AIHRAI 落地卡在试点：88% 在用，5.5% 跑出真价值
2025 年麦肯锡的全球调研里，有一个数字被反复引用：88% 的企业已经在至少一个业务职能里常态化使用 AI。另一个数字很少被提起：只有 5.5% 的企业，因为 AI 拿到了 5% 以上的息税前利润增长。把这两个数字放在一起，才是企业 AI 落地的真实形状。本文不谈模型有多强，只谈一个更硬的问题：为什么大多数组织卡在试点，少数人跑通了价值。对 HR 和一号位来说，这个答案不在技术部，在组织部。
核心结论
企业 AI 落地的瓶颈不是技术，是组织。88% 已用上 AI，但只有 5.5% 跑出真价值，差距主要来自工作流有没有重画、智能体有没有治理纪律、人才能力有没有跟上。对一号位和 HR 的三条动作：把 AI 当工作流重构而非工具铺开、建立模型输出的人工核验与审计、投资能力而非只买授权。
关键数据
- 麦肯锡《State of AI 2025》（1993 份问卷、105 个国家、2025 年 6 月 25 日至 7 月 29 日）：88% 的企业在至少一个职能常态化使用 AI（2024 年 78%、2023 年 55%）；79% 使用生成式 AI（2024 年 65%、2023 年 33%）；仅约 7% 做到全组织规模化，约 5.5% 为高绩效企业（AI 带来 5% 以上 EBIT 增长）
- 价值断层：仅 39% 的受访者认为 AI 对 EBIT 产生了影响，其中多数表示贡献不足 5%；51% 的受访者报告组织至少遭遇过一次 AI 相关负面事件（结果不准确占 30%）
- 智能体：62% 的机构至少已在尝试 AI 智能体，23% 已在部分职能规模化；Gartner 预测到 2026 年底 40% 的企业应用将嵌入任务型智能体（2025 年不足 5%），但到 2027 年超过 40% 的智能体项目会被取消
- 高绩效企业的差异：计划用 AI 推动变革性转型的意愿是其他企业的 3 倍以上；对单个工作流进行根本性重构的可能性是其他企业的近 3 倍（约 2.8 倍）；超过三分之一的高绩效企业把 20% 以上的数字化预算投向 AI
- 斯坦福《AI Index 2026》：2025 年全球企业 AI 投资达 5817 亿美元，同比增长约 130%；组织采用率 88%，70% 在至少一个职能使用生成式 AI；智能体在几乎所有业务职能的部署仍是个位数
- BCG 的 10-20-70 法则：AI 价值中约 10% 来自算法、20% 来自技术与数据、70% 来自人与流程的改变；MIT NANDA 研究发现 95% 的生成式 AI 试点未产生可衡量的利润影响，IDC 发现 88% 的 AI 概念验证从未进入生产
2025 年，AI 在企业里已经不是「要不要上」的问题。麦肯锡连续多年的全球调研显示，常态化使用 AI 的组织比例从 2017 年的 20% 一路爬到 2025 年的 88%。但同一个调研里，另一个数字冷得多：全组织规模化落地的只有约 7%，真正因为 AI 拿到 5% 以上利润增长的，只有 5.5%。
这两个数字之间的落差，比任何一个单点数字都更能说明问题。它意味着「用上了」和「跑出价值」是两件事，而绝大多数组织卡在中间。本文要拆的，就是这段从试点到规模化的距离，到底卡在哪，以及 HR 和一号位能在哪使劲。
88% 用上了 AI，但数字越往下越窄
把麦肯锡的采用率按「深度」排成一个漏斗，会看到每一层都在大幅收窄。最宽的一层是 88%：在至少一个职能里常态化使用 AI。往里收一层，使用生成式 AI 的是 79%。再往里，能在部分职能超越试点的约 38%，做到全组织规模化的只有约 7%。漏斗最底端，高绩效企业约 5.5%。
