没有AI也能活得很好的公司，才能用好AI

最近，短视频平台上流行着一种调侃：某位老板刷了两天AI工具，看了几个科普视频，便自认掌握了AI精髓，转身就在工作群里下达指令：“全员必须使用AI提效，本周各部门提交应用方案。”底下的员工一头雾水：提什么效？哪个环节？具体做什么？没人知道。老板自己也说不清，只是觉得“别人都在用，我们不能落后”。

段子或许夸张，但类似的情景绝非孤例。这很可能就是当下许多非AI原生企业在推进AI时的真实写照。

如果梳理近一年的行业调研数据，会发现一幅极度分裂的图景。

一方面，AI的企业采纳率已经相当高。麦肯锡2025年全球AI调研显示，近九成受访企业已在至少一个业务职能中使用了AI。德勤对全球3,235名高管的调查结论类似：AI部署接近普遍化，42%的企业认为自己已在战略层面为AI做好了准备。

（来源：McKinsey）

另一方面，钱投进去了，效果却没跟上。MIT旗下的Project NANDA在2025年7月发布了一份名为《The GenAI Divide》的报告，基于大量访谈和案例研究，得出了一个被广泛引用的结论：95%的生成式AI试点项目未能产生可衡量的财务回报。企业在生成式AI上的年度投入已达300至400亿美元量级，但绝大多数项目都卡在了从试点迈向规模化生产的门槛上。

Writer与Workplace Intelligence在2026年的调研进一步佐证了这一点：79%的企业在AI采纳过程中面临挑战，这一比例较2025年增长了两位数。59%的公司每年在AI上投入超过100万美元，但只有29%看到了显著的组织层面投资回报。麦肯锡的数据更为直接：在所有受访企业中，仅有6%够得上“AI高绩效企业”的标准。

简而言之，几乎所有人都在用AI，也都在为此花钱，但绝大多数并未获得实质回报。

看到这些数字，很容易导向一个结论：AI技术本身还不够成熟，或者至少，还没好到能普遍落地的程度。这构成了当下流行的一种叙事。投资人开始质疑AI的投入产出比，媒体频现“AI不及预期”的标题，社交媒体上的讨论也越来越多地指向“AI也就那么回事”。

然而，如果仔细审视那些报告的具体细节，会发现一个常被忽略的事实：那5%成功落地的企业，使用的同样是市面上通用的AI模型、技术栈和工具。模型能力并非区分成败的关键变量。

MIT的报告明确指出，问题的核心不在模型质量，而在于企业的组织学习能力和集成准备度。通过专业供应商部署的AI项目，成功率是企业自建项目的两倍。这并非因为供应商掌握了什么独门秘籍，而是因为他们已经反复解决了“将AI嵌入真实业务流程”的问题，而企业内部团队往往是第一次面对，同时还要应对无数其他优先级的挑战。

AI安全领域的知名博主兼企业顾问Daniel Miessler，在今年5月写了一篇标题直白的文章：《大多数公司远未准备好迎接AI》。基于他为世界500强及众多中型企业提供咨询的经验，他指出最普遍的问题并非技术障碍或预算不足，而是公司根本说不清楚自己想要什么。他提出了一个尖锐的判断：人们对AI的大部分失望，其实源于他们无法清晰描述自己的需求。AI是关于执行的工具，当它不知道该执行什么时，自然毫无用处。

Miessler提出了一个犀利的观察：大量公司之所以还能生存，并非因为经营出色，而是因为它们的竞争对手同样糟糕。走进大多数公司，询问几个基本问题：你们在解决什么核心问题？目标是什么？衡量目标的指标有哪些？当前的挑战是什么？正在采取哪些行动来应对？谁在负责？投入了多少预算？得到的回应往往是茫然或苦笑。回答这些问题，可能先需要几周的“立项调研”，再花上几个月才能真正厘清。

许多公司的目标每个季度都在变动。这并非因为市场剧变，而是因为根本无人深入思考过这些问题。各部门耗费大量时间宣称自己拥有答案，但这些答案每隔三个月就会大幅改变，一切都在混沌中漂移。人们只是在写下那些让自己看起来不错的内容。Miessler将这类公司称为“混沌黑箱”，它们勉强运转，稀里糊涂地存活，但若要求其描述自身的运作方式，它们无能为力。

这恰好解释了前述数据。麦肯锡报告指出，阻碍企业AI规模化落地的核心障碍包括数据架构碎片化、工作流程未针对AI重新设计、以及缺乏清晰的规模化优先级——没有一项与“AI不够聪明”有关，全部指向需求侧，指向企业自身。让一个目标不清的组织去使用AI，如同让一个不知目的地的人使用导航，工具再先进也徒劳无功，因为你没有地址可输入。

MIT报告中的一个细节尤为说明问题：超过一半的企业AI预算流向了销售和营销部门。这些是最容易展示成果的场景：自动生成推广文案、挖掘销售线索、进行个性化营销。老板们直觉上认为“这里最该花钱”，因为它最贴近收入。

但数据显示，投资回报最高的场景恰恰不在此处，而在后台运营自动化、流程简化、减少外包、降低重复劳动成本等环节。这些环节不够“性感”，很少被拿到行业会议上炫耀，但它们才是真正产生财务回报的地方。投资方向与回报方向的错位，本身就是“不清楚自身优化重点”的直接后果。如果一家公司能明确指出其最大的运营瓶颈所在，它就不会将大部分预算砸向那些最容易做展示但回报最低的环节。

