当前企业对于人工智能技术的应用已逐渐深化，为充分了解企业应用人工智能的状况，我们对中国大陆及中国香港地区的205位企业高管进行了调研，覆盖包含医疗/制药、工业/制造、金融服务、消费/零售与汽车在内的多个行业。调研结论体现了大型企业的AI应用现状，也揭示了AI应用价值兑现的制约因素，以及未来企业AI应用的关注焦点和发展趋势。
　　1.企业AI应用日益深入，但实际回报低于预期
　　企业的AI应用处于生产应用阶段的比例持续提升。处于AI探索与试点阶段的企业占比已经从2025年的36.7%下降到24.9%，进入生产部署阶段的企业从56.0%上升至64.4%，提升约8.4个百分点。
　　企业AI应用的实际回报往往低于预期。企业预期回报率集中在10%-25%区间，而实际达成的回报更多落在10%以下。44.4%的企业无法明确核算AI项目的实际投资回报率，该比例高于2025年的35.8%。
　　2. AI与业务价值兑现之间，缺乏有效的衡量机制
　　多数企业缺乏有效评估AI应用效益的机制。调研显示，60.4%的企业尚未建立起体系化的价值衡量框架。没有统一的衡量口径，企业很难判断哪些项目值得复制、哪些项目应该收缩。企业可从价值评估、分阶段考核与投资管理三方面优化AI项目管理。
　　当前AI应用效益主要体现在效率提升与成本节约。企业评估AI成效时，87.3%聚焦处理速度与工时节约，70.7%关注成本节约，59.5%追踪质量改善，而涉及收入与客户层面的仅占21.5%。收入与客户价值的传导链条更长，转化为价值难度更高。企业需将AI节省的工时转化为经营收益。
　　3.应用AI的主要挑战在于重新设计工作流，将AI部署融入全链条运营
　　企业组织惯性、数据质量与安全顾虑是企业应用AI的三大障碍。偏向维持现状的流程与激励机制，以及数据质量与可获得性，并列成为首要障碍，均为32.7%。企业推进AI应用时，需要思考“是否具备承接AI的组织能力”：既要审视现有流程、职责分工和激励机制能否支持AI进入日常业务，也要关注数据质量、系统连接、安全边界和合规要求能否支撑AI在核心场景中稳定运行。
　　AI部署中的主要障碍来自于与现有系统的集成。在企业AI部署过程中，与现有系统的集成困难是最突出的瓶颈，占56.6%，明显高于其他挑战。人工审核与质量控制，占38.5%，以及审批、签核与治理流程，占37.6%。
　　4.未来AI的价值变现将逐步转向运营与创新类职能领域
　　不同职能领域AI应用的回报水平与价值来源存在显着分化。IT与软件职能的ROI约45%；产品研发、销售营销、内部知识工作场景整体具备较高回报潜力（20%-30%）；供应链、HR、客户服务、风险法务、制造运营、财务后台的ROI整体偏低（15%以下）。多数职能的AI价值仍集中于内部提效降本，依靠AI拉动营收增长、实现风险降低的成熟落地案例相对有限。
　　未来AI应用重心将转向运营交付与研发创新职能，成熟通用职能进入整合优化期。从未来AI投入优先级与应用渗透率的对比来看，运营交付、研发创新、销售零售与采购寻源属于战略优先级较高的职能板块，即企业计划重点加码、持续扩张的方向；而客户服务、IT技术、营销品牌、财务、人力资源、法务风控合规等职能板块投入优先级相对较低，战略重心将转向存量项目巩固与整合。
　　5. AI将重塑企业的人力构成，尤其是对入门级岗位要求影响较大
　　AI对劳动力结构的影响集中在入门级岗位，中层管理承压，高层岗位相对稳定。入门级和初级岗位的明显收缩；对中层岗位的影响表现为结构性重组，而不是单向减少，中层管理岗位面临更大压力，管理角色将从监督转向协调与判断；高层岗位整体保持稳定，战略判断与责任承担仍难以替代
　　６.总结与展望
　　企业AI采用率和生产部署程度不断提升，但AI工具的普及并不代表企业已经完成AI转型。许多企业虽然已经引入AI，却仍然沿用原有的业务流程和运营模式，因此AI的作用往往停留在提效层面，尚未充分转化为可衡量的组织绩效和经营成果。
　　预计至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。依然沿用旧式流程来运行AI的企业，很可能会面临更加不利的情况。行业引领者很可能是那些已在至少一个核心职能中从试点阶段迈向规模化重构的企业，并在决策归属或产出质量方面取得了较为明显的提升。
　　AI治理能力将成为企业扩大自主应用和建立市场信任的关键。拥有完整评估体系的组织，将比那些仍依赖人工审批机制的组织更快速地推进AI自主化。治理框架将不再只是一项合规打勾项，而会成为一种竞争优势信号。
　　AI价值衡量将从成本核算走向董事会层面的战略能力。仅通过成本节约来衡量AI投资回报率的企业，将越来越难以证明加大AI投入的合理性。
　　领导者可聚焦以下事项：
　　AI转型重点应是流程变革，而非仅关注工具使用率。在规模化推广之前，先将一个工作流端到端跑通，同时需要为重构做好准备。
　　在推动AI治理与AI自主化方面，领导者需要厘清这些问题：哪些风险真正可解决，哪些必须上报