編者按· 2025.12.23

在生成式人工智能加速迭代、企業(yè)爭相“上馬大模型”的當下，如何看清AI產(chǎn)業(yè)真實落地水平與商業(yè)價值，成為政策制定者和企業(yè)界共同關(guān)注的焦點。麥肯錫《2025人工智能發(fā)展現(xiàn)狀》報告基于近2000家機構(gòu)問卷，對AI應(yīng)用范圍、價值兌現(xiàn)與風險認知作出系統(tǒng)畫像，為觀察全球AI產(chǎn)業(yè)泡沫與潛力提供了一個重要窗口。

本文在梳理麥肯錫報告數(shù)據(jù)和結(jié)論的基礎(chǔ)上，提出幾個頗具啟發(fā)性的判斷：一方面，盡管絕大多數(shù)機構(gòu)已用上AI試水AI Agent，但整體仍停留在試點階段，真正通過流程重構(gòu)、戰(zhàn)略轉(zhuǎn)型獲得顯著EBIT增量的是少數(shù)高績效企業(yè)；另一方面，AI不準確、不合規(guī)以及知識產(chǎn)權(quán)侵權(quán)等隱性風險日益凸顯，對企業(yè)治理、法律制度和就業(yè)結(jié)構(gòu)都提出了新挑戰(zhàn)。文章同時嵌入我國“人工智能+”行動部署，指出技術(shù)落地、能力儲備與頂層戰(zhàn)略需要一體設(shè)計、協(xié)同推進。

在AI時代“風口”與“陷阱”并存的背景下，中國企業(yè)究竟是將AI當作短期效率工具，還是把它納入長期戰(zhàn)略轉(zhuǎn)型的核心引擎？監(jiān)管部門如何在鼓勵創(chuàng)新與防范風險之間找準尺度，既避免“一管就死”，又防止“失管泛濫”？這些問題，值得我們持續(xù)追問。

引言

在AI技術(shù)快速滲透商業(yè)領(lǐng)域的當下，麥肯錫以全球視角對AI發(fā)展現(xiàn)狀進行分析，通過全球組織調(diào)研，精準勾勒出當前AI應(yīng)用的真實意圖。這項在線調(diào)查于2025年6月25日至7月29日進行，共收到來自105個國家/地區(qū)的1993份有效問卷，涵蓋了各個地區(qū)、行業(yè)、公司規(guī)模、職能專長和工作年限。38%的受訪者表示，他們所在的公司年收入超過10億美元。為了消除回復(fù)率差異的影響，數(shù)據(jù)根據(jù)每個受訪者所在國家/地區(qū)對全球GDP的貢獻進行了加權(quán)處理。報告調(diào)研顯示，幾乎所有受訪者都表示其所在機構(gòu)正在使用AI，許多機構(gòu)已經(jīng)開始使用AI Agent。但大多數(shù)機構(gòu)仍處于AI規(guī)?；瘧?yīng)用和實現(xiàn)企業(yè)級價值的早期階段。

通過調(diào)查分析，報告主要提出以下幾點內(nèi)容：

應(yīng)用階段

從應(yīng)用階段來看，全球多數(shù)組織仍停留在AI探索的初期：近三分之二的受訪者表示，其所在組織尚未在全企業(yè)范圍內(nèi)推廣AI，試驗或試點仍是主流模式。但與此同時，市場對新興AI工具的興趣已快速攀升，62%的受訪者透露，組織至少已開始嘗試使用AI Agent，展現(xiàn)出對技術(shù)潛力的積極關(guān)注。

價值兌現(xiàn)

在價值兌現(xiàn)層面，AI的影響呈現(xiàn)“分層化”特征。值得注意的是，在應(yīng)用案例層面，AI已顯現(xiàn)出積極價值：有64%的受訪者表示AI正助力組織創(chuàng)新；但從企業(yè)整體經(jīng)營視角看，成效仍需突破——盡管39%的受訪者認為AI對企業(yè)層面的息稅前利潤（EBIT）產(chǎn)生了影響，而其中大多數(shù)受訪者表示，其所在企業(yè)EBIT中，由AI應(yīng)用帶來的貢獻不足5%。

