> **来源：[研报客](https://pc.yanbaoke.cn)** # 2025麦肯锡AI应用现状调研 智能体创新和转型 # 几乎所有受访企业都已将AI纳入业务实践，许多企业也开始尝试应用AI智能体。然而，大多数机构仍停留在规模化部署与实现企业级价值的早期阶段。 作者：Alex Singla、Alexander Sukharevsky、Lareina Yee、Michael Chui、Bryce Hall、Tara Balakrishnan，代表QuantumBlack, AI by McKinsey观点。 # 核心洞察 1. 多数企业仍处于探索或试点阶段：近三分之二受访者表示，企业尚未全面启动AI规模化部署。 2. 智能体受关注： $62\%$ 受访者称所在机构至少已开始试用智能体。 3.AI影响显现：受访者已在具体场景中看到成本优化与收入增长； $64\%$ 认为AI正在推动创新，但仅 $39\%$ 在企业息税折旧摊销前利润（EBIT）层面感受到实质性影响。 4. AI高绩效企业将AI视为增长、创新与降本的引擎： $80\%$ 受访企业以效率提升为目标，而收获最大价值的企业往往会同步追求增长或创新。 5. 重构工作流是关键抓手：半数AI高绩效企业计划借助AI推动业务转型，多数已着手重塑工作流。 6. 就业影响预期分化： $32\%$ 预计未来一年员工规模会下降， $43\%$ 认为不会变化， $13\%$ 预计增长。 自生成式AI工具开启人工智能新纪元三年以来，近九成受访者表示其组织已常态化应用AI，但整体进展仍参差不齐。尽管AI工具已广泛落地，多数企业尚未将其深度嵌入工作流和业务流程，距离释放企业级价值仍有不小差距。麦肯锡最新全球AI现状调研显示，当下局面呈现“应用扩张”（包括智能体快速渗透）与“成长阵痛”并存的特点，从试点走向规模化仍是大多数企业面临的核心挑战。 # AI应用持续拓展，整体仍处试点阶段 最新调研显示，更多企业开始使用AI，但真正的规模化部署依然稀少。至少在一个职能中常态化使用AI的企业比例，从去年的 $78\%$ 上升至 $88\%$ 。但在企业层面，多数机构仍停留在探索或试点阶段（图1），仅约三分之一已着手推进AI的规模化落地。 中国大陆的AI应用普及率与全球平均水平基本持平，同时在国内大模型的快速崛起推动下，生成式AI已广泛渗透至企业运营中：有 $83\%$ 的企业在至少一个职能中常态化使用生成式AI，这一比例领先全球平均水平。同时，中国大陆地区有 $45\%$ 的受访企业实现AI的规模化或全面部署，高于全球 $38\%$ 的均值，展现出在AI应用深度上的相对领先优势。 至少一个职能应用AI的企业比例持续上升。 图1 受访企业的AI应用情况（受访者比例） 1. 2017年，AI应用的定义为在组织核心业务或规模化场景中使用AI。2018-2019年的定义为在业务流程或产品中至少嵌入1项AI能力。自2020年起，定义调整为在至少一个职能中应用AI；到2025年，定义更新为至少在一个职能中常态化应用AI。资料来源：麦肯锡全球人工智能现状调研（2017-2025） McKinsey & Company # 智能体耕露头角 更多企业开始积极探索智能体，这类系统基于基础模型、能够在真实场景中自主规划并执行多步骤任务。 $23\%$ 的受访者表示企业已在至少一个职能中启动智能体的规模化应用，另有 $39\%$ 正处于试验阶段。但距离更广泛的普及仍有距离：即便在推动规模化落地的企业中，其应用也往往局限在一两个职能领域。在任一具体职能中报告“正在扩大智能体应用”的受访者比例均未超过 $10\%$ （图2）。 在各职能中，报告智能体应用进入规模化阶段的受访者比例均未超过 $10\%$ 图2 不同职能的智能体应用现状（受访者比例， $n = 1,933$ 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. 问题仅面向表示相应职能已常态化应用AI的受访者，并对结果进行加权以反映整体样本结构。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company 在职能层面，IT与知识管理的智能体采用率最高，IT服务台管理与知识管理中的深度研究等场景发展迅速，率先形成相对成熟的应用体系。