没有AI也能活得很好的公司，才能用好AI

你可能最近也在短视频平台上刷到这样一类吐槽视频：某公司老板用了两天豆包、刷到几个 OpenClaw 视频，就觉得自己打通了 AI 的任督二脉，第二天就在工作群发了条消息：“从今天起，全员必须使用 AI 工具提升工作效率，各部门本周提交 AI 应用方案。”

底下的人面面相觑：提升什么效率？哪个环节？用 AI 做什么？没人知道。老板也说不清楚。他只是觉得“别人都在用”，我们不能落后。

虽然段子可能有所夸张，但这种情况绝非个例。它可能是今天大多数企业（尤其是非 AI-native 的企业）推进 AI 时的真实写照。

如果你去看各家机构最近一年的调研数据，会发现一个极度分裂的画面。

一方面，AI 的企业采纳率已经非常高了。麦肯锡 2025 年全球 AI 调研显示，近九成受访企业已经在至少一个业务职能中使用 AI。德勤调查了全球 3,235 名企业高管，结论类似：AI 部署接近普遍化，42％ 的企业认为自己在战略层面已经为 AI 做好了准备。

（来源：McKinsey）

另一方面，钱花了，效果没跟上。MIT 旗下的 Project NANDA 在 2025 年 7 月发布了一份报告《The GenAI Divide》，基于 150 场高管访谈、350 份员工调查和 300 个公开 AI 部署案例，得出一个被广泛引用的结论：95％ 的生成式 AI 试点项目没有产生可衡量的财务回报。企业在生成式 AI 上的年度投入已经达到 300 至 400 亿美元级别，绝大多数项目卡在了从试点到生产的那道坎上。

Writer 联合 Workplace Intelligence 在 2026 年做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，比 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 ROI。麦肯锡的数据更残酷：在所有受访企业中，只有 6％ 够得上“AI 高绩效企业”的标准。

换句话说，几乎所有公司都在用 AI，几乎所有公司都在花钱，但绝大多数公司没有从中得到什么实质回报。

看到这些数字，很容易得出一个结论：AI 还不够好，或者至少，AI 还没好到能普遍落地的程度。这也是当下非常流行的一种叙事。投资人开始质疑 AI 的 ROI，媒体开始写“AI 不及预期”的标题，社交媒体上越来越多的讨论指向“AI 也就那么回事”。

但如果仔细看那些报告的细节，你会发现一个被忽略的事实：那 5％ 成功落地的企业，用的是同样的 AI 模型，同样的技术栈，同样的工具。模型能力不是区分成败的变量。

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。这不是因为供应商有什么特殊技巧，而是因为他们已经解决过一百次“把 AI 接进真实业务流程”的问题，而企业内部团队是第一次面对，同时还在跟十几个其他优先级打架。

AI 安全领域的知名博主、同时也是企业 AI 顾问 Daniel Miessler，今年 5 月写了一篇标题非常直白的文章：《Most Companies Aren’t Anywhere Near Ready for AI》。他常年给世界 500 强和大量中型企业做咨询，他说自己见到的最普遍的问题，不是技术障碍，不是预算不够，而是公司根本说不清楚自己想要什么。他提出一个尖锐的判断：人们对 AI 的大部分失望，其实源于他们无法描述自己想要什么。AI 是一个关于执行的东西，当它不知道该执行什么的时候，就是没用的。

Miessler 提出了一个非常犀利的观察：大量公司之所以还活着，不是因为它们经营得好，而是因为它们的竞争对手同样烂。他说，如果你走进大多数公司，问他们几个基本问题：你们在解决什么问题？目标是什么？衡量目标的指标是什么？当前的挑战是什么？为了克服这些挑战你们在做哪些事？谁在做？花了多少钱？你会得到两种反应：要么茫然地盯着你，要么苦笑。回答这些问题需要先花几周时间“立项调研”，然后再花几个月真正去搞清楚。

很多公司的目标每个季度都在变。不是因为市场发生了剧变，而是因为根本没有人认真想过这些问题。各部门花大量时间声称自己有答案，但这些答案每隔三个月就会大幅改变，因为一切都在混沌中漂移。人们只是在写下他们觉得让自己看起来不错的东西。Miessler 把这类公司称为“混沌黑箱”，勉强运转，稀里糊涂地活着，但如果让它们描述自己的运作方式，它们做不到。