这也对应了一个残酷的悖论：那些能从AI中获益最大的公司，恰恰是那些没有AI也能运转良好的公司。

Miessler列出了一张清单，描述了那些“真正知道自己在做什么”的公司的特征。它们能迅速回答：为客户解决什么核心问题、现有方案的痛点、公司的具体目标、围绕目标的衡量指标、阻碍目标实现的挑战、正在推进的应对策略与项目、负责人以及预算。关键在于，这些公司对这些问题的回答在不同季度、不同年份间是基本稳定的，不会每三个月就更换方向。

仔细审视这张清单，你会发现它根本不是什么“AI就绪度评估框架”，它就是一家健康公司的基本功。知道自己在做什么、为什么做、做得怎么样，这与AI技术本身无关。AI只是一个放大器：如果你拥有清晰的战略和流程，AI能帮你加速；如果你内部一团乱麻，AI只会让你混乱得更快。

用Miessler的话说，“AI帮这些公司用更多的翻跟头和图表来更壮观地瞎忙”。麦肯锡数据中那6%的AI高绩效企业，本质上就是在AI出现之前便已具备高度组织自觉的公司。它们并非因为会用AI而成功，而是因为本就足够清醒，所以AI在它们手中才成为了利器。

组织内部的裂痕

数据层面的问题之外，人的反应或许更值得关注。

Writer的2026年调研发现，29%的员工承认自己在主动破坏公司的AI战略，行为包括将私有数据输入公开工具、故意使用未经批准的软件、刻意产出低质量AI结果、拒绝参加培训、篡改绩效数据以让AI显得低效。在Z世代员工中，这一比例高达44%。

（来源：Writer）

76%的高管认为员工的这种破坏行为构成了严重威胁。但同一份调研也揭示了问题的另一面：75%的高管自己也承认，公司的AI战略更多是“做做样子”，而非真正的指导方针。

这就构成了一个荒诞的循环：公司推行了一个连管理层自己都不当真的AI战略，员工看穿了这一点，于是用各种方式消极对抗；管理层看到员工不配合，便加码推行。92%的高管表示正在培养一批“AI精英员工”，60%计划裁掉那些不积极拥抱AI的人。数据显示，AI精英获得晋升和加薪的概率是普通员工的三倍，其生产力被认为是后者的五倍。

于是，组织内部裂变成了两层。上层是一小群迎合AI战略的“精英”，下层是一大群阳奉阴违的普通员工。这种分裂并非由AI造成，AI只是让原本就存在的管理问题变得无法忽视。54%的C级高管承认，AI采纳的过程正在“撕裂公司”。

真正的淘汰赛

Miessler在文章中做了一个判断：AI在当前阶段对决定谁赢谁输其实没那么重要。AI是赢家们进入新世界后，用来互相竞争的武器。当下真正进行的游戏，是筛选谁能活着走到那个赛场。

这个判断与数据吻合。德勤的报告指出，虽然42%的企业认为自己在战略层面准备好了，但在基础设施、数据质量、风险管理和人才储备等具体层面，企业的信心反而比去年更低。越往深处走，越发现自己没准备好——不是技术没准备好，是组织没准备好。

他还指出了一个对大公司尤其危险的趋势：如今，一个小公司有可能借助AI，发挥出远超自身规模的战斗力。而小公司天然更容易具备组织清晰度：人员少、目标明确、决策链条短、部门博弈少。这并非断言小公司一定赢、大公司一定输。规模依然有价值，客户关系、品牌积累、资金储备都是实实在在的优势。但规模不再能掩盖内部的混乱。

过去，大公司可以依靠体量、渠道和惯性生存，即便内部效率低下，也无伤大雅，因为竞争对手情况类似。但如果现在有一个小团队，能用AI完成你三个部门的工作，并且做得更快更好，那么你的“规模优势”就可能转变为“规模包袱”。

所以，这篇文章的核心观点其实很简单：当下关于“AI行不行”的讨论，很大程度上问错了问题。AI当然行，其技术进步的速度有目共睹。真正该问的是：你的公司是否处在一个AI能帮得上忙的状态？

如果你是决策者，在喊出“全面拥抱AI”之前，不妨先试着用三句话回答：我们的核心客户痛点是什么？当前最大的运营瓶颈在哪里？哪些流程如果被加速10倍，会直接且显著地影响营收？如果答不上来，那么问题不在AI，而在于你还不够了解自己的公司。

如果你是员工，在一个连AI要解决什么问题都说不清楚的公司里，被要求“用AI提效”，你的困惑是完全合理的。不是你不会用AI，是你的组织还没有准备好被AI帮助。

MIT那份报告的标题叫“GenAI Divide”，即生成式AI鸿沟。这条鸿沟的两边，站着的不是“会用AI的人”和“不会用AI的人”，而是“了解自己的公司”和“不了解自己的公司”。AI时代的第一场淘汰赛，淘汰的不是不会用AI的公司，而是不了解自己的公司。技术只是催化剂，加速的是一个早就该发生的过程。

参考资料：

1.https://danielmiessler.com/blog/most-companies-arent-ready-for-ai

2.https://writer.com/blog/enterprise-ai-adoption-2026/

3.https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf

4.https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work