从行业视角来看，科技、媒体与电信及医疗行业的智能体采用率领先其他板块（图3）。 # 图3 科技、媒体与电信行业及医疗健康行业的AI智能体应用普及率最高。 已进入规模化阶段的智能体应用情况，按行业与职能划分（受访者比例） 1. 包括回答“规模化阶段”和“全面部署”的受访者。问题仅面向表示相应职能已常态化应用AI的受访者提出，并对结果进行加权以反映整体样本结构。各行业样本量：科技（n=237）、保险（n=80）、医疗（n=129）、媒体与电信（n=93）、能源与材料（n=141）、先进制造（含先进电子、航空航天、汽车及组装、半导体，n=118）、专业服务（含法律服务、管理咨询、市场研究、产品研发，n=259）、消费品与零售（n=116）、旅游、物流与基建（n=75）、工程建筑与建材（n=77）、银行与其他金融机构（n=153）、医药与医疗产品（n=78）。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company # 23%的受访者表示企业已在部分职能中推进智能体系统的规模部署。 # 多数机构的AI应用仍停留在试点阶段 总体而言，AI在组织内部的渗透面持续拓宽。更多受访者表示组织正在更多职能中使用AI（图4）。超过三分之二的受访者称其组织至少在两个职能采用AI，半数表示应用已覆盖三个以上职能（各行业情况请见边栏“各行业AI应用率普遍提升”）。 图4 更多组织在多个职能中应用AI。 受访者所在组织应用AI的职能数量1（受访者比例） 1. 2021年样本量 $n = 1,843$ ；2022年 $n = 1,492$ ；2023年 $n = 1,684$ ；2024年2-3月 $n = 1,363$ ；2024年7月 $n = 1,491$ ；2025年6-7月 $n = 1,993$ 。调研涉及11个职能：人力资源、IT、生产制造、营销与销售、产品及/或服务开发、风险、法务与合规、服务运营、软件工程、战略与公司财务、供应链/库存管理、知识管理。 资料来源：麦肯锡全球人工智能现状调研（2021-2025） McKinsey & Company # 各行业AI应用率普遍提升 除科技行业（应用率已超 $90\%$ )外，其他所有行业中，受访者报告其所在企业“至少在一个业务板块常态化使用AI”的比例均较上一轮调研明显上升。在去年调研中，科技企业AI应用领先优势明显；如今，媒体与电信、保险行业的应用率已与科技行业并驾齐驱(图)。过去8年的调研显示，IT、营销与销售始终是AI应用最集中的职能。今年的最新结果中，知识管理也首次跻身这一行列。 从具体场景来看，AI最常被用于信息获取、处理与分发（如通过对话式界面）；营销策略内容支持（包括方案起草、创意生成及提供营销策略参考知识）；以及联络中心或客服工作的自动化。 图 媒体与电信、保险和科技行业应用AI的比例最高。 不同行业常态化应用AI的职能1（受访者比例） 1. 未展示回答“不清楚”或“其他”的受访者数据。各行业样本量：媒体与电信（n=98）、保险（n=61）、科技（n=249）、医疗（n=101）、消费品与零售（n=129）、专业服务（n=291）、旅游、物流与基建（n=66）、能源与材料（n=191）、金融机构（n=152）、先进制造（含先进电子、航空航天、汽车组装、半导体，n=136）、工程、建筑与建材（n=90）、医药与医疗产品（n=77）。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 需要关注的是，许多企业，尤其是中小型企业，尚未实现AI与工作流的全面融合。仅约三分之一受访者表示企业已在全公司范围推动AI的规模化应用。而且，无论从收入规模还是员工人数来看，企业体量越大，越有可能迈入规模化阶段：营收超50亿美元的企业中，近半数已进入规模化阶段，而营收不足1亿美元的企业中，这一比例仅为 $29\%$ （图5）。 图5 大型企业领跑AI规模化应用（突破试点阶段）。 不同营收水平企业当前所处的AI应用阶段1（受访者比例） 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. 