進一步來看，高績效企業(yè)的AI應(yīng)用策略為行業(yè)提供了重要借鑒。調(diào)研顯示，80%的受訪者所在企業(yè)將“效率提升”列為AI計劃的核心目標，但那些從AI中獲取最大價值的高績效企業(yè)，往往會在效率之外，額外將“增長驅(qū)動”或“創(chuàng)新突破”納入目標體系，形成更全面的價值導(dǎo)向。而實現(xiàn)這一目標的關(guān)鍵路徑在于業(yè)務(wù)流程的深度重構(gòu)：一半的AI高績效企業(yè)明確計劃利用AI改造業(yè)務(wù)模式，且多數(shù)高績效企業(yè)已著手重新設(shè)計工作流程，以此為AI價值釋放鋪路。

就業(yè)影響

最后，關(guān)于AI對就業(yè)的影響，行業(yè)認知仍存在顯著差異。受訪者對未來一年AI給所在機構(gòu)整體員工規(guī)模帶來的變化預(yù)期不一：32%的人預(yù)計員工規(guī)模會減少，43%的人認為不會發(fā)生改變，另有13%的人預(yù)期員工規(guī)模將增加，這種多元看法也反映出AI對組織人力結(jié)構(gòu)影響的復(fù)雜性。

本篇評論將摘取麥肯錫報告當中的幾個關(guān)鍵結(jié)論，結(jié)合其他案例以及我國AI應(yīng)用發(fā)展情況和瓶頸展開討論。

結(jié)論一：AI應(yīng)用范圍擴大，

仍以試點為主

此前，國際數(shù)據(jù)公司（IDC）發(fā)布了2025年V2版IDC《全球AI和生成式AI支出指南》（IDC Worldwide AI and Generative AI Spending Guide) 。IDC數(shù)據(jù)顯示，AI總投資規(guī)模和市場規(guī)模不斷增加。2024年全球AIIT總投資規(guī)模為3,159億美元，并有望在2029年增至12,619億美元，五年復(fù)合增長率（CAGR）為31.9%。聚焦生成式AI（Generative AI），IDC預(yù)測，全球生成式AI市場五年復(fù)合增長率或達56.3%，到2029年全球生成式AI市場規(guī)模將達6,071億美元，占AI市場投資總規(guī)模的48.1%。

然而，麥肯錫的報告指出，大多數(shù)機構(gòu)尚未擴大AI技術(shù)應(yīng)用的規(guī)模，AI仍停留在試點階段。自去年調(diào)查以來，表示其所在機構(gòu)至少在一個業(yè)務(wù)職能中使用AI的受訪者比例有所上升：88%的受訪者表示其所在機構(gòu)至少在一個業(yè)務(wù)職能中定期使用AI，而一年前這一比例為78%。但在企業(yè)層面，大多數(shù)企業(yè)仍處于試驗或試點階段（見圖表1），只有約三分之一的受訪者表示其所在公司已開始擴大AI項目的規(guī)模。

圖表1：數(shù)據(jù)表明，在企業(yè)層面，大多數(shù)企業(yè)仍處于試驗或試點階段

對于部分組織而言，他們正在更多的業(yè)務(wù)職能當中使用AI。超過三分之二的受訪者表示，他們的組織正在多個職能中使用AI，一半的受訪者表示，他們的組織正在三個及以上的職能中使用AI。然而，許多公司——尤其是規(guī)模較小的公司——尚未將AI深度融入到工作流程中。雖然只有三分之一的受訪者表示他們正在組織內(nèi)部推廣AI項目，但規(guī)模較大的公司——無論從收入還是員工人數(shù)來看——更有可能已經(jīng)進入規(guī)?；A段。收入超過50億美元的公司中，近一半的受訪者表示已經(jīng)進入規(guī)模化階段，而收入低于1億美元的公司中，這一比例僅為29%（見圖表2）。

