AI转型卡在哪?麦肯锡那份调研说89%的企业用了AI,多数没改流程
先说一个结论:AI转型真正的分水岭,不是买了多少工具,而是有没有胆子把流程重新排一遍。
触发这个判断的,是麦肯锡2026全球AI调研报告里的一组数:89%的企业已经在至少一项业务里用了AI,但只有少数真正围绕AI重构业务流程,多数只是把工具嵌进原有流程。这个数据出自搜狐网一篇讲平安AI重塑保险销售的文章,它引用的就是这份报告。
89%这个数字不低。可它说明不了什么。员工写周报快了,做海报快了,写代码也快了——然后呢?人人都是产品经理那篇文章写得很直白:需求照样层层审批,跨部门沟通照样困难,一个项目从立项到上线,照样要开十几场会。用AI省下的几个小时,转头又填进会议和汇报里。
这就是我想说的那件事:工具升级了,流程没动,等于给马车换了个更亮的车灯。
为什么买了AI工具,效率还是没起来
麦肯锡观察到一个现象,叫“AI困境”:用例分散、价值孤立、技术投入和业务回报长期错位。症结在哪?多数企业把AI当成叠加在原有流程之上的一个新增环节,而不是重构流程本身。
这两种做法的差别,说穿了就是被动和主动的差别。一种是在既有链条的某个节点塞一个机器人、一个生成器,链条结构不变,只是单个节点快了一点。另一种是从头重排链条,让AI把获客、运营、转化、服务串起来。
前一种容易做,做完也好汇报。后一种难,难在要动组织、动权责、动考核。

Shopify的做法能看出点意思。CEO Tobi Lütke向员工提了个要求:团队申请增加人手和资源之前,得先证明为什么现有工作不能通过AI完成。公司还计划把AI使用情况纳入绩效和同事评价。这政策当然有争议,但它实际指向的不是裁人,是工作怎么重新分配。
最难的那道墙,不在技术
很多人讨论AI原生组织,爱拿几个人的AI创业公司举例。几个人配一堆Agent,产品、推广、客服全干了。听着很美。
但绝大多数企业没有从零开始的机会。公司已经有几百上千人,产品还在赚钱,系统跑了很多年,汇报关系和绩效考核早就定型了。北京师范大学教授焦豪在《AI之后》新书发布会上提过一个判断:通用AI技术具备普惠性,A、B、C企业都能用,很难形成长期壁垒。想拉开差距,得把AI深度扎进自己的业务流程。
这话反过来听更扎心——你能买的工具,对手也能买。真正的差距,在流程和组织那一层。
而那一层恰恰最难动。新团队用AI快速出原型,老研发团队要顾代码规范、安全、稳定性;新团队想用Agent处理客户需求,老业务团队担心服务质量出问题最后自己背锅。更现实的是,新团队做的AI产品,可能直接影响老产品的收入。业绩指标一冲突,谁愿意主动推?
所以AI转型卡住的地方,往往不是技术选型,是部门墙和利益分配。
那“先上工具再说”这个说法,错了吗
这是最常见的反方观点:别想那么复杂,先把工具用起来,用着用着流程自然就变了。

这个说法有它对的地方。工具都不碰,谈重构是空话。但它的前提得补一句:用起来之后,得有人真的去改流程,否则工具只会被旧流程消化掉。
什么条件下这个反方观点成立?两种情况。一是业务链条短、决策人少的小团队,老板自己就是流程,工具一上,习惯跟着变。二是某个环节本来就是瓶颈,AI一介入立刻见效,这种单点突破也确实能倒逼周围调整。
但如果你的企业是第一种之外的大多数——链条长、部门多、指标各自为政——那“先上工具”很可能变成“上了很多工具,开了更多会”。
现在可以先做的一件事
不用急着宣布什么AI战略。找一段流程,从立项到交付完整走一遍,把每一步谁在做、卡在哪、AI能不能接住其中一段,老老实实写下来。
写的过程里你会发现,很多卡点跟AI没关系,是审批层级和权责边界的问题。这些不解决,再好的模型也发挥不出来。
如果这段流程里恰好有大量非结构化材料要读、要对、要追溯出处,那可以看看舍予AI智审这类做法:几十到几百页的材料几秒读完,每个抽出的值带页码和原文,双引擎交叉核对,结论能追回原文,数据不出内网。它做的是把“核对证据”这一段变快、变得可追溯。但它替代不了你决定这段流程该不该保留、该由谁签字——那还是人的事。
AI转型这件事,工具是入口,流程才是战场。89%的企业已经站在入口了,真正走进去的,还是少数。