未展示回答“不清楚”的受访者数据，占比不足总样本的 $2\%$ 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company # 仅三分之一受访者称企业正在全公司范围推进AI规模化应用，且企业规模越大，部署成熟度越高。 # AI: 驱动创新的新引擎 调研显示，对多数机构而言，AI尚未显著撬动整体息税折旧摊销前利润（EBIT）。仅 $39\%$ 的受访者认为AI对EBIT产生了某种程度的影响，其中多数表示贡献率不足 $5\%$ 。但在财务之外，AI正在悄然推动更为深刻的变化：超过一半的受访者表示AI明显增强了组织的创新能力，近半数观察到客户满意度与竞争差异化有所提升(图6)。 尽管对整体EBIT的拉动依旧有限，不少受访者已在具体用例中看到清晰的成本效益，尤其集中在软件工程、生产制造和IT等领域（图7）。 图6 受访者最常提及的AI成效集中在创新、员工与客户满意度以及竞争差异化方面。 过去一年AI应用对组织各指标的影响程度1（受访者比例， $n = 1,753$ ） 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. 问题仅面向表示所在企业至少在一个职能常态化应用AI的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company 图7 受访者最常提到AI在软件工程、生产制造和IT职能的应用带来了显著成本收益。 过去12个月各职能因使用AI而产生的成本降幅1（受访者比例） 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. 问题仅面向表示相关职能已常态化应用AI的受访者，未展示回答“成本增加”、“无变化”、“不适用”或“不清楚”的受访者数据。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company 在营销与销售、战略与公司财务、产品与服务开发等职能中，AI推动的营收增长尤为突出，与我们历年调研观察到的趋势一致（图8）。 AI在营销与销售、战略与公司财务及产品或服务开发职能带来的营收收益最为显著。 图8 过去12个月各职能因应用AI而产生的营收提升1（受访者比例） 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. 问题仅面向表示相关职能已应用AI的受访者，未展示回答“营收下降”、“无变化”、“不适用”或“不清楚”的受访者数据。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company # 积极布局者收获更丰 AI改善整体利润的案例仍较少见，但调研结果显示，越是具备雄心的企业，越能获得超越同行的收益。我们将EBIT因AI提升超过 $5\%$ ，并已利用AI创造“显著”价值的企业定义为“AI高绩效企业”，这一群体约占样本总量的 $6\%$ 。这些企业往往会运用AI驱动颠覆性创新、重塑工作流、加速规模化落地、采用最佳转型实践，并投入更大资源。 高绩效企业普遍拥有借助AI重塑业务的更宏大目标。其计划通过AI实现颠覆性变革的比例，是其他企业的三倍以上（图9）。 取得卓越成效的机构也往往不会满足于降本。虽然多数受访者将“提升效率”视为AI部署的主要目标，但领先企业更倾向于同时将增长和/或创新纳入AI战略目标（图10）。 无论是否被归类为高绩效企业，那些将AI用于推动增长和/或创新的组织，都更有可能在客户满意度、竞争差异化、盈利能力、营收增长及市场份额等关键维度收获全局性改善。 图9 AI高绩效企业受访者更期望通过AI实现企业级变革。 企业计划三年内借助AI实现业务转型的程度，（受访者比例） 不清楚/不适用 几乎不改变 渐进式改变 重大改变 颠覆性改变 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. AI高绩效企业受访者指那些报告AI对企业EBIT贡献超 $5\%$ 且带来“显著价值”的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company 图10 AI高绩效企业除追求效率外，也为AI项目设定创新或增长目标。 