种"生产系统已经变化，组织机制仍在补课"的时间差称为组织债务。这不是本周任何一家机构发布的正式概念，也不是可以直接量化的成熟度指标。它是一种观察框架：今天为了快速上线而暂时保留的旧流程、旧指标、旧权限和旧能力安排，可能会在未来以返工、协调摩擦、价值不清、风险暴露和人才断层的形式被偿还。

图1：AI生产化与四类组织债务

第一笔债：

AI节省了工时，企业却还没有看清价值去了哪里

德勤中国与香港大学的调查显示，87.3%的受访企业在评估AI成效时关注处理速度与工时节省，70.7%关注成本节约，而观察收入与客户维度的只有21.5%。

工时当然重要，但工时缩短不是经营结果本身。

如果一个员工原来需要八小时完成报告，现在只需要两小时，组织仍要回答：多出来的六小时是减少了加班，扩大了服务量，提高了判断质量，转向了客户工作，还是被新的复核、返工和协调重新占满？如果没有后续配置，局部提效很难自动出现在利润、收入、客户体验或风险结果里。

国际劳工组织与中国人民大学研究人员关于中国企业的研究，进一步呈现了这个测量难题。研究基于21家企业深访和1,591名专业人士调查。受访企业自报了一些明显改善：一家保险公司300名客服员工每日处理量由6,000件升至15,000件；另一家大型保险集团招聘周期由30天降至13天；一家智能制造工厂报告生产效率提升30%。

但研究同时指出，系统衡量仍是例外，尤其缺少对工作质量、工作条件和任务构成变化的观察。上述企业属于目的抽样，效果数据也没有独立验证，不能外推为全部中国企业的普遍结果。

California Management Review本周的文章从Agent角度解释了衡量为什么会继续变难：当系统开始跨部门、跨流程运行，自主选择路径，并与其他用例共享模型、数据和编排基础设施，单个项目的成本与收益边界会变得模糊。采购Agent可能同时影响库存、供应商、现金流和风险，价值不再稳定停留在一个职能预算里。

作者提出"Return on Delegation"，提醒管理者不仅看投了多少钱，也看组织把多少判断、自主权和责任交给机器，以及换回了什么。它不是一条可以直接套用的财务公式，也不意味着放弃ROI。

从"组织债务"的角度看，衡量债务并不是没有指标，而是旧指标只能看到新价值链的一部分：看到了任务时间，却没看到能力如何重新配置；看到了工具成本，却没看到跨流程结果；看到了产量，却没看到工作质量、例外与人工接管。

图2：从工时指标到经营结果链

第二笔债：

AI进入了工作流，组织却仍按旧的协调方式运行

INSEAD本周把AI区分为生产技术和组织技术。

一个Agent帮助销售人员更快生成客户方案，主要改变的是任务生产。但如果它发现方案需要法务和财务参与，主动找到相关人员、路由信息、整合反馈、跟踪依赖并提醒例外，它就不只是在"做事"，也在吸收组织的协调架构。

这一区分很重要。企业常用"进入工作流"描述AI生产化，却未必区分两种状态：

前一种状态可以由项目上线完成，后一种状态需要运营模式更新。

Accenture本周的文章提出，AI正在改变决策、横向价值流、人机混合队伍、单位结果成本和组织学习五个方面。文章还提出一个值得观察的变化：产能增长开始与人数增长脱钩。机器能力按使用量扩张，员工成本更多是承诺性成本；如果预算和组织仍只用人数、职能和项目来观察产能，新的生产能力就可能在旧报表中变得不可见。

中国材料也反复触及旧流程问题。德勤中国与香港大学调研中，偏向维持现状的流程与激励机制、数据质量与可获得性并列成为主要障碍，系统集成是突出瓶颈。阿里云本周的活动材料也提出，许多企业虽然装上了AI，组织和工作流却没有改变。

阿里云展示了制造、法律、会计、电商和EDA等工作流案例，并发布FDE伙伴能力体系。这些案例属于厂商与合作方自述，不能当作独立效果证明。但它们揭示了一种实践方向：AI落地的竞争单位正在从一个功能，转向可连续交付的工作流和组织能力。

