企业人工智能鸿沟正在成为竞争优势

企业人工智能已经进入了一个新阶段。问题不再是大型组织是否会采用人工智能，而是他们是否能够在竞争对手利用人工智能建立难以填补的优势之前，将人工智能使用转化为可衡量的商业价值。

这种区别很重要，因为人工智能的采用和人工智能的价值正在以不同的速度发展。Marlabs Research 的 2026 企业人工智能采用白皮书 总结了 10 个主要的企业人工智能调查，代表了 100 多个国家的 30,000 多位领导者。调查结果表明，人工智能几乎无处不在，但回报却高度集中。

麦肯锡报告 表明，88% 的组织在至少一个业务功能中部署了人工智能。斯坦福大学的 2026 人工智能指数 将生成性人工智能的使用率定为 70% 的组织。然而，普华永道的 第 29 届全球 CEO 调查 发现，只有 12% 的 CEO 报告称人工智能既降低了成本又增加了收入，而 56% 的 CEO 看不到任何好处。

这是人工智能采用与人工智能价值之间的差距，这是 2026 年企业技术的定义问题。

差距不仅很大，而且正在变得结构化。普华永道的 人工智能绩效研究 发现，80% 的公司仅捕获到人工智能的总经济价值的约 25%。换句话说，前 20% 的公司捕获了大约 74% 的价值。这不是关于谁可以访问人工智能工具的故事。访问不再稀缺。稀缺的能力是重新设计工作、将人工智能集成到企业中、负责任地管理它并以与利润和损失相关的方式衡量结果的能力。

对于董事会和高管团队，信息应该很明确：人工智能采用正在成为基本条件。人工智能价值正在成为护城河。

试点并不是转型

大多数大公司没有人工智能活动的不足。事实上，他们有太多。市场、财务、法律、IT、人力资源、客户服务和软件工程团队都在尝试人工智能工具、启动试点和构建概念验证。这种能量是有用的，但也可能制造出虚假的进步感。

试点可以证明模型在狭窄环境中有效。但是，它不能证明组织能够吸收所需的流程、数据、治理和行为变化，以扩大技术。因此，尽管投资很大，高管关注度很高，但 79% 的企业仍报告将人工智能计划转移到生产和可衡量的 ROI 时面临着重大挑战。

捕获更多价值的公司往往会做出不同的选择。他们不会追求每个用例。他们专注于。波士顿咨询公司发现，领先的公司平均专注于大约 3.5 个人工智能用例，而落后的公司则将自己分散在六个以上的用例中，获得的 ROI 只有前者的一半。这一发现应该改变高管如何思考人工智能投资组合。广度可能看起来令人印象深刻，但专注是创造运营杠杆的关键。

最好的人工智能计划从与可衡量结果直接相关的少数工作流开始。也许这意味着在客户运营中降低服务成本，在索赔处理中减少周期时间，在供应链规划中提高预测准确性，在软件开发中加快速度，或在销售中增加每位员工的收入。共同点不是技术，而是业务结果。

瓶颈是组织的

在生成性人工智能时代，企业对话集中在模型能力上。模型能否总结、推理、编码、检索、分类和生成？这些问题仍然很重要，但它们不再是许多组织的主要约束。

真正的瓶颈是人、治理和数据。

Marlabs Research 的跨调查障碍分析发现，62% 的高管将人才和人工智能技能短缺列为企业人工智能价值的首要障碍。下一个障碍同样具有启发性：58% 的高管将工作流程和运营模式的重新设计列为首要障碍，52% 的高管将数据质量和集成列为首要障碍，50% 的高管将安全和风险问题列为首要障碍，48% 的高管将治理和负责任的人工智能成熟度列为首要障碍，44% 的高管将不明确的 ROI 或价值衡量列为首要障碍，41% 的高管将变革管理的挑战列为首要障碍。

这些数字表明一个重要的观点。企业并不是因为人工智能不能产生有用的输出而受到限制。它们受到限制是因为组织尚未具备在规模上使用人工智能的能力。

人才是第一个约束。许多公司都有一些人工智能专家，但他们没有足够的产品负责人、数据工程师、合规负责人、工作流程设计师和一线经理来将人工智能转化为业务能力。埃森哲的 2026 年研究 指出，领导者和员工在人工智能驱动的变革方面存在 24 个百分点的差距，这是采用率的警告信号。高管的热情并不自动转化为员工的信任或使用。

数据和集成是第二个约束。独立于工作发生的系统的人工智能将保持有限。一个可以总结文档的聊天机器人可以提高生产力。连接到 CRM、ERP、HRIS、索赔平台、供应链工具和其他记录系统的人工智能工作流程可以改变业务运营方式。这就是为什么 46% 的公司仍然将与记录系统的集成列为首要的部署阻塞器。卡普格明的 研究 也发现，67% 的高管将数据隐私列为首要阻塞器，64% 的高管将集成复杂性列为首要阻塞器。

这是许多人工智能计划出错的地方。他们将数据准备和集成视为第二阶段的工作。实际上，它们是第一天的要求。没有干净的数据、明确的访问规则、强大的血统和安全集成到企业系统中，人工智能将停留在业务边缘，而不是成为其运营核心的一部分。

代理人工智能既带来机会，也带来风险

企业人工智能的下一个浪潮将由代理定义。这些系统不仅可以协助员工，还可以执行多步骤任务、触发工作流程、与企业应用程序交互，并在定义的边界内做出决定。

这种转变带来了巨大的潜力。普华永道的 第 29 届全球 CEO 调查 发现，超过一半的大公司正在部署或计划在客户服务、销售和营销以及 IT 中部署人工智能代理。职能级别的数字很惊人：57% 的公司在客户服务中部署人工智能代理，54% 的公司在销售和营销中部署，53% 的公司在 IT 和网络安全中部署。财务和运营紧随其后，分别为 47% 和 39%。人力资源和招聘为 39%，研发和产品为 36%。