企业AI项目的目标（受访者比例） 1. 问题仅面向表示组织在至少一个职能中常态化使用AI的受访者。未展示回答“不清楚”或“其他”的受访者数据。 2. AI高绩效企业受访者指那些报告AI对企业EBIT贡献超 $5\%$ 且带来“显著价值”的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company # 将AI用于促进增长和创新的企业，往往更能在多个维度上获得全局性提升。 除了制定宏大的战略愿景, 高绩效企业对具体工作流程进行根本性重构的比例, 也达到其他机构的三倍 (图11)。在本次测试的所有影响因素中, 有意识地重设计工作流程, 是推动企业取得实质业务成效的关键因素之一<sup>1</sup>。 AI高绩效企业通过部署AI重塑工作流的几率是其他企业的近三倍。 图11 在AI部署中从根本上重塑工作流的企业1（受访者比例） 1. 该问题仅面向表示组织在至少一个职能中常态化应用AI的受访者。 2. AI高绩效企业受访者指那些报告AI对企业EBIT贡献超 $5\%$ 且带来“显著价值”的受访者。AI高绩效企业受访者样本量 $n = 109$ ，其他受访者样本量 $n = 1,644$ 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company AI高绩效企业在各职能中的应用广度同样显著领先同行。例如，它们在营销与销售、战略与公司财务、产品与服务开发等核心职能中应用AI的比例远高于其他组织。此外，在智能体的落地深度方面，高绩效企业也走在最前：在多数职能中，它们规模化部署智能体的比例达到其他组织的三倍以上（图12）。 AI高绩效企业将智能体部署推进至规模化阶段的可能性远高于其他企业。 图12 相应职能对智能体的应用已达到“规模化”或“全面部署”阶段的企业1（受访者比例） 1. 该问题询问企业在各职能中使用智能体（即基于基础模型、可在现实场景中自主规划并执行多步骤工作流的AI系统）的程度，仅针对至少在一个职能应用AI的企业。 2. AI高绩效企业受访者指那些报告AI对企业EBIT贡献超 $5\%$ 且带来“显著价值”的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company 调研还显示，高绩效企业的AI应用更常获得高层的强力背书。与其他企业相比，这些机构的受访者更可能强烈认同高层在AI项目中展现出真正的主导力与长期承诺（图13）。同时，高管不仅是推动者，更是率先践行者，以亲身使用推动AI在组织内部扎根。 # 图13 AI高绩效企业的高层往往对AI举措展现出强烈的主导权与投入度。 受访者对“企业高层展现出对AI举措的主导权与投入度”的认同程度1 $(\%)$ 2 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. 该问题询问受访者在多大程度上认同“企业高层领导者对AI举措展现出真正的主导权与投入度（例如，组织内长期推动、身体力行、持续提供资金，并在预算重排中保持持续关注）”。 2. AI高绩效企业受访者指那些报告AI对企业EBIT贡献超 $5\%$ 且带来“显著价值”的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 不清楚 强烈反对 反对 中立 i 认识 强烈认同 McKinsey & Company 除了高层担当与投入，高绩效企业更擅长通过系统化的方法释放AI价值。例如，它们更常建立清晰的流程，明确何时、以何种方式对模型输出进行人工核验，以确保结果可靠（图14）。这是本次调研中区分高绩效企业的突出特征之一。这套方法体系，也与我们在《麦肯锡讲全球企业数字化》(Rewired)研究中总结的规律高度一致。该研究基于超过200项大型AI转型案例，凝练出实现AI价值的六大核心维度：战略规划、人才储备、运营模式、技术支撑、数据治理以及落地推广。本次调研所涉及的管理实践，与AI价值创造均呈正相关。