沒有AI也能活得很好的公司，才能用好AI

你可能最近也在短視頻平臺上刷到這樣一類吐槽視頻：某公司老板用了兩天豆包、刷到幾個 OpenClaw 視頻，就覺得自己打通了 AI 的任督二脈，第二天就在工作群發了條消息：“從今天起，全員必須使用 AI 工具提升工作效率，各部門本周提交 AI 應用方案。”

底下的人面面相覷：提升什么效率？哪個環節？用 AI 做什么？沒人知道。老板也說不清楚。他只是覺得“別人都在用”，我們不能落后。

雖然段子可能有所夸張，但這種情況絕非個例。它可能是今天大多數企業（尤其是非 AI-native 的企業）推進 AI 時的真實寫照。

如果你去看各家機構最近一年的調研數據，會發現一個極度分裂的畫面。

一方面，AI 的企業采納率已經非常高了。麥肯錫 2025 年全球 AI 調研顯示，近九成受訪企業已經在至少一個業務職能中使用 AI。德勤調查了全球 3,235 名企業高管，結論類似：AI 部署接近普遍化，42％ 的企業認為自己在戰略層面已經為 AI 做好了準備。

（來源：McKinsey）

另一方面，錢花了，效果沒跟上。MIT 旗下的 Project NANDA 在 2025 年 7 月發布了一份報告《The GenAI Divide》，基于 150 場高管訪談、350 份員工調查和 300 個公開 AI 部署案例，得出一個被廣泛引用的結論：95％ 的生成式 AI 試點項目沒有產生可衡量的財務回報。企業在生成式 AI 上的年度投入已經達到 300 至 400 億美元級別，絕大多數項目卡在了從試點到生產的那道坎上。

Writer 聯合 Workplace Intelligence 在 2026 年做的調研進一步佐證了這一點：79％ 的企業在 AI 采納過程中面臨挑戰，比 2025 年增長了兩位數。59％ 的公司每年在 AI 上投入超過 100 萬美元，但只有 29％ 看到了顯著的組織層面 ROI。麥肯錫的數據更殘酷：在所有受訪企業中，只有 6％ 夠得上“AI 高績效企業”的標準。

換句話說，幾乎所有公司都在用 AI，幾乎所有公司都在花錢，但絕大多數公司沒有從中得到什么實質回報。

看到這些數字，很容易得出一個結論：AI 還不夠好，或者至少，AI 還沒好到能普遍落地的程度。這也是當下非常流行的一種敘事。投資人開始質疑 AI 的 ROI，媒體開始寫“AI 不及預期”的標題，社交媒體上越來越多的討論指向“AI 也就那么回事”。

但如果仔細看那些報告的細節，你會發現一個被忽略的事實：那 5％ 成功落地的企業，用的是同樣的 AI 模型，同樣的技術棧，同樣的工具。模型能力不是區分成敗的變量。

MIT 的報告明確指出，問題的核心不在模型質量，而在于企業的組織學習能力和集成準備度。通過專業供應商部署的 AI 項目，成功率是企業自建項目的兩倍。這不是因為供應商有什么特殊技巧，而是因為他們已經解決過一百次“把 AI 接進真實業務流程”的問題，而企業內部團隊是第一次面對，同時還在跟十幾個其他優先級打架。

AI 安全領域的知名博主、同時也是企業 AI 顧問 Daniel Miessler，今年 5 月寫了一篇標題非常直白的文章：《Most Companies Aren’t Anywhere Near Ready for AI》。他常年給世界 500 強和大量中型企業做咨詢，他說自己見到的最普遍的問題，不是技術障礙，不是預算不夠，而是公司根本說不清楚自己想要什么。他提出一個尖銳的判斷：人們對 AI 的大部分失望，其實源于他們無法描述自己想要什么。AI 是一個關于執行的東西，當它不知道該執行什么的時候，就是沒用的。

Miessler 提出了一個非常犀利的觀察：大量公司之所以還活著，不是因為它們經營得好，而是因為它們的競爭對手同樣爛。他說，如果你走進大多數公司，問他們幾個基本問題：你們在解決什么問題？目標是什么？衡量目標的指標是什么？當前的挑戰是什么？為了克服這些挑戰你們在做哪些事？誰在做？花了多少錢？你會得到兩種反應：要么茫然地盯著你，要么苦笑。回答這些問題需要先花幾周時間“立項調研”，然后再花幾個月真正去搞清楚。

很多公司的目標每個季度都在變。不是因為市場發生了劇變，而是因為根本沒有人認真想過這些問題。各部門花大量時間聲稱自己有答案，但這些答案每隔三個月就會大幅改變，因為一切都在混沌中漂移。人們只是在寫下他們覺得讓自己看起來不錯的東西。Miessler 把這類公司稱為“混沌黑箱”，勉強運轉，稀里糊涂地活著，但如果讓它們描述自己的運作方式，它們做不到。

這恰好解釋了前面那些數據。麥肯錫報告指出，阻礙企業 AI 規模化落地的核心障礙包括數據架構碎片化、工作流程未針對 AI 重新設計、以及缺乏清晰的規模化優先級，沒有一個跟“AI 不夠聰明”有關，全部指向需求側，指向企業自身。讓一個說不清自己目標的組織去用 AI，就像讓一個不知道目的地的人去開導航，工具再先進也沒用，因為你沒有地址可以輸入。

MIT 報告里有一個細節特別能說明問題：超過一半的企業 AI 預算被砸進了銷售和營銷部門。這些是最高調的場景，自動寫推廣文案、生成銷售線索、做個性化營銷。老板們直覺上覺得“這里最該花錢”，因為最貼近收入。

