2025麦肯锡AI现状报告解读：现状、高效、岗位、风险、趋势

打开手机刷到AI生成的短视频，打开电脑用AI写报告，甚至公司里的考勤、客户咨询都有AI参与——2025年，AI早就不是科幻电影里的新鲜事了。麦肯锡最新调研显示，88%的企业都在常态化使用AI，但让人意外的是，只有39%的企业能感受到AI对整体利润的拉动，真正靠AI实现“爆发式增长”的企业仅占6%。

McKinsey： “Respondents who attribute EBIT impact of 5 percent or more to AI use and say their organization has seen ‘significant’ value from AI use—our definition of AI high performers, representing about 6 percent of respondents.”

我们解读最新技术，文末有相关信息。

作者：张长旺，图源：旺知识

一边是AI工具遍地开花，一边是规模化价值难落地；一边是智能体等新技术风头正劲，一边是裁员焦虑与合规风险并存。2025年的AI行业，就像一个热闹却混乱的菜市场，有人满载而归，有人空手而回。今天，研究员就用最通俗的语言，带你看透AI行业的真相、机遇与坑。

一、AI普及了，但大多数企业还在“试水温”

如果你问身边的职场人“你们公司用AI吗？”，十有八九会得到肯定答案。从2021年到2025年，企业AI使用率从72%飙升至88%，五年时间里，AI从“少数大厂的玩具”变成了“中小企业的标配工具”。

McKinsey： “Exhibit 1, Reported use of AI in at least one business function continues to increase.”

但热闹背后，藏着一个残酷的现实：88%的使用率，不等于88%的价值转化率。调研显示，近三分之二的企业还停留在“试验”或“试点”阶段——就像开餐馆先试营业一周，看看菜品反响，却迟迟不敢大规模装修、拓展分店。真正能把AI全面部署到全公司、融入核心业务的企业，只有7% (见Exhibit 1)；能逐步扩大AI应用范围的，也不过三分之一。

McKinsey： “Nearly two-thirds of respondents say their organizations have not yet begun scaling AI across the enterprise.”

这就像我们买了一台功能强大的智能烤箱，大多数人只用来加热剩菜，却不知道它能做烘焙、发酵、空气炸，更不会花时间研究食谱、搭配食材。

企业用AI也是如此：HR用AI筛选简历，却没优化后续面试流程；营销部用AI写文案，却没结合用户数据做精准推送；IT部门用AI监测故障，却没打通和维修团队的协作通道。

McKinsey： “Nearly half of respondents from companies with more than 5 billion in revenue have reached the scaling phase, compared with 29 percent of those with less than 100 million in revenues (Exhibit 5).”

更有意思的是，企业规模越大，AI落地越顺利。年收入50亿美元以上的大企业，近一半已经进入AI规模化阶段；而年收入不足1亿美元的中小企业，能做到规模化的只有29%。这背后的逻辑很简单：AI就像一套复杂的生产线，小企业可能只买得起一台机器，没法配套上下游设备；而大企业有足够资金搭建完整体系，让AI真正融入生产、销售、管理的每一个环节。

从行业来看，科技、媒体通信和医疗行业的AI渗透率最高，这三个行业的企业不仅用AI处理日常工作，还在积极探索智能体等前沿应用；而制造业、建筑业的AI应用相对滞后，大多还停留在生产设备监测、供应链统计等基础场景。

二、智能体：2025年AI界的“全能打工人”

如果说前几年的AI是“单项冠军”——只能做写文案、修图片、算数据这类单一任务，2025年的AI智能体，就是“全能选手”，能像真人一样完成多步骤、跨场景的复杂工作。

什么是智能体？简单说，它是基于基础模型开发的“AI管家”。普通AI工具像餐厅里的专职服务员，只能负责点单；而智能体像餐厅经理，能统筹点单、催菜、处理投诉、统计营收，还能根据客流调整人手安排。它能自主规划任务、执行多步骤操作，甚至在遇到问题时灵活调整方案。

McKinsey： “Sixty-two percent of survey respondents say their organizations are at least experimenting with AI agents.”

调研显示，62%的企业已经开始接触智能体：23%的企业在部分业务中规模化使用，39%的企业处于试验阶段。虽然整体渗透率还不高，但智能体的应用场景已经非常广泛。

McKinsey： “Twenty-three percent of respondents report their organizations are scaling an agentic AI system somewhere in their enterprises, and an additional 39 percent say they have begun experimenting with AI agents.”