这个漏斗最容易误读的地方，是顶层的 88%。「在至少一个职能使用 AI」可能只是一支团队在用 ChatGPT 写周报，也可能是全公司的客服系统已经由智能体接管。麦肯锡自己也提示，这个定义是「采用」里最松的一种。所以看到 88% 不必兴奋，看到 5.5% 也不必丧气，真正该看的是中间那几层的转化率。
一个有意思的区域差异：中国大陆企业在至少一个职能使用生成式 AI 的比例是 83%，高于全球均值；45% 的受访中国企业已实现规模化或全面部署，也高于全球 38% 的水平。这并不等于中国企业整体更领先，更可能反映样本里大企业的占比更高（营收超 50 亿美元的企业里，近半数已进入规模化阶段，而营收不足 1 亿美元的企业这一比例仅 29%）。采用深度和企业体量高度相关，这不是技术偏好，是组织成熟度。
价值卡在哪：不是模型，是工作流没重画
麦肯锡在所有测试因素里发现，对「是否拿到实质业务影响」作用最显著的，不是模型选得好不好，而是组织有没有对单个工作流进行根本性重构。高绩效企业做到这一点的可能性，是其他企业的近 3 倍（约 2.8 倍）。换句话说，大多数人买了工具，少数人重画了流程，价值几乎全落在后者手里。
BCG 长期用一个 10-20-70 的分配法则来概括这件事：AI 创造的价值里，约 10% 来自算法本身，20% 来自技术与数据，剩下 70% 来自人与流程的改变。大多数企业实际的投入是反过来的，把钱和注意力压在前面那 30%，指望模型升级自动带来回报。结果就是工具铺开了，活还是按原来的方式干，价值自然不显。
对 HR 和 OD 来说，这是最该接住的一块。工作流重构本质是人的协作方式、权责边界和绩效定义的变化，不是 IT 部门的部署任务。一个客服系统上了智能体，如果一线的话术标准、质检口径、升级路径没有同步重画，智能体只是在旧流程上叠了一层壳。这种「壳式落地」是 88% 到 5.5% 之间最大的漏水口。
智能体来了，但大多数还停在演示
2025 到 2026 年，企业 AI 的主角从「助手」换成了「智能体」：能规划多步任务、调用工具、在有限监督下做决策的系统。麦肯锡调研里 62% 的机构已在尝试智能体，23% 在部分职能规模化。Gartner 的预测更激进：到 2026 年底，40% 的企业应用将嵌入任务型智能体，而 2025 年这一比例不足 5%。
但同一批数据也给出了另一面。Gartner 预计，到 2027 年超过 40% 的智能体项目会被取消，原因集中在成本失控、业务价值不清、风险管控薄弱。IDC 的观察是，88% 的 AI 概念验证从未进入广泛生产。MIT 的 NANDA 研究更直接：95% 的生成式 AI 试点没有产生可衡量的利润影响。
把这些数字叠在一起，结论很清楚：智能体不是不行，是大多数项目死在「演示很惊艳、生产很难落地」。研究里反复提到的失败原因，几乎没有一个与技术有关：目标模糊、缺少工具和数据权限、上线后没有评估纪律。换句话说，卡住智能体的还是组织能力，不是模型能力。
高绩效企业的三个习惯，HR 都能接住
麦肯锡把高绩效企业（AI 带来 5% 以上 EBIT 增长且自评价值显著）的做法拆出来，有三个习惯和 HR、OD 高度相关。
第一，目标不止于降本。多数企业把效率提升列为 AI 的核心目标，高绩效企业则同时把增长或创新列为战略目标，并计划用 AI 推动变革性转型，这种意愿是其他企业的 3 倍以上。只盯着省钱，往往只拿到省钱的结果；把 AI 当成业务重塑的杠杆，才拿得到增长。
第二，真的重画工作流。如前所述，高绩效企业对工作流进行根本性重构的可能性是其他企业的近 3 倍。这不是加一个按钮，是把「谁在哪一环做什么、决策权在哪、质量怎么验」重新写一遍。这件事天然落在组织设计手里。
