为什么企业都要上AI

我最近翻到一组数据，前前后后看了三遍。

麦肯锡去年底的全球调研里说，近90%的公司，已经在至少一个业务职能里部署了AI。

同一份报告里还有另一个数字，94%的公司表示，还没有看到显著价值。

九成公司在用，九成四没赚到钱。

然后所有人还在拼命往里冲。

我第一反应是，这不就证明AI是个泡沫吗？？？

我第二反应是，不对。

这事儿没这么简单。

先说句公道话。

你要是一个企业的老板，或者是某个部门的负责人，你眼里的AI大概长这样，员工拿它写周报，客服机器人答非所问，花几十万搭的知识库没人点开，年底总结会上大家轮流讲提效故事，但没人敢说这事儿到底省了多少钱。

我非常理解这种感觉。

中国信通院今年3月那份《人工智能赋能中小企业高质量发展研究报告》里，用了六个字概括企业为什么不上AI。

不愿、不敢、不会。

坦率的讲，这六个字，比我看过的任何一份咨询报告都诚实。

但我想说的是，绝大多数人，包括很多正在纠结要不要上的老板，把这个问题问错了。

大家一直在问，AI到底有没有用。

可真正该问的是，不上AI，你要付什么代价。

这两件事，真的不是一回事。

先泼盆冷水吧，把幻想打掉。

如果你上AI的理由是「AI能提效」，那你大概率会失望。

麦肯锡那80%说AI带来效率提升的公司里，只有6%真的看到了利润层面的变化。中国信通院那边更具体，50.23%的受访中小企业已经在生产经营里用上了AI，但真正把AI嵌进全流程的，只有4%。45%卡在部分业务试点，28%还在实验性探索。近四成企业的AI投入，没超过100万。

增长黑盒和网易智企今年4月做过一个百企调研，里面有个数字我看了特别想笑，47.4%的企业年度AI预算在20万到50万之间，但实际支出，用不满预算的一半。

不是没钱，是不敢花，也不会花。

还有一句总结得特别准，撒胡椒面式的试点，每个部门发几个账号，年底各自汇报提效故事，在数学上就不可能进入那6%。

所以，AI能提效这个叙事，在今天这个阶段，含水量是很高的。这是实话。

但失望归失望，你还是得上。

因为真正让你不得不上的东西，根本不是效率。

第一件事，是成本曲线分叉了。

Klarna这家公司大家应该都听过。2024年初他们上线了AI客服，第一个月，处理了230万通对话，占全部客服对话的三分之二，相当于700个全职坐席的工作量。平均解决时间从11分钟压到2分钟以内。当年预计带来4000万美元的利润改善。

到2025年，Klarna的人数从2022年底的5527人，降到了3422人，营收接近28亿美元。

中国的例子也有。跨境电商吉宏股份上了「Giikin AI+」之后，整体运营效率提升60%以上，人力成本降30%，内容产能增长770%，客服自动化率85%。

这些数字我一个一个看下来，最让我在意的不是「快」。

是同一个行业里，出现了两条成本曲线。

两条。

不是一条快一条慢，是形状不一样。

当对手的边际成本在往下塌，你的还在往上爬，你不需要犯错，你只需要继续存在，就会被慢慢挤出去。

这才是最难受的地方。你什么都没做错，你只是还在用旧的曲线活着。

哦对，补一句，Klarna后来又重新招回了人工客服，转向人机混合。这个我后面会讲，挺关键的。

第二件事，是人才被重新定价了。

2025年4月7日，Shopify的CEO Tobi Lütke发了一封内部信，标题叫「Reflexive AI usage is now a baseline expectation at Shopify」。

核心意思特别直白，团队在申请人手和资源之前，必须先说明，为什么这件事不能用AI完成。AI使用不再是可选的，它会被纳入绩效评估。

比较骚的是，这封信最初是在被泄露的过程中，他干脆自己公开贴了出来。

我觉得这封信真正重要的，不是那句「AI优先」，而是它悄悄改掉了一个默认设定。

过去一个部门忙不过来，默认答案是，招个人。

现在的默认答案是，先证明这个人不可替代。

Duolingo那边也一样。CEO Luis von Ahn在2025年4月宣布公司转向AI-first，后来被骂得很惨，他不得不出来解释说没给够context，也没有裁掉全职员工。到2025年9月他把话重新说了一遍，同样的人，同样的时间，我们能做出四五倍的内容。