流程债务因此并不等于"流程没有自动化"。它更可能表现为：局部动作变快，交接仍然等待；Agent跨越了部门，责任仍然留在单一职能；异常由一线人员临时兜底，偏差却没有回到规则和流程。

图3：AI加速旧流程与AI重写协调结构

第三笔债：

Agent获得了行动能力，授权仍停留在访问权限

BCG本周关于Agent授权的文章称，35%的受访组织已在生产环境运行Agent，44%正在计划部署，超过三分之一预期三年内让Agent拥有独立决策权。

文章认为，传统的两类权限体系都存在缺口。人类权限默认使用者有判断力，也能被问责；应用权限则默认软件行为固定。但Agent可能围绕同一个目标选择不同路径，组合多个系统和工具，在新的情境中采取上线时没有逐项写明的动作。

所以，"它能访问什么"已经不够。组织还需要回答：

BCG把这种思路称为目的与行为约束授权。它是一套咨询框架，不是已经普及的行业标准。它的价值在于把授权从静态账户，推进到运行中的路径和影响。

KPMG样本中，49%的受访者已经划出不允许Agent自主决策的高风险场景；CMR文章则认为，在精确财务回报尚未形成时，监控、升级、停止开关和人工覆盖率等领先指标可能需要先运行。

授权债务也不是"完全没有权限管理"。它往往出现在权限已经开通，但委托链、目的、路径、例外和接管没有被放进同一条记录时。系统可以证明某个凭证访问了数据，却不能解释这个Agent为什么这样做、谁同意它这样做，以及后果出现后谁能停止。

图4：从访问权限到目的—路径—接管链

第四笔债：

工作已经改变，岗位与能力仍按一次培训处理

CIPD本周发布的研究汇编，整合了英国政府BridgeAI项目的8个行动研究案例和多份指南。案例涉及不同规模、行业和数字成熟度的组织，研究方法包括高管访谈、工作组会议、员工调查、行动规划工作坊和组织文件。

这些材料把AI采用与岗位设计、员工参与、治理、技能规划和组织变革放在一起。它们强调的不是"所有人上完一门AI课"，而是持续提升、战略性暂停、员工共同参与，以及保护未来仍需要的专业知识。

ILO关于中国企业的研究也把主要瓶颈指向技能与管理能力。在受访企业中，人机混合工作流仍是主流；挑战包括员工抵触、技能、AI输出质量、数据安全、监管和现有系统集成。

上海市经信委本周报道的企业技术中心FDE通识班，提供了一个中国实践信号。首期培训面向逾30家国家级、市级企业技术中心负责人，目标是培养"懂业务、通模型、知安全、能交付"的内部AI骨干，并把业务诊断、系统评估、小步验证和生产部署放在同一条路径上。

培训启动不等于组织能力已经形成。但它提示，AI生产化需要一种常被忽略的"组织翻译能力"：能把业务问题翻成可验证场景，把模型能力翻成流程安排，把安全边界翻成具体动作，再把项目经验沉淀为可复制交付。

能力债务因此不只是员工"不会用工具"。它还包括岗位已经变化而职责没有重写，复核与纠错成为隐形劳动，专家经验被自动化消耗却没有被继续培养，以及技术、业务、风险和HR之间缺少能共同工作的人。

图5：从一次培训到持续能力更新

中国与全球材料，为什么都把问题带回运营系统

本周全球材料更集中讨论运营模式、决策权、成本监控和组织技术。

INSEAD提醒，同一种AI既可能支持横向协作和分权，也可能让更少的管理者控制更大范围；组织结果不是技术自动决定的。Accenture把决策、价值流、人机队伍、成本和学习连接起来。BCG、CMR和KPMG则分别从授权、价值判断和治理实践观察Agent生产化。

中国材料更集中呈现生产部署、价值兑现、系统集成、工作流进入和复合交付能力。

德勤中国与香港大学给出了生产部署与价值衡量的时间差；ILO与人大研究团队展示了混合工作流、技能和工作质量问题；上海FDE实践与阿里云活动材料都在尝试连接真实业务、模型、安全与交付。

