2026年人工 智能发展现 状

投资回报之路

2026年8月

组织正在部署代理式编码工 具，同时努力应对人工智能 的成本，并试图捕获员工个 人使用人工智能所获得更多 益处。

丹·汀科夫、利文·范德韦肯和迈克尔·蔡，与塔拉 ·巴拉克里什南合著

关键要点

代理式AI的使用正在增加，这主要是由大型企业推动的。 在年收入超过10亿美元的受访大 型组织中，有40%的人报告正在扩展AI代理，较去年的27%有所上升。而来自规模较小组织（ 年收入不超过10亿美元）的受访者中，报告正在扩展AI代理的比例保持稳定，为22%。

许多组织已经开始扩展软件编码代理。 大约十分之一正在扩展（大型企业中为31%）。

— 各组织正使用自动化编程工具自行构建软件，而非购买。 近三分之一的受访者（32% ）表示，他们的组织已决定不购买一个或多个软件产品或功能，因为这些可以通过自动化 编程工具内部构建。

— 人工智能的成本正在限制某些组织的使用。 大约20%的受访者报告称，与人工智能相 关的运营成本（包括代币成本）限制了他们的人工智能使用。但大多数计划增加其人工 智能投资。

— 自去年以来，报告企业级财务影响的使用者比例没有变化。 37%的受访者将至少部分EB IT影响归因于AI的使用（与去年大致相同）。并且，将AI使用至少归因于5%的EBIT，并将 该技术的影响描述为“重大”的AI高绩效者比例（约占所有受访者的6%）保持稳定。

然而，人工智能的使用正在提升员工的工作表现。 百分之八十的受访者表示人工智能提 高了他们的个人生产力，百分之五十的受访者表示人工智能帮助他们做出更好的决策。

— 受访者越来越期望人工智能引发劳动力队伍的缩减。 39%的受访者预计未来一年其组织总 就业人数将因人工智能相关原因而减少，而去年这一比例为32%。（43%的受访者预计人工智 能相关方面不会有变化。）但去年调查中预期劳动力队伍减少的比例，大约是现在报告过去 一年实际减少比例的两倍。

N种工具——从聊天机器人和软件编码代理到能够在工作流程 中自主行动的智能代理系统。同时，个人员工正在报告切实 的影响：百分之八十的受访者表示人工智能提高了他们自身 的生产力。

十多年前，公司开始使用人工智能，如今，这些组织正深化 对这些技术的应用。最新趋势是将其部署到更多业务职能中 ，并利用一系列

进入麦肯锡的调查研究，麦肯锡全球调查关于人 工智能的状况发现，组织正在跨企业扩展人工智 能。

然而，企业层面的财务影响并未遵循相同轨迹。 报告称人工智能为其组织EBIT做出贡 献的受访者比例与去年基本持平，仍为37%。

该调查还发现，与人工智能相关的运营成本正开始限制约五分之一的组织使用人工智能，尽 管大多数受访者预计其组织将在未来一年增加对人工智能的投资。 近三分之一的组织报告称 ，由于现在可以使用代理编码工具在内部自行构建，他们决定不购买至少一款软件产品或功 能，这可能是人工智能开始重塑技术预算分配方式的迹象。与此同时，员工队伍的期望持续 转变：与2025年相比，更多受访者预计其组织在未来一年内总员工人数将因人工智能而减少 。然而，过去一年报告的裁员规模远低于去年调查中受访者所预期的规模。

少数表现优异的群体的经验指明了前进的方向。 这些组织的特点在于它们部署人工智能的方 式和程度。表现优异的组织在追求效率的同时，也追求增长和/或创新；它们从根本上重新 设计由人工智能赋能的工作流程，而不是将人工智能嵌入现有的工作流程；并且它们凭借领 导层的承诺和运营的严谨性来支持其部署，从而实现真正的收益。为此，它们为大多数仍试 图从个人生产力转向财务影响的组织提供了经验教训。

随着组织超越实验阶段，人工智能的 使用正不断深化，大型企业正引领这 一趋势。

组织正持续超越人工智能的实验阶段。 近九成的受访者表示，已在至少一个业务职能领域常 规使用人工智能，但越来越多的组织正从孤立的部署转向企业级的应用：如今有44%的组织 报告人工智能正在其整个企业中扩展，较去年的38%有所上升（见附表1）。

人工智能也正被企业更多部门采用，表示其组织在三个或更多职能中使用人工智能的 受访者的比例从51%上升到56%。

Web <2026>

图1

第1项，共18项

使用人工智能的组织正越来越多地进入规模化阶段。

受访者组织使用人工智能的百分比，受访者

至少在1个业务功能¹中使用人工智能的组织

使用人工智能的组织中的人工智能使用阶段

100

88 89

实验

78

80

72

58 56

驾驶

60

50 50

47

55

40

至少扩展

20

0

2018 2020 2022 2024 2026 2025 2026

1

2017年，AI使用的定义是指将AI应用于组织核心业务或大规模使用。 2018-19年，定义变为在业务流程或产品中嵌入至少1项AI能力。从2020年起，定 义变为组织在至少1个职能领域采用了AI，而到了2025年和2026年，定义变为在至少1个职能领域常规使用AI。来源：麦肯锡关于AI现状的全球调查，20 17-26年

麦肯锡公司

2026年人工智能发展现状：迈向ROI 5之路

如我们所见，往年大型组织的AI部署持续快于小型组织。 年收入至少达10亿美元的受访组 织中有54%报告已在整个企业范围内推广AI，而小型组织中这一比例仅为三分之一。

