一、调研报告要点（Key takeaways）

1. 智能体AI规模化主要由大型企业驱动：年营收10亿美元以上大企业40%已经规模化部署AI智能体（去年27%）；中小企业维持22%基本没有增长。
2. 代码智能体快速落地，改变软件采购模式：约两成企业实现代码智能体规模化，大企业达到31%；32%企业放弃采购部分商用软件，改用代码智能体内部自研实现同等功能。
3. AI成本开始约束业务落地：20%企业表示Token等AI运营成本限制AI使用，但绝大多数企业仍然计划增加AI投入。
4. 企业整体财务回报停滞不前：37%企业表示AI对EBIT（息税前利润）产生正向影响，同比几乎无变化；真正的AI高绩效组织仅占全部样本6%（定义：AI贡献≥5%的EBIT，并且认为AI带来显著价值）。
5. 个人收益与组织收益出现巨大鸿沟：80%受访者表示AI提升个人工作生产力，50%认为AI帮助自己做出更好决策，但个体增益没有转化为公司层面利润增长。
6. 裁员预期上升，但现实影响被高估：39%受访者预计未来一年企业总雇员将因AI缩减（去年32%）；但上一年实际发生裁员比例，远低于去年调研时的预判。

二、AI应用现状：从试点走向规模化，大企业显著领先中小企业

1. 整体渗透率：近9成企业至少在一个业务功能常态化使用AI；44%企业已经实现企业级规模化AI落地（2025年38%）；56%企业在3个及以上业务部门使用AI。
2. 规模分化明显：大企业（≥10亿美金营收）54%实现AI全企业规模化；小企业仅33%。AI智能体落地差距更大：大企业智能体规模化从27%升至40%，中小企业停滞在22%。
3. 各类AI工具普及程度：AI聊天机器人：规模化占比最高；AI智能体细分：聊天机器人＞专用AI工具＞代码智能体＞其他业务智能体；
4. 行业落地场景差异：科技行业，AI智能体重点部署于软件工程；消费品零售，重点用于市场营销销售；先进制造（汽车、航空航天、半导体），集中于供应链、库存、生产制造环节。
5. 软件采购模式变革：32%企业放弃外购软件，利用代码智能体内部开发功能；科技、医疗健康行业该比例最高，达到40%左右。麦肯锡点评：企业从“外购现成系统”转向“自建能力+外部合作”混合模式，成本约束纳入早期方案设计，而不是事后补救。

三、个体收益突出，但尚未转化为组织财务价值

1. 员工个人层面收益（全岗位普遍）：80%认为AI提升个人生产力；50%帮助更好决策；50+受访者认为有助于学习新技能；负面效应集中于中层管理者与普通执行者：47%中层/基层员工感受到AI带来压力（工作量增加、职业焦虑、批判性思考弱化、信息过载）；高管群体负面感受仅31%。
2. 组织财务表现停滞：仅37%企业AI带来EBIT正向贡献，同比持平；高绩效组织维持6%没有增长。
3. 分业务职能的收益差异：降本效果突出——供应链管理、服务运营、制造业，AI带来成本下降案例最多；增收效果突出——市场营销销售＞产品服务研发＞软件工程。
4. 核心矛盾：员工个人普遍拿到AI红利，但组织没有完成流程重构，个体效率无法沉淀为组织利润。员工AI素养已经提升，但缺少配套组织运营模式承接这份生产力增益。

四、AI投入与成本约束现实

1. 成本约束现状：20%企业受Token、计算等AI运营成本限制AI应用，科技、金融行业受约束比例更高；各类AI工具均有约10%企业因成本受限。
2. 投资意愿依然高涨：60%企业计划未来一年增加AI投资；28%企业AI支出占ICT总预算超过10%。制药医疗、保险、金融业的扩投意愿最强。
3. Token经济学现实矛盾：虽然单Token价格持续下降，但智能体复杂推理任务带来Token总消耗量增长更快，推高整体AI运行成本。企业开始把AI运营成本作为硬性设计约束，而不是项目后期再考虑。

五、6%“AI高绩效组织”的差异化做法

1. 目标不只追求降本，同时追求增长与创新：80%企业都在用AI追求效率；但高绩效组织绝大多数同时追求增长+创新；他们计划未来三年内用AI推动企业整体转型的概率，是普通企业的3.3倍。
2. 根本性重构工作流，而不是在原有流程上叠加AI：74%高绩效企业已经对业务流程做根本性重构；普通企业仅25%。
3. 成套的最佳实践组合（多项同时落地）：高层真实投入与责任担当；设置明确AI价值衡量机制，量化项目影响；设立转型办公室，打通AI落地卡点；做好人力战略规划，把AI使用纳入绩效考核；建立“人在回路”机制，明确AI输出何时需要人类校验；主动管控Token、算力、存储等AI运行成本；建设企业语义层/知识图谱的数据底座。
4. AI工具部署广度更强：智能体、代码Agent规模化比例显著高于普通企业；接近半数高绩效企业使用代码智能体自研软件替代外购。
5. 风险治理更加全面：在AI漏洞利用、非预期行为、知识产权、可解释性、公平性等风险领域，开展风险缓解行动的比例显著高于普通企业。
6. 投入强度更高：超过半数高绩效组织计划未来一年AI投资提升10%以上。

六、AI对劳动力、就业岗位的影响预判与现实反差

1. 预期vs现实的巨大差距：去年调研中32%受访者预判过去一年AI会造成企业裁员，但实际只有14%企业报告发生人员缩减，预判明显高估冲击；2026新调研中39%受访者预判未来一年会发生AI驱动的人员缩减，43%认为基本无变化。
2. 分职能预期：服务运营、供应链管理被预判为最容易发生岗位缩减的两大业务板块。
3. 个体职业心态：尽管集体裁员预期走高，但仅13%个人表示对自身职业前景感到焦虑，大部分人并不认为AI直接威胁自己岗位。

七、调研启示

1. 当前AI进入“迈向ROI（投资回报）”阶段，技术工具不难，组织改造才是最大瓶颈。大量企业停留在工具采购、局部试点，个体生产力红利难以沉淀为组织财务回报。
2. Agentic智能体尤其是代码智能体正在重塑IT软件建设模式，企业从“买软件”转向“自建+采购混合模式”，同时必须正视Token带来持续增长的运营成本。
3. 真正拿到财务回报的少数企业共同特征：不只盯着降本，兼顾增长创新；重构端到端工作流；高层担当、建立价值度量、风险治理、人力配套一整套机制。
4. AI带来大规模失业属于被高估风险，更多体现为岗位重构；但中长期人力结构变化仍然值得持续关注。