圖表2：不同規(guī)模組織在職能中使用AI的情況

結(jié)合其他相關(guān)資料，AI應(yīng)用的情況及其在不同企業(yè)的差異可能源于AI技術(shù)特性、行業(yè)需求等多重因素。具體而言，AI技術(shù)的成熟度與可靠性仍待驗證，其在復(fù)雜場景中的實際效能存在顯著不確定性。在企業(yè)內(nèi)部應(yīng)用下，小樣本與長尾場景（關(guān)鍵環(huán)節(jié)數(shù)據(jù)稀缺、發(fā)生頻率低）是AI模型訓(xùn)練的一大困境。例如醫(yī)院的AI系統(tǒng)，因單病種病例不足，即便微調(diào)訓(xùn)練模型，其效果也達不到臨床應(yīng)用要求。 因此，在環(huán)境復(fù)雜且動態(tài)變化的現(xiàn)實世界中，AI系統(tǒng)需具備適應(yīng)和處理這種不確定性的能力。

此外，不同行業(yè)對AI的接受度和需求差異顯著。金融業(yè)因監(jiān)管嚴格、數(shù)據(jù)成熟，AI試點成功率較高；而農(nóng)業(yè)、建筑業(yè)等傳統(tǒng)行業(yè)，因數(shù)據(jù)采集困難、環(huán)境復(fù)雜，試點周期往往更長。這種行業(yè)定制化要求，使得AI應(yīng)用必須通過試點深度理解業(yè)務(wù)邏輯，避免“一刀切”帶來的適配問題。

結(jié)論二：許多組織已經(jīng)在試驗AI Agent，

但整體呈現(xiàn)尚未普及趨勢

麥肯錫報告指出，各組織正在開始探索AI代理（AI Agent）帶來的機遇，但是目前仍然只占少數(shù)比例。23%的受訪者表示，他們的組織正在企業(yè)內(nèi)部的某個部門擴展部署AI Agent系統(tǒng)，另有39%的受訪者表示，他們已經(jīng)開始嘗試使用AI Agent。但AI Agent的使用尚未普及：大多數(shù)正在擴展部署AI Agent的組織表示，他們只在一兩個職能部門這樣做。在任何特定的業(yè)務(wù)職能部門中，只有不超過10%的受訪者表示他們的組織正在擴展部署AI Agent（見圖表3）。

圖表3：各組織使用AI代理的相關(guān)數(shù)據(jù)

在AI革命浪潮下，AI Agent憑借其自主決策、流程自動化與場景適配能力，正成為企業(yè)尋求效率突破與競爭優(yōu)勢的重要工具。然而，技術(shù)賦能的背后，企業(yè)在引入AI Agent時不得不直面隱性的機會成本與顯性的運營風險——這些風險不僅可能侵蝕短期收益，更可能動搖長期商業(yè)模式根基，甚至引發(fā)法律糾紛。

此前，金融時報指出，AI Agent動搖OTA核心傭金模式，加劇平臺與酒店的博弈風險。Booking.com、Expedia與Airbnb紛紛引入大模型，以應(yīng)對新的競爭格局。然而，這項技術(shù)或?qū)訐uOTA賴以生存的傭金模式，賦予酒店更大的議價空間。在這個規(guī)模逾萬億美元的市場中，平臺與酒店之間的博弈才剛剛拉開帷幕。此外，亞馬遜訴Perplexity案，暴露AI Agent的法律合規(guī)與信任風險。這家在線零售商提起訴訟，要求Perplexity停止允許其AI瀏覽器代理Comet為用戶執(zhí)行在線購物操作。根據(jù)提交至美國舊金山聯(lián)邦法院的起訴狀，亞馬遜指控Perplexity涉嫌計算機欺詐——Comet代真人購物時未按要求披露身份，此舉違反了亞馬遜的服務(wù)條款。

這些案例對企業(yè)的警示意義尤為深刻：在引入AI Agent前，企業(yè)不僅要評估技術(shù)可行性與成本，更需全面排查法律合規(guī)風險——尤其是涉及“自動化操作第三方平臺”“處理用戶敏感數(shù)據(jù)”“替代人工決策”的場景，需提前明確AI Agent的身份披露規(guī)則、操作邊界與責任歸屬。否則，一旦觸碰法律紅線，企業(yè)將面臨訴訟賠償、品牌聲譽受損等嚴重后果。