过去一年，这些大型组织在使用代理式AI方面比小型组织进展更快。 在单个或多个职能中使 用代理式AI的份额从27%增加到40%，而小型组织的采用率基本保持不变，仍为22%（见图2） 。

Web <2026>

Exhibit 2

第18项附件2

大公司正以比小公司快得多的速度，从试验人工智能代理转向扩大其规模 。

受访者所在组织使用AI代理的程度¹，受访者百分比

拥有组织的 10亿美元的营收

拥有组织的 超过10亿美元的收入

|42|

|---|

|23|

|14|

|21|

|41|

|---|

|19|

|18|

|22|

|30|

|---|

|25|

|18|

|27|

|27|

|---|

|16|

|17|

|40|

禁止使用代理

实验

驾驶

至少扩展

2025 2026 2025 2026

1 仅针对那些表示其组织在至少一个业务功能中定期使用人工智能的受访者。 所展示的数据已根据完整样本重新基准化。对于2026年来自年营收达10亿 美元或以上组织的受访者，n = 595。对于来自规模较小组织的受访者，n = 1,035。来源：麦肯锡关于人工智能现状的全球调查，2025年和2026年

麦肯锡公司

在人工智能工具中，聊天机器人的应用规模最为广泛，47%的受访者表示其组织正在整个企 业范围内推广使用。 大约十分之一的受访者报告称，其组织已进入人工智能代理的推广阶 段，相似比例的受访者也表示其组织已进入软件编码代理的推广阶段。（有关代理的使用 情况，请参见侧边栏“不同行业对代理式人工智能的使用存在差异。”）调查结果显示， 大型组织在推广不同类型的人工智能工具方面更为领先（见图3）。

Web <2026>

附件3

第<3>项，共<18>项

来自大型公司的受访者报告称，在各个不同的AI工具上，其规模化应用的 比例更高。

组织使用AI工具的阶段，按组织收入规模划分¹，受访者百分比

至少 放大 实验 不知道

年收入低于10亿美元的机构 年收入不低于10亿美元的机构

人工智能聊天机器人

专业

人工智能工具

1

软件 编码 代理人

代理型人工智能

其他 AI代理

1

其他人工智能 技术

• 1
• 2

1

注意：由于四舍五入，数字可能无法加总至100%。 1 仅针对表示其组织在至少一个业务职能中定期使用AI的受访者。所显示的数据已根据完整样本重新 基准化。对于收入达到或超过10亿美元的组织的受访者，n = 595。对于规模较小的组织的受访者，n = 1,035。

麦肯锡公司

侧边栏

代理式人工智能的使 用因行业而异。

调查结果显示 组织正在将AI应用于各个职能部门。 具有其最大潜在价值 行业。总体而言，受访者最 通常报告在IT领域扩展人工智能代理。

知识管理，以及软件工程（展示）。 受访 者中，为科技公司工作的受访者最常报告 使用代理，这与去年的调查结果一致，并 且该行业的受访者比其他行业的受访者更 普遍地报告在软件工程中使用代理。类似 地，在消费者

商品和零售行业表示，他们的公司通常在 市场营销和销售活动中使用代理商，而从 事先进制造业——例如汽车、航空航天和 半导体公司——的员工则在使用代理商进 行供应链和库存管理，以及在制造过程中 。

Web <2026>

展位 展位 of <18>

我已将此更改提交至人力资源与战略部门，但这与源文件不一致。 请更新源代码。

技术和媒体、电信行业的受访者最有可能报告在职能范围内扩展人工智能代理 。

已达到规模化阶段的AI代理使用情况，按行业和业务职能划分，1%的受访者

医疗服务购买方和提供方

药品和医疗器械

工程与建筑 消费品和零售业先进制造业

金融机构 专业服务 能量与材料 技术媒体和电信 旅游与物流

保险 总计

IT 12

知识 管理

11

软件 工程学

10

服务 运营

产品和/或 或服务

发展 市场营销 以及销售

人 资源

9

9

8

7

风险，法律 并且合规

5

战略与 公司金融

供应链

库存 管理

制造

5

5

3

23

19

31

• 15

22

• 16

10

7

6

4

2

18

21

• 16

21

• 17

13

• 12
• 13

4

9

1

17

17

10

14

7

• 10
• 11

14

6

6

1

• 7
• 8
• 9

14

5

9

• 3

7

• 4

0

0

11

6

11

3

6

• 2

14

5

0

0

• 3

12

9

• 3

7

• 6

5

9

4

• 7

7

9

• 8

14

• 7

9

9

• 8
• 9

4

9

3

2

7

• 5

7

• 6

• 4

7

• 6

2

1

5

• 7

• 9

11

• 7

• 5

8

15

7

• 6

• 4

10

• 5

15

• 6

• 13

10

• 13

• 4

7

• 5

9

• 14

• 14

• 7

5

• 8

5

5

5

3

3

1

3

1

17

• 5

7

• 6

4

3

3

2

0

2

0

1

代理被定义为“基于基础模型、在现实世界中运行并能自主规划执行工作流多步骤的AI系统”。 该问题仅针对报告在所给职能中经常使用AI的受访者，并 调整至完整样本。技术领域受访者n=208；媒体和电信领域n=79；金融机构领域n=158；保险领域n=44；医疗支付方和提供方领域n=52；制药和医疗产品领 域n=64；专业服务领域n=230；能源和材料领域n=177；消费品和零售领域n=128；先进制造业领域n=105；工程和建筑领域n=88；旅游和物流领域n=61。来 源：麦肯锡全球关于AI现状的调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

