夜雨聆风前段时间参加了几个行业聚会，席间聊到AI，几乎每个人都在谈。有人讲Scaling Law，有人聊Agent架构，有人分析OpenAI和Anthropic的路线之争。
会议间隙我问其他人"你公司业务里有没有用AI做什么具体的事情"，往往会停顿一下。
"有用，偶尔问一下GPT。" "用过，感觉也就那样。" "在看，还没想好怎么用到我们业务里。"
这个停顿值得认真对待。
普及≠重塑：一个被忽视的区分
先看数字。BCG与KPMG 2026年的行业调查显示，88%的企业已在至少一个业务职能中使用AI。从这个数字看，AI已经相当普及。
但与此并列的另一个数字是：这些企业中，只有5-8%实现了可衡量的规模化回报。MIT Sloan的研究更直接：95%的生成式AI试点项目对损益表零影响。S&P Global的数据显示，2025年42%的企业放弃了其大多数AI项目；IBM的调查则发现，75%的AI计划未能达到预期回报。
Morgan Stanley还有一项数字：79%的标普500企业无法量化其AI投入带来的效益——不是效益不存在，是连测量都做不到。
这一组数字描述的，是"普及"与"重塑"之间的结构性落差。
用AI和被AI重塑，是两件差异悬殊的事。前者门槛极低，后者需要触动业务逻辑的底层。把AI接入一个流程的入口，不等于围绕AI能力重新设计这个流程。大多数企业目前做的是前者。
重塑在哪里发生了
业务层面的真实变化确实存在，但主要集中在几个高度确定的场景。
客户服务与后台自动化，目前是ROI最高的领域。Klarna在2024年用AI处理了80%的客服对话，全年节省3900万美元。Salesforce企业客服Agent每周处理32,000次对话，83%在无人工介入的情况下完成解决。成本结构上，AI处理一次对话约0.5美元，人工约3.5美元，差距是7倍。这已经不是效率优化，而是成本结构的改变。
物流和供应链是另一个高密度场景。XPO Logistics通过AI将干线货运转移需求减少80%，空载里程压缩12%。对该公司而言，每1%的效率提升价值约2900万美元。金融风控层面，Visa六个月内通过AI识别了9000万美元欺诈交易。C3.ai与美国空军合作的预测性维护系统预测了40%的非计划设备故障，年化回报约为投入的3倍。
这些案例的共同特征不是"用了更好的AI"，而是用AI能力重新设计了业务流程本身——不是在旧流程里加了一个AI入口，而是以AI为中心重建了流程逻辑。
但这类案例目前依然稀少。为什么？
失败的三个结构性原因
第一，工具采购被当成了流程改造。
这是最普遍的认知误区。购买一个AI工具订阅，把它接入现有系统，然后等待效率提升——这个逻辑适用于大多数软件工具，但不适用于AI。
MIT研究给出的核心解释是"集成缺口"（integration gap）：通用AI工具适合个人使用，但无法直接嵌入企业特定的业务流程。Klarna不是简单地把AI接到了客服系统前面，而是根据AI能力的特性，重新定义了什么样的问题由AI处理、什么情况下转人工、数据怎么流转、指标怎么测量。这是流程设计工作，不是工具配置工作。
成功案例几乎无一例外经过了工作流层面的再设计。那些没有再设计就上线的项目，大多数进了那95%的试点黑洞。
第二，预算流向了效益最低的地方。
超过50%的企业AI预算流向了营销和销售工具，而ROI真正集中的后台自动化领域，预算占比不足10%。
这个错配有内在逻辑：营销类AI工具更容易演示、更容易向管理层汇报、更容易在短期内产出可见的"成果"。后台自动化的收益往往是运营成本的压降，在财务报表上体现得慢，中间过程也不够好看。
结果是：钱在不容易跑通的地方，少在容易跑通的地方。
第三，没有建立测量基础，就谈不上改进。
79%的标普500企业无法量化AI效益，这本身就是问题所在。不能测量的东西，就无法持续优化，也无法在组织内部建立起继续投入的信心。
真正跑通的案例，都有清晰的基线指标。XPO知道每1%效率的美元价值，Klarna知道节省了多少全职岗位当量的工作量，Visa知道识别出了多少欺诈金额。这些数字不是为了汇报好看，而是驱动下一轮改进的信号。在没有这套测量体系的情况下部署AI，等于在黑盒里操作，结果无法预期，也无法复制。
"用AI"和"被AI改变"的距离
我自己的经历是一个小尺度的对照。
2023年开始用AI，最初只是把它当成增强版搜索引擎——问问题，得答案。这个用法产生的改变近似于零。真正的变化发生在我开始把具体任务整体交出去之后：不是"问它怎么做"，而是"让它直接做"，我来检查和决策。这是一个认知框架的切换，不是工具使用技巧的优化。
当我把开发任务按这种方式重新分配之后，产出速度发生了量级变化。以前需要三周完成的CLI工具，现在一个晚上可以出一个值得发布的版本。这不是因为AI变得更强了（虽然它确实更强了），而是因为工作流的组织方式变了。
这个经验放大到企业层面，结构是一样的：AI能力真正释放的条件，不是引入AI，而是围绕AI能力重新设计工作流程。做到这一点的企业，正在积累可见的竞争优势。对AI真正实现有效测量与部署的企业，相较于标普500基准多出近12个百分点的年化回报；Citi的债券研究也记录到了"AI采用者"与"AI赋能者"之间约30个基点的信用利差。这些是2025-2026年已经进入市场定价的数据。
所以，"业务重塑为何如此稀少"这个问题，答案不在AI侧。AI的能力已经足够。稀少的原因，在于业务流程的再设计是一件比采购工具难得多的事——它需要重新理解哪些环节的逻辑可以被改变，而大多数组织还没有开始做这件事。
如果你觉得这篇文章对你有帮助，欢迎转发点赞收藏。
转载请注明出处，谢谢。