前100门语言课程，他们做了12年。后来一年多，做出了148门。

回到人才这一层。

你不上AI，最直接的后果不是你效率低，是你留不住人。

一个真的会用AI的人，在你这儿每天要花八小时，干别人两小时就能干完的活。他待不住的。他会走。

而且他走的时候带走的不只是他自己，还有他花一年攒出来的那套工作流。那套东西，你没有。

我一直觉得，未来几年HR最头疼的问题不会是招不到人，是招到的好人留不住。

再往下挖一层，是这块我觉得最值钱、也最少有人讲清楚的部分。

麦肯锡在25个组织属性里做过一次排查，跟「AI能不能带来EBIT提升」相关性最强的那一个，是工作流重构。

只有21%的公司，说自己从根本上重构了至少一个工作流。

Box的CEO Aaron Levie说过一句我特别认同的话，大多数公司正在做的，是把LLM叠在遗留工作流上，而那些流程是1995年设计的。

有个例子我一直记着。一个采购流程，八个步骤，跨好几个系统，三次审批。

常规的问法是，这八步里，哪一步能插AI。

真正该问的是，为什么需要八步。

你想想看，这个问题，如果不上AI，你这辈子都不会问。

因为这个流程已经运转了十年，所有人都习惯了，没有任何人有动力去质疑它。它之所以是八步，很可能只是因为十年前某个领导加过一次审批，然后就没人敢撤。

所以上AI这件事，说到底，是给组织做一次强制性的知识清算。

你得把散落在老师傅脑子里、在Excel里、在某个已经离职三年的员工的聊天记录里的那些暗知识，全部挖出来，写成AI能读的东西。

这个过程极其痛苦。你会第一次看清自己的流程有多荒谬。

但清算完之后留下的那份资产，比AI本身值钱得多。

我甚至觉得，很多公司上AI拿到的第一笔真正的回报，压根不是AI干的那些活，就是这次清算。

还有一件，是最让我后背发凉的。

增长黑盒那份调研里还有一个数字，58.7%的员工，处于「非管控」的自发使用状态。

美国那边也一样。官方统计说18%的企业在用AI，但同时有大量员工，是在公司没有任何AI政策的情况下，自己偷偷在用。

也就是说，你以为你们公司「还没上AI」。

其实你们公司已经上了。

只不过是在没有治理、没有沉淀、没有复用、没有审计的情况下上的。

你承担了全部风险，却一分钱资产都没拿到。

这是所有选项里最烂的那一个。

同一份调研里，管理者最大的焦虑是数据安全合规，占38.6%。这个焦虑非常对，但它指向的答案不是「别上」，是「赶紧正式上，然后管起来」。

你不管，它也在发生。区别只是你是在积累资产，还是在积累雷。

前面埋了个坑我得填上，Klarna后来为什么又把人工客服招回去了。

因为它撞上了那堵墙。AI特别擅长解决「标准答案是什么」，但客服里真正贵的，永远是那些没有标准答案的问题。这个客户到底该不该挽留，这次投诉要不要破例，AI给了三个结论，哪个值得信。

AI能接活，但暂时不用背锅。这就是人的位置。

所以Klarna最后走的是人机混合，不是退回原点。

这个细节我觉得挺重要，它说明AI-first从来不等于AI-only。上AI上错了会回撤，但不上，你连回撤的资格都没有。

说到这儿，我突然想起一段历史。

1882年，爱迪生在纽约珍珠街建成了第一座商业发电站。

然后，在之后的差不多30年里，美国经通胀调整的人均产出，年均增长只有0.5%。

三十年啊。

一直到1910年代，美国制造业的生产率增长才突然飙到每年5%以上。

中间那三十年，到底发生了什么？

斯坦福的经济学家Paul David在1990年那篇很有名的论文《发电机和计算机》里，讲得特别清楚。

工厂主最早做的事，是把蒸汽机拆了，换上电动机。

然后呢，没有然后。生产效率几乎没变。

因为整个工厂，本来就是围绕蒸汽机设计的。

一根巨大的主轴，一堆传动皮带，所有机器必须以同样的速度转。所以厂房必须是多层建筑，所以工序必须按动力传输的距离来排，而不是按产品流转的逻辑来排。

你只换了动力，没换工厂。

真正的爆发，发生在工厂主终于想明白一件事之后。电不是一台更好的蒸汽机，电是让每一台机器都可以拥有自己的马达的东西。

于是厂房从多层改成单层，工序按产品重排，单元驱动取代了天轴皮带，工人被给了更多自主权。

「大规模生产」这个词第一次出现在报纸上，是1925年。

距离第一座发电站建成，33年。

后来到了1987年，索洛拿完诺奖说了那句被引用了无数次的话，计算机无处不在，唯独不在生产率数据里。

一模一样的事，又来了一遍。

我今天看那些「上了AI但没看到价值」的公司，脑子里浮现的画面，就是一群人在蒸汽机工厂里，特别认真地，把电动机装上。

装得特别认真。

而我们，现在就在1880年。

回到开头那组数字。

94%的公司没看到价值，这一点都不奇怪。

因为在电力普及的头三十年，你要是去问任何一个工厂主，电力有没有帮你赚到钱，他大概率也会告诉你，没有。

但那些最早想明白电力到底意味着什么的人，后来吃掉了整个时代。

注意，不是最早买发电机的那批人。

是最早把工厂拆了重建的那批人。

所以「为什么企业都要上AI」，我的答案是这样的。

不是因为AI已经证明了自己。它还没有，离得远。

是因为不上，你付出的代价已经变了。

成本曲线在分叉，人才在被重新定价，你那套十年没人敢碰的流程终于要被逼着清算一遍，还有，你的员工已经在偷偷用了，你管不管，它都在发生。

这四件事，没有一件是你可以靠「再等等看」躲过去的。

「等等看」这三个字，在过去三年是最理性的选择，在未来三年是最贵的那一个。

最后补一句麦肯锡那组数据的后半段，也是我觉得最讽刺的部分。

那25个组织属性里，跟EBIT相关性最强的，是工作流重构。只有21%的公司做了。

也就是说，那94%没看到价值的公司里，绝大部分，其实根本就没上AI。

他们只是买了几个会员。

这两件事，差得很远。

写到这儿我得承认一句，这些东西我自己也还在摸索，我们公司也没有把这些全跑通，说「理论上」的时候居多。但我越来越确定的是，判断一家公司有没有真的上AI，看的从来不是它买了多少账号，是它有没有勇气去问那句「为什么需要八步」。

所以，多花一点点时间，去把一条真正的流程拆开，从头重做一遍。哪怕今年只做一条。

这个过程，可能比今年再多买多少个AI账号，重要得多。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。