编码代理正在鼓励公司自主研发软件，而不是购买。 近三分之一的受访者（32%）报告称， 由于他们能够使用代理编码工具在内部构建功能，其组织已决定不购买至少一款软件产品或 功能。这些决定最常由从事技术和医疗保健行业的受访者报告，其次是专业服务行业以及能 源和材料行业的受访者（见第4表）。

Web <2026>

图4

第18号附件第4项

各行各业，一些受访者表示，他们的组织正在放弃软件采购，转而使用人 工智能编码工具来构建软件。

组织决定不购买一个或多个额外的软件产品或功能，而是选择使用AI编码工具按行业¹内部构建功能 ，受访者百分比

技术

医疗服务购买方和提供方 专业服务 能量与材料

金融机构

媒体和电信 药品和医疗器械

旅游与物流 消费品和零售业

工程与建筑 先进制造业

保险 公共及社会部门

总计

41 39

38 38

36 34

33 31

29

28 27

19 17

32

仅针对那些表示其组织在至少一个业务功能中定期使用人工智能的受访者提出。 在技术领域，n = 199；在医疗保健支付方和提供方，n = 47；在专业服务 领域，n = 205；在能源和材料领域，n = 153；在金融机构领域，n = 148；在媒体和电信领域，n = 71；在制药和医疗产品领域，n = 55；在旅游和物流 领域，n = 56；在消费品和零售领域，n = 116；在工程和建筑领域，n = 72；在先进制造业领域，n = 95；在保险领域，n = 40；在公共和社会部门，n = 71。来源：麦肯锡全球关于人工智能现状的调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

麦肯锡评论

范德韦肯，利文

高级合伙人

不仅大型组织在更快地扩展人工智能，而且许多组织开始对其技术和变革议程拥有更大的 自主权。 直到最近，许多领导者认为人工智能超出了他们自身技术团队的能力范围，而且 快速行动意味着要建立正确的外部合作关系。现在，情况正在改变。领导者们开始询问他 们的组织需要自行构建人工智能工具。软件编码代理和内部开发的兴起是这一更广泛转变 的一个明显迹象。

这当然并不意味着公司应该自己建设所有东西，或者放弃建立合作伙伴关系。 这意味着 领先的组织是以代理人的身份与合作伙伴合作。行动最快的企业正更加审慎地考虑在哪 里采购、在哪里建设，以及在哪里培养足够的内部能力来整合和扩展有效的方案。它们 也将运营成本视为设计约束而非事后考虑，并正在做出工作流程方面的更深层次变革， 以实现价值。

编码代理正在鼓励公司自主研 发软件，而不是购买。

尽管应用范围更广且取得了个体成果 ，但人工智能的影响依然高度集中。

调查结果显示，员工个人正从人工智能中获益。 十分之八的受访者表示人工智能提高了他们 的生产力，大约一半的人说它帮助他们培养了新技能并做出了更好的决策。这些影响在不同 层级组织中都非常一致（参见展位5）。然而，这种体验并非普遍积极：中层管理人员和个体 贡献者报告与人工智能相关的压力的可能性高于高管。在中层管理人员和个体贡献者中，有4 7%的人表示他们经历了其中一种负面效应，而高管和高级管理人员的这一比例则为31%。

Web <2026>

附件5

第5项，共18项

受访者普遍表示，使用人工智能提高了他们自身的生产力，帮助他们发展 了新技能，并在工作中做出决策。

20

人工智能对受访者工作的影响感知，按角色划分¹，受访者百分比

Executive/

负面的 正面的 中层 个人

C-level

高级经理 经理 贡献者 提高我的生产力

81 76 54

80 81

55

51 48

53 55

培养新技能 做出更好的决定

50

40 38 37

37

42 33

47 39

更具创造力 更清晰地思考

54

29

30

24 16

26 17

让我的工作更愉快

9

• 15 10

18

• 16 14

帮助我保持专注 造成承担更多工作的压力

18

11 10 8

12

6

19

加剧了我对职业前景的担忧

20

9

伤害我批判性思维能力 被AI输出的海量内容所淹没

14

11

13

7 14

7 7

增加我的精神疲劳 让我工作更有压力

4 5 4

8

1 问题：“思考您在工作中使用AI工具的经历，以下哪项描述了您的体验？” 仅询问在工作中使用AI的受访者。 对于C级受访者，n = 654；对于高管 和高级经理，n = 424；对于中层经理，n = 217；对于个人贡献者，n = 195。来源：麦肯锡全球AI现状调查，所有级别的1,719名参与者，2026年5月4 日至6月8日

麦肯锡公司

2026年人工智能发展现状：迈向投资回报之路第11章

这些个体收益尚未转化为对组织广泛的财务影响。 大约十分之四的受访者（37%）报告称 ，人工智能已对其组织的息税前利润（EBIT）做出了积极贡献，这与2025年的情况基本 持平——尽管采用人工智能技术的组织比例有所增长。受访者确实提到了其他全组织范 围的益处：最值得注意的是，创新、竞争优势、客户满意度和员工满意度方面的改进。

然而，即使那些未报告企业级EBIT影响的受访者也表示，他们的组织正因特定业务职能使 用人工智能而感受到财务影响。 受访者最常报告的成本降低来自于供应链管理、服务运营 和制造业（图6）。