第三，高管真背书、预算真倾斜。高绩效企业更可能报告高管在 AI 项目上展现出真正的主导力和长期承诺，超过三分之一把 20% 以上的数字化预算投向 AI。注意这里的顺序：不是先有预算才有承诺，是高管先把 AI 当成自己的事，资源才跟着到位。麦肯锡的调研里，高管亲自使用、亲自推动，是区分高绩效企业的突出特征之一。
这三件事，HR 和 OD 都不是旁观者。目标设定牵动绩效与激励体系，工作流重构是组织设计的本行，高管承诺和预算结构则需要 HR 在人才盘点、能力建设和变革沟通上托底。高绩效企业做对的，恰恰是把「人」当作 AI 价值的主战场，而不是把 AI 当成 IT 的交付物。
钱砸得猛，回报分得不均
斯坦福《AI Index 2026》给了一个宏观背景：2025 年全球企业 AI 投资达到 5817 亿美元，同比增长约 130%，其中私人投资 3447 亿美元。钱在加速涌入，但回报的分布极不均匀。
回报集中在少数职能。软件工程的生产率提升约 26%，客户支持提升 14% 到 15%，营销产出提升约 50%；收入侧，营销与销售、战略与公司财务、产品与服务开发的 AI 带动收入增长最明显。与此同时，年轻开发者的就业已经出现信号：美国 22 到 25 岁软件开发者的就业人数自 2024 年下降近 20%，而更资深的开发者数量仍在增长。AI 对岗位的影响不是均匀的，它先压最容易被自动化的入口级任务。
还有一个容易被忽略的点：培训和回报是正相关的。一项覆盖 1.2 万家欧洲企业的研究发现，AI 采用使劳动生产率提升约 4%，而当培训伴随落地一起发生时，增益被显著放大。斯坦福把这称为 J 曲线效应：组织先吸收集成成本，宏观层面的收益才陆续显现。对 HR 的含义很直接：买工具和训能力是两笔账，只买不训，回报会被砍掉一大截。
对一号位和 HR 的三条可执行动作
把上面的数据翻成动作，不需要等一个完美的 AI 战略，先从三件能落地的事开始。
第一，把 AI 当工作流重构，不是工具铺开。从一个高体量、边界清晰的流程切入（客服、运营、线索补全都行），先定义清楚「做好了长什么样」，再上工具。在扩大范围之前，先用具体结果衡量，而不是用使用人数衡量。IDC 那 88% 没进生产的项目，绝大多数死在「先铺开、后想价值」。
第二，建评估与治理纪律。麦肯锡发现，高绩效企业更常建立清晰流程，明确模型输出在哪些环节、以什么方式需要人工核验。这是区分高绩效企业的突出特征。对涉及实质后果的动作（发消息、删记录、付款、出决策），把人工审批和审计轨迹设计进部署的第一天，而不是上线后补。Gartner 预测被取消的智能体项目，主因就是风险管控薄弱。
第三，投能力不是只投授权。培训是回报的乘数，不是成本项。把 AI 素养和能力建设纳入人才盘点，让一线知道「模型在哪一步会错、错了谁兜」，比多买几个席位更重要。年轻开发者就业下滑的信号提醒我们：入口级岗位最先被重塑，组织要提前给这些人新的成长路径，而不是等结构变化发生再补救。
结语：AI 落地的赢家，是组织能力赢家
88% 这个 headline 容易让人以为 AI 落地已经赢了。真正赢的只有 5.5%，而他们赢的方式高度一致：重画工作流、建治理纪律、高管真背书、人才能力跟上。这些没有一项是模型厂商能替组织完成的。
对一号位和 HR，可以对照三个问题。你的 AI 项目，是在重画工作流还是只在装工具；你有没有定义清楚模型输出在哪一步必须人工核验；如果明天预算收紧，组织沉淀下来的能力和流程还在不在。三个问题里有任何一个答不上来，说明 AI 目前还停留在演示区，没进生产区。
AI 落地的故事，到最后是组织能力的故事。工具会普及，模型会平价，唯一稀缺的是把工具变成价值运转起来的那套组织肌肉。
关注公众号，获取 AI 时代 HR 变革一手分析