在IT部门，智能体化身“技术支持专员”，能自动识别电脑故障、生成解决方案，甚至远程修复简单问题，把IT人员从繁琐的基础工作中解放出来；在知识管理领域，智能体就像“超级研究员”，能快速检索海量文献、提炼核心观点，还能根据需求生成研究报告；在营销部门，智能体可以完成从用户画像分析、文案撰写，到广告投放、效果监测的全流程工作。

从行业分布来看，科技、媒体通信和医疗行业是智能体的“early adopter”（早期使用者）。科技公司用智能体优化软件开发流程，医疗行业用智能体辅助病历分析、药物研发，媒体行业则用智能体完成内容创作、分发和用户互动。

不过，智能体目前还存在一个明显短板：“专精不广谱”。大多数企业的智能体只在1-2个业务部门使用，没有实现全公司覆盖。比如在IT部门能用智能体处理故障，但在人力资源、供应链管理等部门，智能体的应用还处于空白。这就像一个全能管家，只会做家务却不会理财，能力还没完全发挥出来。

三、高绩效企业的秘密：AI不只是“省钱工具”，更是“增长引擎”

同样是用AI，为什么有的企业能让AI贡献5%以上的利润，有的企业却只能感受到“聊胜于无”的效果？麦肯锡的调研揭开了高绩效企业的四大秘籍。

1. 目标不止于“降本”，更在于“增长+创新”

McKinsey： “Eighty percent of respondents say their companies set efficiency as an objective of their AI initiatives, but the companies seeing the most value from AI often set growth or innovation as additional objectives.”

80%的企业都把“提高效率、降低成本”作为AI的核心目标——这很容易理解，就像用AI自动化处理报表，能减少财务人员的工作量；用AI优化物流路线，能降低运输成本。但高绩效企业的思路更开阔：它们不仅要“省钱”，还要用AI“赚钱”。

这些企业会把“增长”和“创新”纳入AI目标：用AI分析用户需求，研发新的产品和服务；用AI优化客户体验，提高复购率；用AI探索新的商业模式，开拓新市场。比如某家电企业用AI分析用户使用数据，发现年轻人喜欢小巧、多功能的厨房电器，于是研发出集成榨汁、研磨、烹饪功能的智能小家电，上市后销量暴涨；某金融公司用AI搭建智能投顾平台，为用户提供个性化理财方案，吸引了大量年轻客户。

McKinsey： “Exhibit 10, High performers set innovation or growth objectives for AI efforts, in addition to eciency goals.”

调研显示，高绩效企业中，82%把“增长”作为AI目标，79%把“创新”作为AI目标，远高于普通企业的50%。这就像两个农民，普通农民用收割机只是为了减少收割时间，而高绩效农民会用AI分析土壤数据、优化种植方案，还会用AI对接市场渠道，让粮食卖个好价钱——前者只能省成本，后者却能增收入。

2. 重构工作流，而不是“给旧流程加AI”

很多企业用AI的方式是“换汤不换药”：原来人工做的工作，现在让AI来做，流程本身没有任何变化。比如原来人工筛选简历，现在用AI筛选，但面试流程、入职培训还是老样子。这种做法只能带来微小的效率提升，很难实现质的飞跃。

高绩效企业的做法完全不同：它们会围绕AI重构工作流。比如某客服团队引入AI后，不仅让AI处理常规咨询，还重新设计了“AI预处理-人工跟进-AI复盘”的全流程：AI先筛选用户咨询，把简单问题自动解答，复杂问题转交给人工；人工处理后，AI会总结经验，优化后续的自动回复方案。这种流程重构让客服效率提升了40%，客户满意度也大幅提高。

McKinsey： “Exhibit 11, High performers are nearly three times as likely as others are to fundamentally redesign their work flows in their deployment of AI.”

调研显示，高绩效企业中，55%会围绕AI重构工作流，是普通企业的2.8倍。这就像升级交通工具：普通企业只是把自行车换成电动车，而高绩效企业直接搭建了地铁系统——不仅速度更快，还能带动整个交通网络的升级。

3. 领导带头，全员参与

AI落地不是技术部门的“独角戏”，需要全公司的配合。高绩效企业的一个明显特征是：高层领导亲自“站台”，推动AI落地。

这些企业的高管不仅会为AI项目提供资金支持，还会主动学习AI知识，甚至在工作中带头使用AI工具。比如CEO用AI分析市场数据，制定战略决策；部门经理用AI优化团队工作流程；一线员工用AI提高工作效率。这种“自上而下”的推动，让AI能快速融入企业的每一个环节。

McKinsey： “Exhibit 13, High performers tend to have senior leaders who demonstrate strong ownership and commitment to AI initiatives.”