Web <2026>

图6 展览第<6>项 ，共<18>项

受访者最常报告在供应链管理、服务运营和制造业中部署人工智能所带来的 成本效益。

各业务单元因使用人工智能导致成本变化，过去12个月，按职能划分¹，受访者百分比

| |

|---|

减少 11’19% 减少 ≤10% 减少 ≥20%

供应链管理

服务运营

制造

市场营销与销售

软件工程

战略与公司财务

产品/服务开发

知识管理

Risk

HR

IT

注意：此调查的前期版本在用例层面询问了成本影响，并将这些回答汇总到相关的业务职能层面进行分析。 在2026年版中，我们直接在业务职能层面询 问了影响。1个问题仅针对那些表示其组织在特定职能中定期使用AI的受访者。表示“成本增加”、“没有变化”、“不适用”或“不知道”的受访者未 予展示。来源：麦肯锡全球调查《人工智能现状》，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

1 这些也是2025年调查中最常报告的改进之处。 2 2026年调查在业务功能层面衡量影响，而非从每个功能内的单个用例 中汇总。

与此同时，收入增长通常归因于营销和销售中的人工智能应用，其次是产品与服务开发 以及软件工程（见图7）。

Web <2026>

图7 展览 <7> 共 <18> 幅

受访者最常报告的收入增长来自于在市场营销和销售以及产品或服务开发中应 用人工智能。

各业务单元过去12个月因使用人工智能带来的收入增长，按职能划分¹，受访者百分比

增加6.10% 增加≤5% 增加>10%

市场营销与销售

产品/服务开发

软件工程

服务运营

供应链管理

战略与企业财务

IT

请注意：此前的调查版本在用例层面询问了收入影响，并将这些回答汇总到相关的业务职能层面进行分析。 在2026年版中，我们直接询问了在业务职能 层面的影响。问题仅针对那些表示其组织在特定职能中使用AI的受访者。对于认为AI对收入影响为“无变化”、“收入减少”或“不知道”的受访者，未 予展示。来源：麦肯锡全球调查《人工智能现状》，1,719名各层级参与者，2026年5月4日至6月8日

1

麦肯锡公司

麦肯锡评论

丹·汀科夫

高级合伙人

今年一个引人注目的发现是个体收益与企业影响之间的差距。 在个体层面，人工智能显然 是一项福祉：80%的受访者表示它提高了他们的生产力，一半人表示它帮助他们做出更好 的决策。然而，只有37%的企业报告了任何正向的EBIT贡献，与去年基本持平。但发生改 变的是可用于弥合这一差距的人力基础。员工正在建立人工智能的熟练度——无论是自学 还是借助公司推广的通用人工智能工具——这一转变至关重要。商业领袖的机会在于利用 员工素养提升所创造的动力，并建立一种运营模式，使他们在责任范围内能够快速、大规 模地引领端到端的工作流程重塑。

大约十分之四的受访者表示，人工 智能对贵公司EBIT做出了积极贡献 ，与2025年的情况基本保持不变。

尽管人工智能投资不断增加，但运 营成本正限制着某些领域的人工智 能应用。

随着组织扩大部署，人工智能的运营成本（包括代币成本）正成为一个重要的考量因素—但尚未构成普遍的制约。 五分之一的受访者表示，由于运营成本，他们的组织正在限制人 工智能的使用，这一比例在不同规模的组织以及许多行业之间大体一致（图8）。

Web <2026>

第八号展品 展品< 18>

五分之一受访者报告称，其组织在人工智能方面的应用受到运营成本的限制 ，包括代币成本。

由于与人工智能相关的运营成本¹，受访者的组织对人工智能的使用进行了限制。

技术 金融机构

旅游与物流 工程与建筑

专业服务

媒体和电信 医疗服务购买方和提供方

先进制造业 药品和医疗器械

能量与材料

保险 公共及社会部门

消费品和零售业

总计

25 24

7

22 22 21

20 20 18 18 18

13

12 12

20

1

针对那些组织常规使用人工智能至少在一个职能领域的受访者。 在技术行业中，n = 202；在金融机构中，n = 154；在旅游和物流行业中，n = 58；在工 程和建筑行业中，n = 78；在专业服务行业中，n = 220；在媒体和电信行业中，n = 76；在医疗支付方和提供方中，n = 49；在先进制造业中，n = 97； 在制药和医疗产品行业中，n = 57；在能源和材料行业中，n = 159；在保险行业中，n = 42；在公共和社会部门中，n = 81；在消费品和零售行业中，n

= 122。来源：麦肯锡全球关于人工智能现状的调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

2026年人工智能发展现状：迈向ROI 15之路

这些成本限制正被报告于各种人工智能工具中。 对于三种工具——人工智能聊天机器人 、人工智能代理和软件编码代理——大约十分之一受访者表示，其组织的使用受到成本限 制。

尽管面临日益增长的成本压力，各组织仍在有意义地投资人工智能。 二十八百分点的受访者 表示，其组织将超过其整体企业总预算的10%用于信息和通信技术的人工智能技术。展望未 来，百分之六十的受访者预计其组织将在未来一年增加人工智能投资。制药和医疗产品、保 险以及银行和其他金融机构的受访者最有可能预期投资增加（见展位9）。