相比之下，AI Agent帶來的“效率提升”“成本降低”等收益，往往是企業(yè)層面的長期價值，短期內(nèi)難以直接轉(zhuǎn)化為職能部門的績效。這種“風險由部門承擔，收益由企業(yè)共享”的不對稱性，使得許多職能部門對AI Agent的應(yīng)用持“保守甚至抵觸”態(tài)度——它們更傾向于選擇成熟、低風險的現(xiàn)有模式，而非冒險引入可能引發(fā)動蕩的AI Agent。

結(jié)論三：AI有效提升企業(yè)競爭力

麥肯錫調(diào)查結(jié)果顯示，對于大多數(shù)企業(yè)而言，AI的應(yīng)用尚未對企業(yè)整體息稅前利潤（EBIT）產(chǎn)生顯著影響。39%的受訪者認為AI對EBIT產(chǎn)生了一定程度的影響，而其中大多數(shù)受訪者表示，其所在企業(yè)EBIT中，由AI應(yīng)用帶來的貢獻不足5%。然而，受訪者也看到了其他一些公司層面的定性成果：大多數(shù)受訪者表示，其所在企業(yè)應(yīng)用AI后，創(chuàng)新能力有所提升；近半數(shù)受訪者表示，客戶滿意度和競爭優(yōu)勢均有所提高（見圖表4）。

圖表4：受訪者認為應(yīng)用AI后對企業(yè)各項指標的的影響情況

盡管AI的應(yīng)用對企業(yè)整體盈利產(chǎn)生顯著影響的情況仍然很少見，但麥肯錫的調(diào)查結(jié)果表明，大膽設(shè)想可能會帶來回報。報告認為，AI的應(yīng)用能為企業(yè)帶來5%或以上的EBIT影響，并且其所在組織已從AI應(yīng)用中獲得“顯著”價值——這些受訪者被定義為AI高績效企業(yè)，約占受訪者的6%——他們表示正在積極推動通過AI實現(xiàn)變革性創(chuàng)新，重新設(shè)計工作流程，加快規(guī)?；l(fā)展，實施轉(zhuǎn)型最佳實踐，并加大投資。

麥肯錫關(guān)于AI對企業(yè)盈利影響的調(diào)查結(jié)論，精準揭示了當前AI在商業(yè)落地中的“分化格局”與“未來潛力”——既客觀指出了AI盈利價值尚未大規(guī)模兌現(xiàn)的現(xiàn)實，也明確了“高績效企業(yè)”通過戰(zhàn)略級應(yīng)用突破瓶頸的路徑。

除了企業(yè)直接的報表影響之外，AI對創(chuàng)新的影響是多維度、深層次的，它不僅改變了創(chuàng)新的“速度”和“效率”，更重塑了創(chuàng)新的“范式”和“邊界”——從傳統(tǒng)依賴人類經(jīng)驗的線性創(chuàng)新，轉(zhuǎn)向“人類+AI”協(xié)同的非線性、爆發(fā)式創(chuàng)新。這種影響滲透到技術(shù)研發(fā)、產(chǎn)品設(shè)計、商業(yè)模式、組織管理等所有創(chuàng)新環(huán)節(jié)，既催生了全新的創(chuàng)新成果，也為傳統(tǒng)領(lǐng)域的創(chuàng)新突破提供了關(guān)鍵工具。

例如，AI幫助優(yōu)化新材料設(shè)計。此前，谷歌旗下深度思維公司宣布，借深度學習技術(shù)發(fā)現(xiàn)220萬種新型晶體材料。今年初，微軟宣稱其AI模型MatterGen能從零生成無機材料，有望顛覆無機材料設(shè)計范式。同時，AI降低門檻，賦能非設(shè)計人員。例如騰訊云AI代碼助手，是一款定位代碼智能補全和生成的數(shù)字化工具，可以為開發(fā)者、開發(fā)團隊及企業(yè)客戶提供安全合規(guī)、高粘度體驗的編碼場景AIGC服務(wù)，具備代碼補全、技術(shù)對話、代碼診斷、單元測試等功能。

麥肯錫報告進一步指出，從AI中獲益最大的組織往往追求的不僅僅是降低成本。雖然大多數(shù)受訪者表示提高效率是其組織使用人工智能的目標之一，但績效卓越的組織更有可能表示，其組織還將增長和/或創(chuàng)新作為人工智能發(fā)展的目標（圖表5）。