这恰好解释了前面那些数据。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，没有一个跟“AI 不够聪明”有关，全部指向需求侧，指向企业自身。让一个说不清自己目标的组织去用 AI，就像让一个不知道目的地的人去开导航，工具再先进也没用，因为你没有地址可以输入。

MIT 报告里有一个细节特别能说明问题：超过一半的企业 AI 预算被砸进了销售和营销部门。这些是最高调的场景，自动写推广文案、生成销售线索、做个性化营销。老板们直觉上觉得“这里最该花钱”，因为最贴近收入。

但数据显示，投资回报最高的场景恰恰不在这里，而是在后台运营自动化，流程简化、减少外包、降低重复劳动的成本。这些环节不够“性感”，不会被拿出来在行业会议上讲，但它们是真正产生财务回报的地方。投资方向和回报方向的错位，本身就是“不知道自己该优化什么”的直接后果。如果一家公司能清楚说出自己最大的运营瓶颈在哪里，它就不会把大部分预算砸进最容易做 showcase 但回报最低的环节。

而这也对应了一个残酷的悖论：那些从 AI 中获益最大的公司，恰恰是那些没有 AI 也能活得很好的公司。

Miessler 列了一张清单，描述那些“真正知道自己在做什么”的公司的特征。它们能很快告诉你：自己在为客户解决什么问题，现有方案的痛点在哪里，公司的目标是什么，围绕这些目标的指标有哪些，妨碍目标实现的挑战是什么，正在推进哪些策略和项目来应对这些挑战，谁在做这些事，花了多少钱。而且关键在于，这些公司对这些问题的回答在不同季度、不同年份之间是大致稳定的。它们不会每三个月换一个方向。

仔细看这张清单，你会发现它根本不是什么“AI 就绪度评估框架”，它就是一家好公司的基本功。知道自己在做什么、为什么做、做得怎么样，这跟 AI 没有任何关系。AI 只是放大器：如果你有清晰的战略和流程，AI 帮你加速；如果你一团乱麻，AI 只会让你乱得更快。

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，本质上就是那些在 AI 出现之前就已经具备高度组织自觉的公司。它们不是因为会用 AI 才成功的，它们是因为本来就足够清醒，所以 AI 在它们手里变成了好工具。

数据层面的问题之外，人的反应可能更值得关注。

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，包括把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 AI 培训、篡改绩效数据让 AI 看起来很差。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，就加码推行。92％ 的高管表示正在培养一批“AI 精英员工”，60％ 计划裁掉那些不拥抱 AI 的人。AI 精英获得晋升和加薪的概率是普通员工的三倍，生产力是五倍。

于是组织内部裂成了两层。上面是一小群讨好 AI 战略的人，下面是一大群阳奉阴违的人。这种分裂不是 AI 造成的，AI 只是让原本就存在的管理问题变得不可忽视。54％ 的 C 级高管承认，AI 采纳的过程正在“撕裂公司”。

Miessler 在文章里做了一个判断：AI 在当前阶段对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。当下真正在进行的游戏，是筛选谁能活着走到那里。

这个判断和数据吻合得很好，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 AI，但在基础设施、数据质量、风险管理和人才储备等方面，企业的信心反而比去年更低了。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：现在一个小公司有可能借助 AI 以小博大，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，人少、目标明确、链条短、没有那么多部门博弈。这不是说小公司一定赢，大公司一定输。规模仍然有它的价值，客户关系、品牌积累、资金储备都是实在的东西。但规模不再能掩盖混乱。

以前大公司可以靠体量、靠渠道、靠惯性活着，就算内部一团糟也没关系，因为竞争对手也差不多。但如果有一个小团队能用 AI 把你三个部门的事情做了，而且做得更快更好，那你的“规模优势”就变成了“规模包袱”。

所以这篇文章想说的其实很简单：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，技术进步的速度有目共睹。真正该问的是，你的公司有没有处在一个 AI 能帮得上忙的状态。

如果你是老板，在喊“All in AI”之前，先试试能不能用三句话回答：我们的核心客户痛点是什么？我们当前最大的运营瓶颈在哪？哪些流程如果被加速 10 倍会直接影响营收？如果答不上来，那问题不在 AI，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”，你的困惑是合理的。不是你不会用 AI，是你的组织还没准备好被 AI 帮助。

MIT 的那篇报告的标题叫“GenAI Divide”，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

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成