调研显示，高绩效企业中，48%的受访者表示“高层领导对AI有强烈的所有权和承诺”，是普通企业的3倍。这就像行军打仗，将军亲自带队，士兵自然更有斗志；如果将军只是下令冲锋，自己却躲在后方，士兵的积极性也会大打折扣。

4. 重视“人机协作”，不盲目追求“全自动化”

很多企业认为“AI越自动化越好”，试图用AI替代所有人工。但高绩效企业明白，AI虽然强大，但也有短板——比如AI缺乏创造力、容易出现偏差，需要人类来把关和修正。

这些企业会建立“人机协作”机制：明确哪些工作可以让AI自主完成，哪些工作需要人类审核。比如用AI撰写营销文案后，会让营销人员进行修改和优化；用AI分析财务数据后，会让财务人员验证准确性。这种“AI做基础工作，人类做核心决策”的模式，既发挥了AI的效率优势，又避免了AI的局限性。

McKinsey： “Exhibit 14, Organizations seeing the largest returns from AI are more likely than others to follow a range of best practices.”

调研显示，高绩效企业中，65%建立了“AI输出需要人类验证”的流程，是普通企业的2.8倍。这就像自动驾驶汽车，虽然能自动行驶，但遇到复杂路况时，还是需要人类驾驶员接管——完全的自动化不仅不现实，还可能带来风险。

McKinsey： “Exhibit 15, One-third of high performers spend more than 20 percent of their digital budgets on AI.”

此外，高绩效企业在AI投入上也更慷慨：三分之一的高绩效企业会把20%以上的数字预算投入AI，而普通企业中这一比例仅为6%。充足的资金支持，让这些企业能搭建更好的AI基础设施、吸引顶尖AI人才，形成“投入-产出-再投入”的良性循环。

四、AI与工作：是“失业危机”还是“岗位重构”？

提到AI，很多人最关心的问题是：“AI会抢走我的工作吗？”麦肯锡的调研给出了一个相对温和的答案：AI不会导致大规模失业，但会引发“岗位重构”。

1. 就业预期分化：有人裁员，有人扩招

McKinsey： “Exhibit 17, Respondents have differing expectations for AI’s impact on their organizations’ workforce size in the year ahead.”

调研显示，32%的企业预计未来一年会减少3%以上的员工，43%的企业预计员工规模不会变化，13%的企业预计会增加3%以上的员工。从行业来看，制造业、客服行业的裁员预期相对较高，而科技、医疗行业的扩招预期更明显。

从企业规模来看，大企业更倾向于裁员——可能是因为大企业的流程更标准化，更容易用AI替代人工；而中小企业的扩招比例更高，因为它们需要招聘AI相关人才，搭建AI能力。

McKinsey： “In most functions, fewer than 20 percent of respondents report decreases of 3 percent or more, and smaller shares say their organization’s AI use led them to add head count within functions.”

不过，过去一年的实际情况显示，AI带来的岗位变化并没有想象中剧烈。在大多数业务部门，不到20%的企业报告“因AI减少3%以上员工”，甚至有部分企业因AI增加了岗位。比如IT部门因AI工具的部署，需要招聘更多数据工程师、AI运维人员；营销部门因AI营销方案的推广，需要招聘更多AI运营专员。

2. 热门岗位：这些AI相关人才供不应求

McKinsey： “Exhibit 18, Respondents at larger organizations are more likely than peers at smaller organizations to report AI-related hiring in the past year.”

虽然部分传统岗位可能会被AI替代，但新的岗位也在不断涌现。调研显示，过去一年，企业招聘最多的AI相关岗位是：软件工程师、数据工程师、机器学习工程师、AI数据科学家和AI产品经理。

Lareina Yee@McKinsey： “We see larger companies in particular hiring for those skills; they are twice as likely to hire roles that integrate, model, and industrialize data.”

其中，软件工程师和数据工程师是“刚需中的刚需”——无论是搭建AI基础设施，还是开发AI应用，都离不开这两类人才。大企业对这些人才的需求尤为强烈：年收入10亿美元以上的企业，招聘数据工程师的比例是中小企业的2倍。

除了技术岗位，AI相关的非技术岗位也在增多。比如AI合规专员，负责确保AI应用符合法律法规；AI伦理专员，负责防范AI带来的公平性、隐私性风险；AI培训师，负责教会员工使用AI工具。这些岗位的出现，让非技术背景的人也能参与到AI浪潮中。

3. 技能重构：未来需要“AI协作型人才”

AI时代，真正稀缺的不是“会用AI的人”，而是“能和AI协作的人”。未来的职场，需要的是“AI+专业”的复合型人才：医生需要用AI辅助诊断，但不能替代医生的专业判断；律师需要用AI检索案例，但不能替代律师的逻辑分析；教师需要用AI制作课件，但不能替代教师的育人能力。

调研显示，企业越来越重视员工的AI技能培训。高绩效企业中，47%会为员工提供定制化的AI技能培训，帮助员工适应AI时代的工作方式。这就像工业革命时期，工人需要学习操作机器；AI时代，我们需要学习如何与AI协作。

五、AI的“另一面”：风险与应对

AI不是万能的，它也有自己的“小脾气”。随着AI应用越来越广泛，相关的风险也逐渐暴露。麦肯锡的调研显示，51%的企业都遇到过AI带来的负面后果，其中最常见的是“AI不准确”。

McKinsey： “Exhibit 19, Inaccuracy is the AI-related risk that respondents most often say their organizations have experienced and are working to mitigate.”