商业案例很明确。代理可以减少交接，加快响应时间，提高员工生产力，并使常规流程更加一致。在客户服务中，它们可以帮助更快地解决问题。在销售运营中，它们可以更新 CRM 记录，草拟后续跟进，并推荐下一步行动。在 IT 中，它们可以排查票据，监控事件，并触发补救步骤。

但是，自主性改变了风险状况。一个可以草拟电子邮件的 AI 助手是一回事。一个可以批准退款、修改客户记录、创建购买订单、更改访问权限或升级网络安全事件的代理是另一回事。

这就是为什么在代理人工智能扩大规模之前，治理必须成为运营的一部分。麦肯锡的 人工智能信任状态 研究发现，约有三分之二的组织将安全和风险列为扩大代理人工智能的首要障碍。Marlabs 的同一分析发现，只有五分之一的公司拥有成熟的代理治理模型。风险已经显现：80% 的公司表示，他们的人工智能代理已经做了些许冒险的事情，78% 的组织将无法通过基本的人工智能治理审计。

这并不意味着公司应该暂停代理人工智能。它意味着他们应该现在建立控制平面。每个企业代理都需要定义的权限、审计日志、监控、升级路径、数据边界、异常处理和财务控制。没有问责的自主性不是转型。它是未经管理的暴露。

投资正在增加，尽管回报不均衡

市场中最有趣的信号之一是，弱回报并没有导致撤退。它导致了更多的高管参与。

在生成性人工智能时代，企业已经花费了超过 3000 亿美元。领导团队仍然在加倍下注。波士顿咨询公司的 人工智能雷达 2026 发现，人工智能支出今年将大致翻倍，72% 的公司的 CEO 亲自领导人工智能议程。加特纳发现，89% 的 CIO 计划增加人工智能支出。IBM 的 商业价值研究所 预测，人工智能投资到 2030 年将大约增加 150%。

这是合理的。高管们认识到，人工智能并不是另一个软件类别。它是一种将重塑成本结构、客户体验、产品开发、风险管理和劳动力生产力的水平能力。危险不在于投资人工智能，而在于在不改变运营模式的情况下扩大投资。

这就是为什么董事会、CFO 和业务单元领导者正在接近人工智能决策。人工智能不再主要位于 IT 部门。技术团队仍然至关重要，但下一波价值将来自业务主导的转型，得到了强大的数据、工程和治理学科的支持。

多模型未来需要架构学科

企业人工智能堆栈也正在改变。市场正在从单模型默认转向多模型架构，公司为不同的工作负载选择不同的模型。

根据 a16z 的 第三次 CIO 调查 的说法，100 家全球 2000 强公司中，81% 现在在测试或生产中使用三个或更多模型家族，高于去年的 68%。Marlabs Research 还指出，到 2026 年中期仍然使用单一供应商的企业面临三个实际风险：价格集中、能力滞后和审计或合规脆弱性。

企业的教训是避免将业务硬编码到一个模型提供商中。模型无关的网关可以帮助路由请求、管理成本、执行策略、监控性能、支持缓存并保留可移植性。适合低风险、高容量的总结任务的模型可能不适合涉及客户数据、财务决策或临床信息的受监管工作流程。

模型策略正在成为企业风险管理的一部分。

企业人工智能价值的 ABC

为了弥合人工智能采用和人工智能价值之间的差距，企业需要一个实用的运营框架。在 Marlabs，我们通过 AgilityAI 的 ABC 来描述它：对齐、构建和控制。

对齐意味着在扩大技术之前关注组织。领导者应该确定 3 到 5 个与 P&L 结果直接相关的高影响工作流程。他们应该将业务、数据、技术、风险和运营团队与一组定义明确的用例对齐，而不是扩大不相关的试点。他们还应该使数据准备和系统集成成为第一阶段的一部分，而不是未来的依赖项。

构建意味着以纪律和速度执行。人工智能计划不应像一次性实验一样管理。它们应作为具有所有者、路线图、采用计划和可衡量结果的业务能力来构建。这需要人工智能工程生命周期中的结构化方法，从发现和模型选择到集成、测试、部署、监控和持续改进。

控制意味着治理以信任、风险和长期价值为目的。控制不能在代理已经在关键工作流程中运行之后添加。治理必须包括权限、监控、审计日志、人工升级、政策执行、安全测试和财务控制。它还必须包括明确的指标。使用率并不等同于价值。更好的衡量标准包括时间到价值、服务成本、每位员工的收入、周期时间减少、首次联系解决、预测准确性、合规例外和客户满意度。

做得好的公司将创造出复合优势。更好的数据改进了人工智能的性能。更好的工作流程增加了采用率。更好的治理建立了信任。更好的衡量标准吸引了投资。更好的人才加速了交付。随着时间的推移，这些优势相互强化。

这就是人工智能成为竞争护城河的方式。

企业人工智能的差距正在扩大，因为价值并不会自动跟随采用。它跟随执行。下一个阶段属于那些超越实验、集中于重要工作流程、将人工智能构建到工作发生的系统中并在扩大规模之前治理自主性的公司。

人工智能采用现在已经普遍。人工智能价值仍然稀缺。理解这种差异的组织将定义企业绩效的下一个时代。

ies 那些超越实验、集中于重要工作流程、将人工智能构建到工作发生的系统中并在扩大规模之前治理自主性的公司。人工智能采用现在已经普遍。人工智能价值仍然稀缺。理解这种差异的组织将定义企业绩效的下一个时代。