圖表5：受訪組織對人工智能發(fā)展目標的看法

企業(yè)布局AI時，隱性成本的存在往往會削弱短期盈利表現(xiàn)；即便長期來看，AI能驅(qū)動企業(yè)實現(xiàn)創(chuàng)新模式升級并兌現(xiàn)價值增量，可多數(shù)企業(yè)仍不具備支撐這一過程的長期耐受度。隱性成本主要包含以下三個板塊：一是技術(shù)成本，除了購買AI模型、算力的直接支出，企業(yè)還需投入資源做“數(shù)據(jù)治理”和后期維護等；二是組織成本，AI推動的流程重組會引發(fā)內(nèi)部阻力。企業(yè)需要重新進行員工培訓(xùn)、組織架構(gòu)調(diào)整；三是試錯成本，AI模型的效果依賴“場景匹配度”，部分企業(yè)盲目跟風部署AI，因場景與技術(shù)不匹配導(dǎo)致項目失敗，反而增加了成本。企業(yè)能否借AI實現(xiàn)EBIT提升，核心不在于“是否應(yīng)用AI”，而在于“以何種戰(zhàn)略邏輯應(yīng)用AI”。企業(yè)需徹底跳出“將AI視為淺層效率工具”的認知局限，真正將其定位為驅(qū)動業(yè)務(wù)重構(gòu)與價值升級的“戰(zhàn)略轉(zhuǎn)型核心引擎”——通過AI深度挖掘用戶未被滿足的隱性需求，創(chuàng)造顛覆式的產(chǎn)品形態(tài)或服務(wù)模式，從而直接打開全新的盈利增長空間。

對于已邁入“AI探索階段”的企業(yè)而言，若當前僅停留在單個場景的AI應(yīng)用，卻未看到對整體盈利的顯著拉動，關(guān)鍵突破口在于從“單點效率優(yōu)化”轉(zhuǎn)向“全流程協(xié)同賦能”：推動AI從單一部門的工具，滲透到研發(fā)、生產(chǎn)、營銷、服務(wù)等核心環(huán)節(jié)，通過打通“數(shù)據(jù)流轉(zhuǎn)—流程適配—盈利轉(zhuǎn)化”的完整鏈路，讓局部效率提升匯聚成整體盈利增長的合力，最終突破盈利瓶頸。

結(jié)論四：AI的價值提升

離不開多維度的共同發(fā)展

此外，報告中指出：“AI領(lǐng)域的高績效者也更有可能采用一系列實踐方法來實現(xiàn)AI的價值”。例如，高績效者比其他組織更有可能表示，他們的組織已經(jīng)制定了明確的流程，以確定模型輸出何時以及如何需要人工驗證以確保準確性（圖表6）。這套完整的管理實踐與麥肯錫更廣泛的“重塑”（Rewired）研究相一致，該研究基于200多個大規(guī)模AI轉(zhuǎn)型案例。這些實踐涵蓋了從AI中獲取價值的六個關(guān)鍵維度：戰(zhàn)略、人才、運營模式、技術(shù)、數(shù)據(jù)以及應(yīng)用和規(guī)?；?。麥肯錫測試的所有管理實踐都與AI帶來的價值呈正相關(guān)。這些實踐使組織能夠創(chuàng)新并大規(guī)模地從AI中獲取價值。

圖表6：AI領(lǐng)域的高績效者與其他受訪者采用實踐方法以實現(xiàn)AI價值的對比情況

擁有敏捷的產(chǎn)品交付組織，或者擁有完善交付流程的企業(yè)級敏捷組織，與實現(xiàn)價值密切相關(guān)。同樣，建立健全的人才戰(zhàn)略并實施技術(shù)和數(shù)據(jù)基礎(chǔ)設(shè)施，對AI的成功也具有顯著貢獻；而將AI嵌入業(yè)務(wù)流程并跟蹤AI能解決方案的關(guān)鍵績效指標等實踐，則有助于實現(xiàn)顯著價值。

