64.4%企业已部署AI，深度用起来的只有10.2%

德勤中国与香港大学人工智能、管理与组织研究中心联合发布了一份《决策者视角下的企业AI应用》。报告里有一组数字，放在一起看相当扎眼：进入生产部署阶段的企业占比从2025年的56.0%升到了64.4%，跨多个团队部署AI的企业从14.7%升到了33.7%。

但真正进入深度使用阶段的企业，只从7.4%升到了10.2%。部署的面铺开了，用得深的还是那一小撮。

回报率卡在哪

普及速度超出很多人预期，回报却跟不上。《报告》显示，48.5%的受访企业反馈AI项目实际投资回报低于预期，预期回报集中在10%-25%，实际更多落在10%以下；另有44.4%的企业无法明确核算AI项目的实际投资回报率。

Gartner覆盖1303名企业受访者的调研也印证了这种落差：高绩效企业持续追踪AI的ROI、把AI当作价值组合来管理，在81%的AI项目中报告了正向回报；低绩效企业则有29%的AI项目连回报率都说不清楚。

德勤中国咨询业务全国主管合伙人华思远给出的判断是，很多企业把AI和简单的流程自动化混淆了。顺着这个逻辑做，企业会在单个执行动作上花很多精力，用AI去替代一个简单步骤。但简单步骤对应的数据和知识非常薄，最终就会陷入在很有限的数据量中反复追求准确度的困境。

他给出的方向是反过来的：把流程节点拉得更长，从知识入手，而不是从流程入手，用AI把散布在不同人脑子里的知识连接起来。神州数码董事长郭为在2026年WAIC期间也说过一句类似的话——问题不出在数据本身，而出在数据进入组织之后的那段“无人区”。

华思远分享了一个案例：某大型软件开发企业，每个程序员的个人效率提升了20%到40%，甚至有人提升了一倍，但整体组织的效率提升难以衡量。原因在于流程节点卡死了，一个员工完成自身工作后，仍需等待其他环节推进，单个节点的绩效并不对整个流程产生作用。

从外挂到底座

联想是经历过从单点提效到组织变革整个历程的大型企业之一。联想集团副总裁、中国区首席战略官兼CTO阿不力克木·阿不力米把这三年的转型摊开来讲：2023年11月启动“+AI”的局部尝试，把AI作为流程的外挂；2024年开始在研发、供应链、营销、财务等环节广泛外挂，并梳理流程；到了2025年，联想意识到要让AI充分释放价值，必须把它从工具属性刷新为全新的生产力，于是开始建设混合AI底座，推动智能体成为劳动力。从2026年开始，联想正推动“AI+”运营的重构。

阿不力克木打了个比方：工业原生企业的核心是那条24小时不间断运转的标准化产线，车间、管理人员、数据分析员、采购物流都围绕产线配置。AI原生企业同样如此，核心是那条能够大规模生产智力的产线。没有围绕它搭建整个运营逻辑，AI就还是“果汁手工作坊里放的一个榨汁机”，用的时候拽一下而已。

联想选中的突破口之一是软件研发部门。过去分属需求、架构、前后端、测试和运维等八类角色的工作，被整合为“全栈工程师＋五个智能体”的小团队。2025/26财年，联想中国区研发领域智能体综合提效30%以上，AI代码贡献率超过80%。客服业务中，硅基客服占比达到75%，在不增加人力的情况下，承接的服务工单每年增加超过25万单。目前联想已梳理692个四级以上业务流程并推进重构，组织从“按岗位分工+流程驱动”转向“按角色分工+任务驱动”。

行业维度的分化也在拉大。德勤报告显示，知识密集、数字化基础好的行业走得最快，IT与软件的AI项目ROI约为45%；产品研发、销售营销等场景ROI在20%-30%之间。受严格合规要求、复杂物理业务链路和长期流程惯性约束的行业，如医疗制药、工业制造、汽车，落地难度明显更高。此外，87.3%的企业评估AI成效时聚焦处理速度与工时节约，涉及收入与客户层面的仅占21.5%。

治理决定能走多远

流程重塑决定AI能跑多快，治理决定它能跑多远。《报告》显示，AI部署过程中，与现有系统集成困难是最突出的瓶颈，占比达56.6%，明显高于人工审核与质量控制（38.5%）和审批、签核与治理流程（37.6%）。

阿不力克木提醒，在企业层面，人们忽视了AI内化之后的治理体系建设。几乎绝大部分非IT公司，还没有完全意识到AI的治理将是一个最大的风险。他把治理拆成几块：治理安全、治理智能体的行为、治理AI架构不要失控、治理数据和知识、治理token资源。“现在AI在企业内部还没有到失控这个阶段，大不了关机。但等你离不开的时候，治理可能是它的天花板。”尤其已经进入智能化阶段的企业，应该未雨绸缪，从组织建设、探索、落地实践的角度开始动手。

德勤《报告》也指出，74%的组织计划在两年内使用自主AI代理，但仅有21%拥有成熟的治理模型。华思远给出的问责设计遵循三条原则：责任必须落到具体的人，AI只是工具，不能成为责任的归宿；决策全程留痕，输入、输出、人工干预都有记录；在扩大AI自主性之前，先划清可逆与不可逆的边界。

治理的另一面是安全与开放。SUSE首席营销官戴珍珠认为，安全与开放看似对立，但开源其实是更安全的，因为只有开放了，一切才是可审计、可见的，看不见就无法检查、无法监督。SUSE中国区副总经理吉晖介绍了两条路径：上线之前的软件供应链安全，把常用开源组件经过安全加固、扫描代码、打补丁，形成经过认证的软件仓库；上线之后的零信任架构，运行中发现漏洞有成熟方法去解决。

吉晖还对中国市场提出了一个判断：在AI的世界里，开源已不是一个可选项，而是一个必选项。企业最关心的两件事——数据自主可控、架构自主可控，最好的解法恰恰是技术的开放。这与阿不力克木的观点相近，生产资料的归属，联想的主张是应该归每一家企业自己，不应该是少数公共AI提供者，每一家企业都应该拥有自己的人工智能。

德勤报告预计，到2026年底，企业间AI的差距将更多体现在是否完成工作流重塑：仍沿用旧式流程来运行AI的企业，很可能面临更高成本和更低灵活性。运营交付和研发创新这两大职能的战略优先级已高于当前渗透率，是企业计划重点加码的方向，也最可能率先完成规模化重构。

对企业而言，AI不是一个IT项目，而是一场组织变革。买工具的阶段，钱花得快、见效也快，但真正拉开企业之间差距的，是如何把流程拆开重装、把岗位重新设计、把治理体系提前建好。