也正是这些实践，使组织能够通过规模化应用AI，把创新做深，把价值做大。 高绩效企业更常建立清晰流程，明确何时、以何种方式对模型输出进行人工核验。 图14 AI高绩效企业更愿意遵循最佳实践。 遵循各项实践的组织1（受访者比例） <table><tr><td colspan="5">最高采用率 AI高绩效企业受访者2 (n=109) 其他受访者 (n=1,643)</td></tr><tr><td>战略</td><td>人机协同：建立明确流程，判定何时、如何对模型输出进行人工核验，以确保结果准确</td><td>23</td><td>65</td><td></td></tr><tr><td>技术</td><td>技术基础设施：技术基础设施与架构能够支持通过利用最新技术，推进核心AI项目落地</td><td>23</td><td>60</td><td></td></tr><tr><td>战略</td><td>清晰的AI路线图：制定涵盖重点业务领域具体AI举措与用例的路线图，与整体AI战略对齐</td><td>31</td><td>60</td><td></td></tr><tr><td>战略</td><td>领导层价值共识：高层领导清楚理解AI如何为业务创造价值</td><td>41</td><td>60</td><td></td></tr><tr><td>采用与扩展</td><td>重塑业务流程：将AI方案有效嵌入业务流程（如调整一线员工流程、打造用户界面）</td><td>20</td><td>58</td><td></td></tr><tr><td>采用与扩展</td><td>高层深度参与：高层领导以身作则，积极推动AI采纳</td><td>33</td><td>57</td><td></td></tr><tr><td>运营模式</td><td>产品交付：具备敏捷产品交付体系，或在全企业范围采用敏捷模式，具备明确的敏捷团队交付流程</td><td>20</td><td>54</td><td></td></tr><tr><td>人才</td><td>战略性人力规划：基于AI带来的预期变化，为技术与非技术岗位制定清晰的人力资源规划</td><td>19</td><td>54</td><td></td></tr><tr><td>数据</td><td>开发迭代式解决方案：建立创建AI方案并迭代优化的流程（例如，护栏机制、开发方法）</td><td>22</td><td>54</td><td></td></tr><tr><td>运营模式</td><td>快速开发周期：AI工作推进迅速且具适应性，具备快速决策和迭代学习能力</td><td>24</td><td>54</td><td></td></tr></table> 相对重要性 <table><tr><td>运营模式</td><td>产品开发：具备敏捷产品交付体系，或在全企业范围采用敏捷模式，具备明确的敏捷团队交付流程</td><td>20●</td><td colspan="3">54</td></tr><tr><td>战略</td><td>人机协同：建立明确流程，判定何时、如何对模型输出进行人工核验，以确保结果准确</td><td>23●</td><td colspan="3">65</td></tr><tr><td>运营模式</td><td>治理：设立中心化团队，协调统筹企业AI工作</td><td colspan="4">38●46</td></tr><tr><td>战略</td><td>愿景与战略：清晰定义AI愿景与战略方向</td><td colspan="4">21●44</td></tr><tr><td>战略</td><td>领导层价值共识：高层领导清楚理解AI如何为业务创造价值</td><td colspan="4">41●60</td></tr><tr><td>采用与扩展</td><td>重塑业务流程：将AI方案有效嵌入业务流程（如调整一线员工流程、打造用户界面）</td><td colspan="4">20●58</td></tr><tr><td>数据</td><td>数据产品：构建可复用的、面向业务场景的数据产品</td><td