Web <2026>

图9 图集<9>中的< 18>

几乎所有领域，大多数受访者都预计他们的组织将在下一年增加对人工 智能的投资。

下一年度企业整体投资的预期变化¹，受访者百分比

| |

|---|

增长 10.29% 增长 <10% 增长 ≥30%

药品和医疗器械

保险 金融机构

旅游与物流 能量与材料

消费品和零售业 医疗服务购买方和提供方

专业服务 工程与建筑

技术 先进制造业

媒体和电信 公共及社会部门

总计

仅针对那些在其至少一个职能领域已采用人工智能的组织受访者。 对于制药和医疗产品行业的受访者，n = 57；对于保险行业，n = 42；对于金融机构 ，n = 154；对于旅游和物流行业，n = 58；对于能源和材料行业，n = 159；对于消费品和零售行业，n = 122；对于医疗保健支付方和提供方，n = 49 ；对于建筑和建筑材料行业，n = 78；对于专业服务行业，n = 220；对于科技行业，n = 202；对于先进制造业，n = 97；对于媒体和电信行业，n = 76 ；对于公共和社会部门，n = 81。来源：麦肯锡全球关于人工智能现状的调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

麦肯锡评论

周海媚

高级研究员

首席财务官 (CFO) 和首席人工智能官 (CAIO) 越来越多地谈论“代币经济学”（tokeno mics）以及人工智能 (AI) 的投资回报率 (ROI)。 他们发现，在代理软件开发和复杂推 理任务（这些任务最受益于前沿模型）方面，人工智能并非“廉得可以忽略不计”：尽 管每个代币的成本有所下降，但被消耗和生成的代币数量增长速度更快。然而，这些用 例已经证明了其价值，因此组织计划加大投资，即使他们正在建立新的学科来优化其人 工智能支出的 ROI。对水平型人工智能 (AI) 工具（如聊天机器人）的支出正越来越多 地被视为经营业务的必要成本，类似于办公生产力与沟通工具。人工智能也影响着 IT 预算的其他部分：代理编码工具为将部分软件开发移回内部提供了更强大的选择，而不 是购买打包软件。

表现优异的组织正在借助人工 智能进行转型。

将人工智能（AI）运用带来的息税前利润（EBIT）影响归因于5%或更高，并称其组织已从AI 运用中获得“显著”价值的AI高绩效者——仅占调查受访者的6%，与2025年数据持平。与同 行相比，AI高绩效者更倾向于运用AI来推动组织转型，采纳更广泛的一套最佳实践，部署更 广泛的AI技术，并积极管理AI相关风险。

表现优异者拥有更宏大的AI抱负

高绩效企业的AI部署抱负更为远大。 虽然大约80%的高绩效企业和其他受访者都表示其组织 正通过AI追求效率提升，但大多数高绩效企业还报告称利用AI追求增长和/或创新（图10） 。高绩效企业比其他企业更有可能（概率高3.3倍）计划在未来三年内利用AI从根本上改造 其业务。此外，它们的工作流程转型也日益增多。近四分之三的高绩效企业报告称，由于 使用AI，其工作流程进行了根本性重新设计，这一比例从去年的55%有所上升。相比之下， 只有四分之一的其他受访者报告了这种情况。

Web <2026>

第10项 展览 第18 项中的第10项

高绩效团队往往为人工智能项目设定增长和/或创新目标，除了效率目标之外。

受访者组织中人工智能工作的目标¹，受访者百分比

效率（例如，降低成本） 通过自动化工作流程

增长（例如，增加） 通过改善获得的收入 客户定位或全新 产品特性

创新（例如，创造） 新企业或跨 构建商业模式)

人工智能高绩效者²（n=92）

All other respondents (n = 1,429)

78 74

65

82 47 49

1 仅针对表示其组织在至少一个业务职能中定期使用人工智能的受访者。 选择“不知道”或“其他”的受访者未显示。² 人工智能高绩效者是指报告其组 织5%或更多的EBIT（息税前利润）以及“显著价值”可归因于组织使用人工智能的受访者。来源：麦肯锡关于人工智能现状的全球调查，1,719名各层级 参与者，2026年5月4日至6月8日

麦肯锡公司

除了从根本上重新设计工作流程外，高绩效组织通常遵循一套实践方法，通过这些方法重塑 其组织，从而从人工智能中实现价值（见第11页展品）。 例如，与其他组织相比，它们更有 可能（概率是后者的两倍）表示其高级领导层对人工智能计划表现出承诺，并且更有可能报 告其组织已制定了衡量这些计划影响的流程。

高绩效者同样在人工智能上投入更多。 他们比其他人更有可能将企业整体预算中超过15%的 信息和通信技术预算用于人工智能，其可能性超过了两倍。他们还预计未来几个月将比其他 人投入多得多的资金。超过一半的高绩效者预计未来一年将增加10%或更多的AI投资，而其 他受访者的这一比例仅为36%。