目前，AI技術(shù)已成為企業(yè)突破增長瓶頸、提升核心競爭力的關(guān)鍵抓手，但不少企業(yè)在實踐中常陷入“重落地、輕根基”的誤區(qū)——僅聚焦單一場景的AI工具應(yīng)用，卻忽視了技術(shù)儲備的支撐力與戰(zhàn)略規(guī)劃的引領(lǐng)性，最終導(dǎo)致AI應(yīng)用效率偏低、價值難以釋放。因此，企業(yè)需以“落地+儲備+戰(zhàn)略”三位一體的思路推進AI建設(shè)。

我國《國務(wù)院關(guān)于深入實施“人工智能+”行動的意見》中指出，應(yīng)當強化復(fù)合型人才儲備，驅(qū)動技術(shù)研發(fā)模式創(chuàng)新和效能提升。推動AI驅(qū)動的技術(shù)研發(fā)、工程實現(xiàn)、產(chǎn)品落地一體化協(xié)同發(fā)展，加速“從1到N”技術(shù)落地和迭代突破，促進創(chuàng)新成果高效轉(zhuǎn)化。此類發(fā)展目標的底層邏輯在于夯實AI技術(shù)相關(guān)儲備，筑牢應(yīng)用根基。只有當技術(shù)儲備與戰(zhàn)略規(guī)劃相結(jié)合的時候，才能提升AI應(yīng)用的效率。

結(jié)論五：AI的不準確性

及不合規(guī)性或造成負面后果

麥肯錫調(diào)查指出，組織正在經(jīng)歷并努力緩解的風險在很大程度上是相互關(guān)聯(lián)的：受訪者更有可能表示，他們的組織正在緩解他們已經(jīng)遭受后果的每一種風險?？傮w而言，51%使用AI的組織受訪者表示，他們的組織至少經(jīng)歷過一次負面后果，其中近三分之一的受訪者表示，后果源于AI的不準確性。不準確性是大多數(shù)受訪者表示其組織正在努力緩解的兩大風險之一（圖表7）。然而，第二大最常被提及的風險：可解釋性，卻并非最常被緩解的風險之一。

圖表7：AI不準確性會導(dǎo)致負面后果，過去一年中的負面后果和風險緩解情況

來自AI領(lǐng)域表現(xiàn)優(yōu)異的機構(gòu)的受訪者表示，他們所在機構(gòu)部署的AI應(yīng)用案例數(shù)量是其他機構(gòu)的兩倍，因此他們更有可能報告負面后果，尤其是在知識產(chǎn)權(quán)侵權(quán)和監(jiān)管合規(guī)方面。這些表現(xiàn)優(yōu)異的機構(gòu)也試圖防范更多種類的風險。

目前，國際上有諸多關(guān)于AI侵權(quán)的案例。例如2023年，多名開發(fā)者起訴微軟，指控GitHub Copilot生成的代碼片段包含受版權(quán)保護的開源代碼。微軟雖推出“代碼匹配過濾器”，但原告認為其僅檢測完全匹配內(nèi)容，對修改后的代碼無效。法院保留了版權(quán)侵權(quán)、違反開源協(xié)議等核心指控；2025年9月，迪士尼、環(huán)球影業(yè)和華納對中國AI發(fā)起版權(quán)訴訟，稱其“故意且公然”侵犯版權(quán)。2025年12月，迪士尼指控谷歌AI模型生成《冰雪奇緣》《星球大戰(zhàn)》等經(jīng)典角色形象，并通過YouTube等平臺商業(yè)化傳播。迪士尼要求谷歌立即停止侵權(quán)并增設(shè)技術(shù)限制，否則將提起訴訟。此類知識產(chǎn)權(quán)和監(jiān)管合規(guī)的案例對企業(yè)均會造成負面影響。

結(jié)合上述案例說明，AI技術(shù)的價值釋放與風險防控存在強綁定關(guān)系。企業(yè)若僅追求AI應(yīng)用的效率與創(chuàng)新，卻忽視合規(guī)性與知識產(chǎn)權(quán)風險，極易觸碰法律紅線，導(dǎo)致技術(shù)優(yōu)勢轉(zhuǎn)化為經(jīng)營危機。因此，企業(yè)在運用AI的同時，必須將合規(guī)與知識產(chǎn)權(quán)保護貫穿AI應(yīng)用全生命周期，通過主動防控而非被動遵守，才能讓AI真正成為企業(yè)的競爭增量，反之則可能陷入訴訟糾紛、經(jīng)濟損失與品牌信譽受損的多重困境。