1. 最常见的风险：AI也会“犯错误”

30%的企业报告遇到过“AI不准确”的问题——AI生成的报告有错误数据，AI推荐的方案不符合实际需求，AI识别的用户画像有偏差。比如某电商平台用AI推荐商品，把婴儿用品推荐给单身男性；某企业用AI分析财务数据，因数据输入错误导致AI得出错误的盈利预测。

除了不准确， 网络安全（cybersecurity）、 合规风险（regulatory compliance）、个人隐私保护也是企业面临的主要风险。比如AI系统被黑客攻击，导致用户数据泄露；AI应用不符合行业监管要求，被相关部门处罚；AI在收集用户数据时，侵犯了个人隐私。

有意思的是，高绩效企业遇到的风险比普通企业更多——因为它们的AI应用范围更广、场景更复杂。但这些企业应对风险的能力也更强：它们会建立专门的AI风险管理团队，制定完善的风险防范流程，提前预判可能出现的问题。

2. 风险应对：“堵不如疏”，建立AI治理体系

面对AI风险，企业不能简单地“禁用AI”，而是要建立科学的AI治理体系。调研显示，企业应对AI风险的主要做法包括：

• 建立“人机协作校验”流程：明确AI输出需要人类审核的场景和标准，避免AI错误带来的影响；

• 搭建安全的技术基础设施：加强AI系统的网络安全防护，防止数据泄露和黑客攻击；

• 制定明确的AI伦理准则：确保AI应用公平、透明，不歧视特定群体，不侵犯个人隐私；

• 建立合规管理机制：密切关注行业监管政策，确保AI应用符合法律法规要求。

高绩效企业在这些方面做得尤为出色。比如它们会成立专门的AI治理委员会，由技术、法律、业务等多个部门的人员组成，负责制定AI应用的规则和标准；它们会定期对AI系统进行安全审计和合规检查，及时发现和解决问题。

六、2025之后，AI的下一站是什么？

2025年的AI行业，就像一个处于“青春期”的少年——充满活力，却也面临成长的烦恼。普及速度很快，但规模化价值不足；新技术不断涌现，但应用场景有限；潜力巨大，但风险也不容忽视。

未来几年，AI行业可能会呈现三个趋势：

1. 智能体全面爆发，从“部门级应用”走向“企业级部署”

随着技术的成熟，智能体将突破“单一部门使用”的局限，实现全企业覆盖。未来的智能体不仅能处理单个业务流程，还能跨部门协作——比如从营销部门的用户需求分析，到产品部门的研发，再到销售部门的推广，智能体可以全程参与、统筹协调。

2. 中小企业迎头赶上，AI不再是“大企业的专利”

随着AI工具的普及和成本的降低，中小企业将加速AI落地。未来可能会出现更多“AI即服务”的平台，中小企业不需要搭建复杂的AI基础设施，只需要按需付费，就能使用AI功能。这就像现在的云计算，让中小企业也能享受到顶尖的技术服务。

3. AI治理走向规范化，风险防控成为必修课

随着AI风险的暴露，政府和行业组织将出台更完善的法律法规和行业标准。企业将把AI治理纳入日常管理，建立从AI开发、部署到运维的全流程风险防控体系。AI不再是“野蛮生长”，而是“有序发展”。

对于企业来说，2025年是AI落地的“关键转折点”——如果还停留在“试验阶段”，可能会被竞争对手拉开差距；如果盲目推进AI规模化，不重视风险防控，可能会付出沉重的代价。而对于个人来说，与其担心“AI抢走工作”，不如主动学习AI技能，学会与AI协作，在AI时代找到自己的位置。

AI不是洪水猛兽，也不是万能神药。它是一种工具，就像工业革命时期的蒸汽机、信息时代的互联网。真正决定AI价值的，不是技术本身，而是使用技术的人。2025年，AI的故事才刚刚开始，未来还有无限可能。

参考资料

• 标题：The state of AI in 2025: Agents, innovation, and transformation

• 作者：Alex Singla、Alexander Sukharevsky、Bryce Hall、Lareina Yee、Michael Chui、Tara Balakrishnan

• 单位：McKinsey Global Survey on the state of AI, 2025

• 链接：https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai#/