Web <2026>

第11号证据

PDF版本 展示<11pdf>中的<18>表明，人工智能表现优异者比其他人更可能遵 循一系列人工智能相关的最佳实践。

1

各实践参与组织，受访者百分比 所有其他受访者 人工智能高绩效者

0 10 20 30 40 50 60 70 80

策略

变革性雄心：期望利用人工智能实现企业范围内的 变革性变化

策略

人在回路中：我们已经确定了模型 输出需要人工介入（例如，通过人工验证来确保准确性）

策略

管理约束：我们积极管理人工智能解决方案的成本 （即，令牌使用、计算、存储）

才能

战略人才规划：我们已完成战略人才规划 规划演练²

才能

绩效管理：员工使用人工智能是其中的一个因素。 绩效管理流程

运行 模型

工作流重新设计：由于其...从根本上重新设计了工作流。 人工智能的使用

运行 模型

转型办公室：我们设有“转型办公室”或同等机构。 加速人工智能解决方案的规模化推广并消除瓶颈的权限

Data

迭代式解决方案开发：我们有一个语义层和/或 公司数据知识图谱

收养 并且扩展

榜样：我们组织中的高级领导者展现了真正的担当。 关于其人工智能计划，以及致力于这些计划⁴

收养 并且扩展

预算承诺：信息支出超过15% 人工智能技术的通信技术预算

收养 并且扩展

追踪影响：我们已定义流程来量化其影响。 我们的AI计划

0 10 20 30 40 50 60 70 80

1

表示其组织从人工智能应用中获得利润占EBIT 5%或更高，并报告人工智能应用带来了“显著价值”的受访者。 对于人工智能表现优异者，n = 92；对于 其他所有人，n = 1,429。²即，了解组织当前员工队伍的过程，以及关于未来员工队伍状态的计划，包括角色和技能，同时考虑人工智能如何影响整个员 工队伍。³即，一种将分散的数据源组织成连贯对象、属性和链接的结构。⁴例如，在一段时间内在整个组织中推广它们、树立榜样、提供持续的资助并

在常规预算重新优先排序中保持参与。来源：麦肯锡全球人工智能现状调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

高绩效者更广泛地使用人工智能——并管理相关风险。

高绩效企业正在比其他企业更多地将其业务功能应用于人工智能，并且它们更常报告正在扩 展人工智能技术。 与其他企业相比，高绩效企业在调查所涵盖的大部分业务功能中扩展代理 的可能性高出三倍以上（见展板12）。

Web <2026> Exhibit <12> of <18>

第12号证据

CENTER_LARGE

在大多数业务职能中，高绩效者比其他人更有可能已经进入使用AI代理的规模化阶段。

已进入规模化应用阶段的AI代理使用情况¹，受访者百分比 人工智能顶尖表现者² 所有其他受访者

32

30

28

26 26

24

17 16 15

10 9 10

8 7 8

7

6

4

4 3

IT HR Risk

知识 制造 管理

战略与产品/服务 服务 公司

软件 工程学

服务 运营

市场营销 以及销售

金融发展

4

5

供应 链

管理

1 所提问题：“贵组织在以下各项业务职能中，使用人工智能代理（即基于基础模型、在现实世界中运行并能够自主规划执行工作流程多步骤的人工智能系统）的程度如何？” ²表示其组织从人工 智能应用中获得5%或更多EBIT，并报告人工智能应用带来了“显著价值”的受访者。对于人工智能表现优异者，n=92；对于其他所有受访者，n=1,429。来源：麦肯锡全球人工智能现状调查，1,719 名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

高绩效员工在调查所涵盖的大部分 业务职能中，成为代理人的可能性 是其他员工的3倍多。

高绩效者报告扩展软件编码代理的可能性是其他人的两倍，报告扩展其他代理式AI的可 能性也高出2. 7倍（见展13）。他们还更常使用这些软件编码代理来内部构建，而不是购 买新软件。近半数人报告称，他们的组织已决定不购买一个或多个软件产品或功能，因 为他们认为可以通过软件编码代理内部构建，而其他受访者的这一比例仅为31%。

Web <2026>

第13号证据

• Exhibit <13> of <18>

高绩效者正在使用比其他人更广泛的AI工具。

受访者组织使用给定AI工具达到规模化阶段的份额¹，受访者百分比

77

AI表现优异者 所有其他受访者

45 44

24

40

代理型人工智能

40

20

15

36

16

人工智能聊天机器人 专业 人工智能工具

软件 编码代理

其他 AI代理

其他人工智能 技术

1. 仅针对报告在至少一个业务功能中使用人工智能的受访者提出，并已根据完整样本重新校准。表现优异的受访者是指那些称其组织从人工智能使用中获 得了占 EBIT 5% 或更多的收益，并报告人工智能使用带来了“显著价值”的受访者。对于人工智能表现优异者，n = 92；对于其他所有受访者，n = 1,4 29。来源：麦肯锡全球人工智能现状调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

高绩效者在使用软件编码代理时，因成本受限的频率大约是其他人的三倍，而在报告因成本 受限使用其他类型工具方面，他们与受访者其他人的可能性大约相同（见表14）。

Web <2026>

第14号证据

• Exhibit <14> of <18>

对于AI表现优异者而言，AI运营成本（包括代币）通常是限制软件编 码代理使用的主要因素。

所提供的AI工具在受访者所在组织中的使用受到成本限制。¹ 受访者百分比 AI表现优异者 所有其他受访者

18

10

9

9

8

6 6 6 5

4

软件 人工智能聊天机器人 其他AI代理 编码代理

专业 人工智能工具

其他人工智能 技术

1

仅针对因人工智能相关运营成本而报告使用受限的受访者进行提问，并已重新基于完整样本进行调整。 表现优异的受访者是指那些表示其组织从人工智 能使用中获得了5%或更多的EBIT，并报告人工智能使用带来了“显著价值”的受访者。对于人工智能表现优异者，n = 92；对于其他所有受访者，n = 1 ,429。来源：麦肯锡全球人工智能现状调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

此外，高绩效者正管理着与人工智能部署相关的更多风险。 例如，与其他人相比，高绩效 者更有可能报告他们正在努力减轻人工智能驱动技术漏洞的利用，以及未经授权或非预期的 行为（见展位15）。