colspan="4">21●25</td></tr><tr><td>人才</td><td>AI技能提升：针对技术人才（如数据科学家、数据工程师），按岗位定制学习路径，培养关键AI技能</td><td colspan="4">24●34</td></tr><tr><td>人才</td><td>AI人才战略：制定人才战略，以推动对AI相关人才的高效招聘、入职与整合</td><td colspan="4">18●47</td></tr><tr><td>数据</td><td>开发迭代式解决方案：建立创建AI方案并迭代优化的流程（例如，护栏机制、开发方法）</td><td colspan="4">22●54</td></tr><tr><td></td><td></td><td colspan="3">0</td><td>100</td></tr></table> 1. 该问题仅针对表示其组织在至少一个职能中常态化使用AI的受访者。为识别真正让高绩效组织脱颖而出的实践方式，我们开展了相对权重分析。该方法可在考量预测变量间相关性的基础上，测算每项变量对高绩效的独立贡献度。 2.AI高绩效企业受访者指那些报告AI对企业EBIT贡献超 $5\%$ 且带来“显著价值”的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company 建立敏捷产品交付体系，或具备清晰定义的企业级敏捷流程，同样与AI价值的落地紧密相关。强化人才战略、夯实技术与数据基础设施亦是基础；同时，将AI嵌入业务流程，为AI解决方案设置并持续跟踪关键绩效指标，可进一步提升整体价值回报。 最后，这些领先企业在AI技术上的投入也显著更大。超过三分之一的高绩效企业受访者表示，组织已将 $20\%$ 以上的数字化预算投向AI（图15）。这些资源支撑了AI能力在组织内部的全面扩张：约四分之三的高绩效企业已经或正在规模化部署AI，而其他企业的这一比例仅为三分之一。 图15 三分之一的AI高绩效企业将超20%的数字预算投入AI。 # AI在企业数字预算中的占比1 (受访者比例，n=1933) 注：因四舍五入，各百分比之和可能不为 $100\%$ 1. 该问题询问受访者所在组织用于AI相关技术的预算，占全部数字预算的比例。仅针对表示组织至少在一个职能中常态化应用AI，且了解组织运营预算的受访者。 2. AI高绩效企业受访者指那些报告AI对企业EBIT贡献超 $5\%$ 且带来“显著价值”的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company # AI对员工规模影响：预期分化 随着AI加速普及，受访者对未来一年员工规模变化的判断呈现明显分化。回望过去一年，在已落地AI的各项职能中，多数受访者认为员工数量大体保持稳定。在多数职能里，不到 $20\%$ 的受访者观察到AI造成超过 $3\%$ 的人员缩减，因AI带来明显增员的比例更少。 但展望未来一年，更多受访者预期员工数量将出现更显著的变化（图16）。整体来看，表示过去一年因AI导致人员缩减的受访者中位数比例为 $17\%$ ，而预计未来一年会出现缩减的这一比例升至 $30\%$ 。 从企业整体编制来看，预期同样呈现出明显分化。多数受访者认为未来一年企业总员工数将大体保持稳定；与此同时， $32\%$ 的受访者预计员工规模将减少 $3\%$ 及以上，另有 $13\%$ 预计会增加 $3\%$ 及以上（图17）。大型企业的受访者更倾向于认为AI将带来整体性的人力缩减；而AI高绩效企业的受访者则更有可能预期出现显著变化，无论这种变化表现为人员减少还是扩张。 相比过去一年，更多受访者预计未来一年AI将对各职能的员工规模产生影响。 图16 过去一年AI对各职能员工规模的影响1（受访者比例） 1. 仅针对表示组织在相应职能中常态化应用AI的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company 受访者对未来一年AI对企业员工规模的影响预期存在分化。 图17 预计未来一年AI对企业员工规模的影响1（受访者比例） 1. 注：因四舍五入，各百分比之和可能不为 $100\%$ 2. 仅针对表示组织至少在一个职能中常态化应用AI的受访者。 