結(jié)論六：AI對就業(yè)的影響

存在顯著的行業(yè)認知差異

隨著各組織機構(gòu)擴大AI的應(yīng)用，受訪者對AI在未來一年可能如何影響其員工規(guī)模持有不同的看法。在考察各組織機構(gòu)應(yīng)用AI的職能部門時，大多數(shù)受訪者表示，過去一年中，由于組織機構(gòu)使用AI，員工人數(shù)幾乎沒有變化。在大多數(shù)職能部門中，只有不到20%的受訪者表示員工人數(shù)減少了3%或更多，而表示組織機構(gòu)使用AI導(dǎo)致其在特定職能部門增加員工人數(shù)的受訪者比例則更低。

然而，更多受訪者預(yù)計未來一年這些職能部門的員工人數(shù)會發(fā)生變化。在所有業(yè)務(wù)職能部門中，17%的受訪者表示，由于AI的應(yīng)用，過去一年中各職能部門的員工人數(shù)有所減少，但30%的受訪者預(yù)計明年員工人數(shù)還會減少（圖表8）。

圖表8：受訪者對未來一年不同職能部門員工人數(shù)會發(fā)生的變化進行預(yù)測

此前，全球三大頂級高級翻譯學院之一的蒙特雷明德國際研究學院（MIIS）宣布停止招生。翻譯和口譯作為MIIS的王牌專業(yè)，近年來受到AI技術(shù)突破帶來的影響。麥肯錫研究顯示，翻譯和口譯人員位列“AI高暴露職業(yè)”榜首。此外，麥肯錫其他報告表明，到2030年，AI和自動化或取代高達30%的工時——這一變革既對傳統(tǒng)職業(yè)構(gòu)成直接沖擊，也在倒逼就業(yè)市場、勞動者與政策體系做出適應(yīng)性調(diào)整。

同時結(jié)合麥肯錫本篇報告當中的數(shù)據(jù)，未來AI對就業(yè)的影響是一場深刻的結(jié)構(gòu)性變革，既帶來傳統(tǒng)崗位的迭代調(diào)整，也催生全新的職業(yè)形態(tài)。其核心邏輯并非簡單的“機器取代人類”，而是通過技術(shù)賦能重塑勞動力市場的價值分配體系。企業(yè)應(yīng)當培養(yǎng)更多的AI協(xié)作型專業(yè)人才，重構(gòu)企業(yè)工作流程，助力提升效率；政府也應(yīng)當培養(yǎng)跨學科思維，打破專業(yè)壁壘，適應(yīng)跨界需求，助力培養(yǎng)更多復(fù)合型人才，成為AI協(xié)作的核心樞紐。

結(jié)語

總體而言，AI的價值釋放并非單純依賴技術(shù)本身，而是深度綁定企業(yè)的戰(zhàn)略設(shè)計與階段認知。當前AI技術(shù)雖呈現(xiàn)“使用范圍擴張”與“應(yīng)用階段初級”的矛盾，且職業(yè)替代影響因職能差異而分化，但核心邏輯始終一致：企業(yè)唯有以系統(tǒng)化規(guī)劃為綱，理性應(yīng)對試驗階段的不確定性，差異化設(shè)計職能布局，并將合規(guī)風險防控貫穿全程，才能讓AI從“試驗性工具”轉(zhuǎn)化為“確定性效益”，反之則可能陷入技術(shù)濫用、資源浪費或合規(guī)危機。

本文作者

于劼芊：香港中文大學（深圳）前海國際事務(wù)研究院研究助理。

黃平：香港中文大學（深圳）公共政策學院副教授兼助理院長，前海國際事務(wù)研究院副院長。

*原載于QuantumBlack AI by McKinsey。

GBA Review 新傳媒

校對 | 伍子堯

排版 | 許梓烽

初審 | 覃筱靖

終審 | 馮簫凝