Web <2026>

第15号证据

• Exhibit <15> of <18>

高绩效者报告称，他们需要应对比其他人更多的AI相关风险。

受访者组织正在努力减轻的AI相关风险，占受访者的百分比

1

人工智能高绩效者 所有其他受访者

可解释性 智能网络安全 监管网络安全 非法 不准确 人工智能驱动或非预期 财产 合规 社会 行动 侵权利用 技术上的

(AI-driven

engineering)

vulnerabilities)

52 53

41

43 45

33 33

24

56

46 47

40 41 39

股权与 公平

27

19

Personal/ Workforce/

不知道 个人 不适用

环境

物理的 安全

国家 安全

政治 稳定性

组织 声誉

劳动 位移

影响

隐私

33

36

32

15 14

23

12

9

7 7 9 9 3 4 4

7

1

表示其组织从AI应用中获得利润占EBIT 5%或更高，并报告AI应用带来了“显著价值”的受访者。 对于AI表现优异者，n = 92；对于其他所有人，n = 1, 429。来源：麦肯锡全球AI现状调查，1,719名各层级参与者，2026年5月4日至6月8日

麦肯锡公司

麦肯锡评论

塔拉·巴拉克里希南

合伙人

最重要的是，AI表现优异者凭借其技术方法的连贯性而脱颖而出。 虽然他们确实在AI上 投入更多，但他们的优势不能简化为预算问题。他们是如何与众不同的呢？高绩效者运 用AI来追求增长和/或创新，同时兼顾效率；他们从根本上重新设计工作流程，而不是将 AI叠加到现有流程上；并且他们拥抱能够持续部署的实践，例如高层领导的示范作用、 人机协同设计、影响评估和风险管理。根据我们的经验，所有这些都是相互强化的实践 。

持续面临的挑战——这对所有组织而言，而不仅仅是表现优异的组织——是避免仅仅 积累工具或试点项目，而是要建立一种可重复的能力，将这些努力转化为新的工作方 式。 这就要求业务领导者重新构想端到端的工作流程，决定角色和能力应该如何转变 ，并建立跨职能的运营能力来推广行之有效的方法。这项任务并不简单，这有助于解 释为什么采用趋势往往比技术发展更慢：限制因素越来越是组织吸收变革的能力。

表现优异者远比其他人更可能报告 他们正在努力减轻AI驱动技术漏洞 的利用以及未经授权或非预期行为 。

先前对人工智能驱动的工作岗位减少 的预期被高估了，但更大比例的人预 计未来会继续减少。

受访者越来越期望人工智能的使用能导致其 workforce 的缩减。 然而，过去一年实现的组 织变革远未达到受访者一年前的预期。仅 14% 的使用人工智能的组织受访者报告称，人工 智能在过去一年促进了 workforce 规模的整体下降——这不到去年调查中 32% 的受访者预 期在同一时期实现 workforce 减少的半数。² 三分之二的受访者报告称，过去一年他们的 组织在总就业方面几乎没有或没有与人工智能相关的变化。在本年度调查中，39% 的受访者 预计人工智能将在未来一年内减少其组织的整体 head count，而相似比例（43%）的受访者 则预期几乎没有或没有变化（图 16）。

Web <2026>

<人工智能2026> 展览16 展览<16 > of <18>

去年的受访者高估了人工智能对员工人数的影响，并且预计下一年的削 减规模还要更大。

预计因人工智能在未来一年内为企业带来的员工数量变化¹，受访者百分比

Don’t know

减少 超过20%

减少 减少 3.1%

很少或 不变

增加 3.1%

增加 增加 超过20%

by 11 20% by 11 20%

• 2025年对明年的预期
• 2026年同比变化

43

66 4 2 1 13

8

2026年预期

43 7 2 1 8

10

注意：由于四舍五入，数值未能加总至100%。 1 仅针对表示其组织在至少一个业务职能中定期使用AI的受访者。2025年，n = 1,75 3；2026年，n = 1,521。

麦肯锡公司

3 尽管这些调查样本的特征相似到足以准确地进行逐年数据比较，但我们仅关注了在2025年和2026年都完成了调查的552名 受访者，其发现完全反映了总体样本的情况。

各个业务职能领域都呈现出类似的模式。 在我们询问的每一个职能领域，报告员工减少的受 访者比例都小于去年预测员工减少的比例（见展位17）。展望未来一年预期的变化，最大比 例的受访者预测服务运营和供应链管理领域将出现减少，这与去年的情况一致。在许多职能 领域，受访者更倾向于预期没有变化，而不是减少。

Web <2026>

展览 17A 展览 <17a>（<18>）

卷轴A

2025年，受访者最常预期将在服务运营和供应链管理领域看到人员削减。

下一年度因人工智能在所给业务职能中的使用，预计组织劳动力规模的预期变化¹，2025年调查中报 告至少在一个职能中使用人工智能的受访者百分比

2025年对明年的预期

Don’t know

减少 超过20%

减少 减少 3%至10%之间

很少或 不变

增加 3%至10%之间

增加 增加 超过20%

by 11 20% by 11 20%

服务运营

供应链管理

市场营销与销售

软件工程

人力资源

制造

战略与企业财务

知识管理

产品/服务开发

Risk

38

7 2 2 12

40

7 1 1 18

42

7 3 2 14

30

• 42 46 37

• 45

43

• 46

• 44

5 1 1 20

15 4 1 15

IT

11 21 16

9 11 16

注意：由于四舍五入，数值未能总和为100%。 仅针对那些表示其组织在至少一个业务功能中定期使用AI 的受访者；n = 1,753。来源：麦肯锡关于AI现状的全球调查，2025年6月25日至7月29日