两类材料在一个点上会合：AI生产化不是一次技术上线，而是一组经营机制的同步更新。

差异更多体现在公开证据的颗粒度。全球材料更常给出运营模式、授权与监控框架；中国材料更常给出落地障碍、培训安排和产业实践。现有公开资料仍相对缺少中国企业跨部门长期运行的结果、异常、人工接管和岗位变化数据；而全球大企业样本也不能代表中小企业。OECD本周数据显示，2025年成员国10人以上企业的AI采用率为20%，小企业采用率只有17%，约为大企业的三分之一。

这意味着，"AI已进入生产"的叙述，需要始终保留企业规模、行业和样本边界。

本周学院判断：技术债可以交给技术团队，组织债务只能跨职能偿还

技术债通常指为了速度而暂时采用的技术折中，未来通过重构代码、架构或基础设施偿还。

本周材料提示，AI生产化还会留下另一类欠账：

这四类债务不是一个统一标准，也不能简单加总成分数。它们更像四个观察窗口，用来判断：生产化速度是否已经超过组织的承接速度。

它们还有一个共同特征：没有任何一个部门可以单独偿还。

因此，本周学院判断是：AI生产化的下一段竞争，不只是继续增加模型、Agent和用例，还包括能否看见并逐步偿还随生产化累积的组织债务。

这并不意味着企业应等待所有机制完善后再使用AI。它提示的是：快速部署是一种节奏选择，而暂时保留的旧机制也需要被看见、命名并持续复盘。否则，今天节省的上线时间，可能在未来以更高的协调、返工和治理成本出现。

本周文献共同涉及的管理问题

综合归纳，本周材料反复涉及七个问题：

1. AI节省的时间与产能，后来被重新配置到哪里？

2. 价值指标是否从任务速度连接到了客户、收入、风险与工作质量？

3. AI进入的是一个动作，还是一条跨部门价值流？

4. 哪些重要决定由人主导、人与AI共同完成或由AI运行？

5. Agent不仅能访问什么，还被允许以什么方式完成目标？

6. 谁拥有暂停、接管、纠错和改变规则的真实权力？

7. 哪些岗位、专业知识和学习机制需要随真实工作持续更新？

这些问题都不是单纯的技术验收问题。它们共同指向经营系统如何吸收新的智能能力。

给企业家与高管的关注提醒

以下仅作为基于本周公开文献的观察框架，不构成企业诊断、投资建议或行动指令。

• 可以关注：生产部署扩大后，企业是否仍主要用账户数、调用量、速度和工时描述AI价值。

• 需要留意：局部任务变快时，跨部门等待、例外处理和隐形复核负荷是否同步变化。

• 值得观察：现有预算是否只能看到人力与软件采购，难以连接人、Agent、推理成本与单位业务结果。

• 可以关注：Agent的访问权限之外，是否有目的、行为路径、自主禁区和人工接管记录。

• 需要留意：员工培训是否与岗位、流程和专业能力持续更新相连，而不是一次性完成。

• 后续可持续跟踪：企业是否开始披露跨部门长期运行的业务结果、异常、覆盖、接管和停止数据。

• 在阅读采用率与ROI调查时，可以特别注意：样本企业规模、调查对象、自报口径和"生产部署"的定义是否一致。

• 原创出品：智能原生管理

• 文章仅代表作者本人观点

END

曹朝霞

华 夏 基 石 管 理 咨 询 集 团 副 总 裁 、高 级 合 伙 ⼈ ， AI 领 导 力 学 院 院 长

华 夏 基 石 首 席 管 理 + A I 专 家

所著文章：高能企业系列7篇、AI转型案例系列三大行业七大企业及专题报告共14篇、AI时代五大范式革命系列6篇、产业领袖+AI学堂系列10个模块9篇、2026新年AI行动系列5篇；企业AI风向标、高管AI内参、智能原生管理、VDBD价值透视、岗位AI重构、AI ING系列持续更新中

所著书籍：2025华夏基石第12届十月管理高峰论坛白皮书《AI在企业的真正落地：从战略到个体的智能跃迁》

 《AI时代高能企业的六大评估标准》

 《六大行业的小微高能企业标杆全景图》

 《传统企业如何从“低能体”进化为“高能体”》

 《新创业者如何成为“高能新物种”：少人高估值的创业密码》

 《政府、园区、投资人如何评估与识别“高能小微新物种”》

分享、点赞、推荐，3连3连！