资料来源：麦肯锡全球人工智能现状调研,覆盖企业各层级的1,993名参与者,调研时间为2025年6月25日至7月29日 McKinsey & Company # 多数受访者认为，未来一年企业总员工数将大体保持稳定。 多数受访者也提到，企业在过去一年招聘了AI相关岗位人才，大型企业中这一比例更高（图18）。尽管具体岗位需求随企业规模而异，但软件工程师与数据工程师仍是最受追捧的角色。 过去一年，大型企业开展AI相关招聘的比例更高。 图18 过去一年招聘过以下岗位的企业1（受访者比例） 1. 仅针对表示组织至少在一个职能中常态化应用AI的受访者。未展示回答“其他”或“不清楚”的受访者数据。资料来源：麦肯锡全球人工智能现状调研，覆盖企业各层级的1,993名参与者，调研时间为2025年6月25日至7月29 McKinsey & Company # 风险应对机制逐步完善 过去6年的调研一再显示，多数企业在AI风险管理方面投入不足。最新调研表明，自2022年我们上次全面调研AI相关风险以来(2023、2024年主要聚焦生成式AI风险)，企业在个人隐私保护、可解释性、企业声誉与合规监管等方面采取主动治理的比例均有所提升。2022年，受访者平均报告企业仅治理两类AI风险，如今这一数字升至4类。 我们也观察到，被治理的风险类型往往与企业实际遭遇过的风险高度相关：受访者更可能对已造成负面影响的风险采取治理措施。在已应用AI的组织中， $51\%$ 的受访者表示至少遭遇过一次AI相关负面事件，近三分之一提到AI结果不准确带来的实际影响（图19）。结果不准确，是当前企业最常着手缓解的风险之一。然而，位列第二的“可解释性”问题却未获得与其重要性相匹配的关注。 结果不准确是企业最常遭遇且已着力应对的AI相关风险。 图19 过去一年经历过的负面后果与正在应对的风险1（受访者比例） 1. 仅针对表示组织至少在一个职能中常态化应用AI的受访者。未展示回答“不清楚/不适用”的受访者数据。 资料来源：麦肯锡全球人工智能现状调研，覆盖企业各层级的1,993名参与者，调研时间为2025年6月25日至7月29日 McKinsey & Company AI高绩效企业部署的AI用例数量是其他企业的两倍，报告的负面事件比例也更高，尤其集中在知识产权侵权与监管合规方面。同时，这些企业也在更系统地治理更广泛的风险类型。 尽管AI应用愈发普及，但本次调研显示，其价值潜能尚未完全释放。多数组织仍处在从试点向规模化部署过渡的阶段。即便一些业务已开始显现价值，但距离真正意义上的全域性财务影响仍有距离。而AI高绩效企业的经验提供了明晰方向：它们不满足于渐进式效率提升，而是将AI视为推动组织重塑的催化剂，通过重构工作流和加速创新，实现突破。随着AI工具（包括智能体）能力持续跃升，以及企业在技术与管理上的成熟度提升，将AI更深地融入运营，将为企业打开全新的价值通道，构筑更持久的竞争优势。 # 研究方法 本次线上调研于2025年6月25日至7月29日开展，共收集到来自105个国家的1993份有效问卷，受访者覆盖不同地区、行业、企业规模、职能类型与任职年限。 $38\%$ 的受访者来自年营收超过10亿美元的企业。为平衡各国响应率差异，调研数据已按受访者所在国家对全球GDP的贡献进行加权处理。 Alex Singla是QuantumBlack,Al by McKinsey全球负责人兼麦肯锡全球资深董事合伙人，常驻芝加哥分公司；Alexander Sukharevsky是麦肯锡全球资深董事合伙人，常驻伦敦分公司；Lareina Yee是麦肯锡全球资深董事合伙人，常驻湾区分公司；Michael Chui是麦肯锡高级研究员，常驻湾区分公司；Bryce Hall是麦肯锡全球副董事合伙人，常驻华盛顿特分公司；Tara Balakrishnan是麦肯锡全球副董事合伙人，常驻西雅图分公司。 作者感谢Hailey Bobsein、Hannah Wagner、Larry Kanter、Robert Levin和Santi Canedo对本文的贡献。 2025麦肯锡AI应用现状调研：智能体创新和转型 2025年12月 麦肯锡公司版权所有© 麦肯锡中国区新媒体设计出品 McKinsey.com.cn