但數據顯示，投資回報最高的場景恰恰不在這里，而是在后臺運營自動化，流程簡化、減少外包、降低重復勞動的成本。這些環節不夠“性感”，不會被拿出來在行業會議上講，但它們是真正產生財務回報的地方。投資方向和回報方向的錯位，本身就是“不知道自己該優化什么”的直接后果。如果一家公司能清楚說出自己最大的運營瓶頸在哪里，它就不會把大部分預算砸進最容易做 showcase 但回報最低的環節。

而這也對應了一個殘酷的悖論：那些從 AI 中獲益最大的公司，恰恰是那些沒有 AI 也能活得很好的公司。

Miessler 列了一張清單，描述那些“真正知道自己在做什么”的公司的特征。它們能很快告訴你：自己在為客戶解決什么問題，現有方案的痛點在哪里，公司的目標是什么，圍繞這些目標的指標有哪些，妨礙目標實現的挑戰是什么，正在推進哪些策略和項目來應對這些挑戰，誰在做這些事，花了多少錢。而且關鍵在于，這些公司對這些問題的回答在不同季度、不同年份之間是大致穩定的。它們不會每三個月換一個方向。

仔細看這張清單，你會發現它根本不是什么“AI 就緒度評估框架”，它就是一家好公司的基本功。知道自己在做什么、為什么做、做得怎么樣，這跟 AI 沒有任何關系。AI 只是放大器：如果你有清晰的戰略和流程，AI 幫你加速；如果你一團亂麻，AI 只會讓你亂得更快。

用 Miessler 的話說，“AI 幫這些公司用更多的翻跟頭和圖表來更壯觀地瞎忙”。麥肯錫數據中那 6％ 的 AI 高績效企業，本質上就是那些在 AI 出現之前就已經具備高度組織自覺的公司。它們不是因為會用 AI 才成功的，它們是因為本來就足夠清醒，所以 AI 在它們手里變成了好工具。

數據層面的問題之外，人的反應可能更值得關注。

Writer 的 2026 年調研發現，29％ 的員工承認自己在主動破壞公司的 AI 戰略，包括把私有數據輸入公開工具、故意使用未經批準的軟件、刻意產出低質量 AI 結果、拒絕參加 AI 培訓、篡改績效數據讓 AI 看起來很差。在 Z 世代員工中，這一比例高達 44％。

（來源：Writer）

76％ 的高管認為員工的這種破壞行為構成了嚴重威脅。但同一份調研也揭示了問題的另一面：75％ 的高管自己也承認，公司的 AI 戰略更多是“做做樣子”而非真正的指導方針。

這就構成了一個荒誕的循環：公司推了一個連管理層自己都不當真的 AI 戰略，員工看穿了這一點，于是用各種方式消極對抗；管理層看到員工不配合，就加碼推行。92％ 的高管表示正在培養一批“AI 精英員工”，60％ 計劃裁掉那些不擁抱 AI 的人。AI 精英獲得晉升和加薪的概率是普通員工的三倍，生產力是五倍。

于是組織內部裂成了兩層。上面是一小群討好 AI 戰略的人，下面是一大群陽奉陰違的人。這種分裂不是 AI 造成的，AI 只是讓原本就存在的管理問題變得不可忽視。54％ 的 C 級高管承認，AI 采納的過程正在“撕裂公司”。

Miessler 在文章里做了一個判斷：AI 在當前階段對誰贏誰輸其實沒那么重要。AI 是贏家們進入新世界后用來互相競爭的武器。當下真正在進行的游戲，是篩選誰能活著走到那里。

這個判斷和數據吻合得很好，德勤的報告指出，雖然 42％ 的企業認為自己在戰略層面準備好了 AI，但在基礎設施、數據質量、風險管理和人才儲備等方面，企業的信心反而比去年更低了。越往深處走，越發現自己沒準備好，不是技術沒準備好，是組織沒準備好。

他還指出了一個對大公司尤其危險的趨勢：現在一個小公司有可能借助 AI 以小博大，發揮出遠超自身規模的戰斗力。而小公司天然更容易具備組織清晰度，人少、目標明確、鏈條短、沒有那么多部門博弈。這不是說小公司一定贏，大公司一定輸。規模仍然有它的價值，客戶關系、品牌積累、資金儲備都是實在的東西。但規模不再能掩蓋混亂。

以前大公司可以靠體量、靠渠道、靠慣性活著，就算內部一團糟也沒關系，因為競爭對手也差不多。但如果有一個小團隊能用 AI 把你三個部門的事情做了，而且做得更快更好，那你的“規模優勢”就變成了“規模包袱”。

所以這篇文章想說的其實很簡單：當下關于“AI 行不行”的討論，很大程度上問錯了問題。AI 當然行，技術進步的速度有目共睹。真正該問的是，你的公司有沒有處在一個 AI 能幫得上忙的狀態。

如果你是老板，在喊“All in AI”之前，先試試能不能用三句話回答：我們的核心客戶痛點是什么？我們當前最大的運營瓶頸在哪？哪些流程如果被加速 10 倍會直接影響營收？如果答不上來，那問題不在 AI，在于你還不夠了解自己的公司。

如果你是員工，在一個連 AI 要解決什么問題都說不清楚的公司里被要求“用 AI 提效”，你的困惑是合理的。不是你不會用 AI，是你的組織還沒準備好被 AI 幫助。

MIT 的那篇報告的標題叫“GenAI Divide”，生成式 AI 鴻溝。這條鴻溝的兩邊，站著的不是“會用 AI 的人”和“不會用 AI 的人”，而是“了解自己的公司”和“不了解自己的公司”。AI 時代的第一場淘汰賽，淘汰的不是不會用 AI 的公司，而是不了解自己的公司。技術只是催化劑，加速的是一個早就該發生的過程。

參考資料：

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

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成