1

麦肯锡公司

展位 17B 展位 <17b>（<18>）

卷轴B

许多职能领域报告人员数量变化的受访者比例，低于2025年预测变化的比例 。

过去一年中，由于人工智能在所给业务职能中的应用，员工报告的百分比变化¹，2026年调查中报告 在至少一个职能中使用人工智能的受访者百分比

2026年与过去一年相比的变化

Don’t know

减少 超过20%

减少 减少 3.710%

很少或 不变

增加 3.710%

增加 增加 超过20%

by 11 20% by 11 20%

服务运营

供应链管理

市场营销与销售

软件工程

人力资源

制造

战略与公司财务

知识管理

产品/服务开发

Risk

54

3 5 16 4 11 16

• 1 3 19 51
• 2 3 9 58

3 1 21

• 5 1 22
• 5 2 19

2 5 14 53

IT

• 2 3 10 61
• 3 2 6 64 6 11 62

• 5 1 18
• 6 21 15 121 18

注意：由于四舍五入，数字未能加总至100%。 仅针对表示其组织至少在1个业务功能中定期使用AI的受访 者；n = 1,753。来源：麦肯锡关于AI现状的全球调查，2026年5月4日至6月8日。

1

麦肯锡公司

2026年人工智能发展现状：迈向投资回报之路

<人工智能2026> 展览17C <18> 中的17C展位

卷轴

尽管对人员削减的预期有所增加，但大多数人仍预期许多职能将保持不 变。

过去一年中，由于人工智能在所给业务职能中的应用，员工报告的百分比变化¹，2026年调查中报告 在至少一个职能中使用人工智能的受访者百分比

2026年预期

Don’t know

减少 超过20%

减少 减少 3.710%

很少或 不变

增加 3.710%

增加 增加 超过20%

by 11 20% by 11 20%

服务运营

供应链管理

市场营销与销售

软件工程

人力资源

制造

战略与公司财务

知识管理

产品/服务开发

Risk

37

8 11 25 5 2 1 11

• 6 6 26 41 5 6 20 47
• 7 8 20 48

4 1 2 14

8 11 12

221 13

• 4 5 28 43
• 5 8 15 50 3 8 16 52

21 1 16

IT

7 2 2 11

7 1 13

注意：由于四舍五入，数值未能总和为100%。 1 仅针对表示其组织在至少一个业务功能中定期使用AI的 受访者；样本量 = 1,753。

麦肯锡公司

尽管对缩减 workforce 的期 望日益增长，但大多数受访者 并未将 AI 视为对其自身职业 生涯的威胁。

尽管对缩减 workforce 的期望日益增长，但大多数受访者并未将 AI 视为对其自身职 业生涯的威胁。 仅有 13% 的人表示“AI 让我对我的职业前景感到焦虑”。

组织对人工智能的信心增长速度，快于其能直接归因于人工智能的财务回报。 组织继续在 企业范围内更广泛、更深入地扩展人工智能部署，扩大其对越来越强大的技术的应用，并增 加其投资——尽管到目前为止，报告有意义的EBIT影响的比例基本上保持不变。组织发现， 人工智能能力不仅为他们提供了更多选择来构建而非购买企业软件，而且越来越要求他们开 发新的学科来管理人工智能的成本。与此同时，公司越来越愿意进行能够带来最终财务影响 的那种组织变革：比一年前更多的人预计人工智能将在未来三年内重塑其业务，并且他们继 续计划增加投资。

随着人工智能嵌入更多业务流程，员工对其使用日益熟练，那些能将个体生产力提升转 化为持久的企业级财务表现的组织，很可能是那些进行业务转型，而不仅仅是采用人工 智能工具的组织。

关于研究

在线调查于2026年5月4日至6月8日期间进行，共收到来自97个代表不同地区、行业、公 司规模、职能专业和任职期限的国家的1,719名参与者的反馈。 36%的受访者表示他们供 职于年营收超过10亿美元的机构。为调整不同国家回复率差异，数据根据每个受访者所 属国家对全球GDP的贡献进行了加权处理。

丹·汀科夫是麦肯锡旗下QuantumBlack（AI）的全球领导者，同时也是麦肯锡新泽西 办事处的资深合伙人； 利文·范德维肯是麦肯锡旗下QuantumBlack（AI）的全球领导 者，同时也是麦肯锡里昂办事处的资深合伙人；迈克尔·蔡是旧金山办事处的资深研 究员；塔拉·巴拉克里希南是西雅图办事处的主管合伙人。

作者谨向Anupama Agarwal、Bryce Blair、Cameron Camozzi、Daniel Swan、Hannah W agner、Jacqueline Brassey、Kim Baroudy、Larry Kanter、Mallika Jhamb、Robert Levin、Roger Roberts以及麦肯锡健康研究院感谢他们为本研究做出的贡献。

本文由亚特兰大分社的高级编辑海瑟·汉斯曼编辑。

2026年人工智能发展现状：迈向30%的投资回报率之路

2026年8月 版权所有 © 麦肯锡公司 设计：麦肯锡全球出版

McKinsey.com

在此找到更多类似内容

麦肯锡洞察应用

扫描 • 下载 • 定制