全球AI应用现状与规模化挑战 - 几乎所有受访企业已将AI纳入业务实践，近九成（88%）受访者表示其组织已在至少一个职能中常态化应用AI，较去年的78%有所上升 [2][3] - 然而，大多数机构仍停留在从试点走向规模化的早期阶段，仅约三分之一（约33%）的受访者表示企业正在全公司范围推进AI的规模化应用 [2][3][13] - 企业规模越大，AI部署成熟度越高：在营收超过50亿美元的企业中，近半数（近50%）已进入规模化阶段，而营收不足1亿美元的企业中，这一比例仅为29% [13] 中国大陆AI应用表现 - 中国大陆的AI应用普及率与全球平均水平基本持平，生成式AI已广泛渗透，有83%的企业在至少一个职能中常态化使用生成式AI，领先全球平均水平 [6] - 中国大陆地区有45%的受访企业实现AI的规模化或全面部署，高于全球38%的平均值，展现出在应用深度上的相对领先优势 [6] 智能体应用现状 - 智能体应用开始崭露头角，23%的受访者表示其企业已在至少一个职能中启动智能体的规模化应用，另有39%正处于试验阶段 [7][10] - 但智能体普及度仍有限，在任一具体职能中报告“正在扩大智能体应用”的受访者比例均未超过10% [7] - 在职能层面，IT与知识管理的智能体采用率最高；从行业视角看，科技、媒体与电信及医疗行业的智能体采用率领先 [9] AI应用的职能与行业分布 - AI在组织内部的渗透面持续拓宽，超过三分之二的受访者称其组织至少在两个职能采用AI，半数表示应用已覆盖三个以上职能 [11] - 除科技行业（应用率已超90%）外，其他所有行业中“至少在一个业务板块常态化使用AI”的比例均较上一轮调研明显上升，媒体与电信、保险行业的应用率已与科技行业并驾齐驱 [13] - IT、营销与销售始终是AI应用最集中的职能，知识管理在今年首次跻身这一行列 [13] - 从具体场景看，AI最常被用于信息获取、处理与分发；营销策略内容支持；以及联络中心或客服工作的自动化 [13] AI对财务与业务的影响 - AI对整体息税折旧摊销前利润（EBIT）的拉动有限，仅39%的受访者认为AI对EBIT产生了影响，其中多数表示贡献率不足5% [16] - 但在具体用例中已看到清晰的成本效益，尤其在软件工程、生产制造和IT等领域 [19] - 在营销与销售、战略与公司财务、产品与服务开发等职能中，AI推动的营收增长尤为突出 [22] - 超过一半（超过50%）的受访者表示AI明显增强了组织的创新能力，近半数（近50%）观察到客户满意度与竞争差异化有所提升 [16] AI高绩效企业的特征 - 将EBIT因AI提升超过5%并已利用AI创造“显著”价值的企业定义为“AI高绩效企业”，这一群体约占样本总量的6% [25] - 高绩效企业普遍拥有借助AI重塑业务的更宏大目标，其计划通过AI实现颠覆性变革的比例是其他企业的三倍以上 [25] - 它们不满足于降本，更倾向于同时将增长和/或创新纳入AI战略目标 [25] - 高绩效企业对具体工作流程进行根本性重构的比例达到其他机构的三倍，这是推动取得实质业务成效的关键因素之一 [26] - 高绩效企业在各职能中的应用广度显著领先，在营销与销售、战略与公司财务、产品与服务开发等核心职能中应用AI的比例远高于其他组织 [26] - 在多数职能中，高绩效企业规模化部署智能体的比例达到其他组织的三倍以上 [27] - 高绩效企业的AI应用更常获得高层的强力背书，高管不仅是推动者，更是率先践行者 [27] - 高绩效企业更擅长系统化方法，例如更常建立清晰流程以明确对模型输出进行人工核验的时机与方式 [30] - 高绩效企业在AI技术上的投入显著更大，超过三分之一（超过33%）的高绩效企业受访者表示组织已将20%以上的数字化预算投向AI [31] - 约四分之三（约75%）的高绩效企业已经或正在规模化部署AI，而其他企业的这一比例仅为三分之一（约33%） [31] AI对员工规模的影响与预期 - 回望过去一年，在已落地AI的各项职能中，多数受访者认为员工数量大体保持稳定，在多数职能里，不到20%的受访者观察到AI造成超过3%的人员缩减 [34] - 展望未来一年，预期出现分化：表示过去一年因AI导致人员缩减的受访者中位数比例为17%，而预计未来一年会出现缩减的这一比例升至30% [34] - 从企业整体编制看，32%的受访者预计未来一年员工规模将减少3%及以上，另有13%预计会增加3%及以上，多数受访者认为将大体保持稳定 [37] - 大型企业的受访者更倾向于认为AI将带来整体性的人力缩减，而AI高绩效企业的受访者则更有可能预期出现显著变化（无论是减少还是扩张） [37] - 多数受访者提到企业在过去一年招聘了AI相关岗位人才，大型企业中这一比例更高，软件工程师与数据工程师仍是最受追捧的角色 [37] AI风险管理现状 - 企业在AI风险管理方面的投入有所提升，受访者平均报告企业治理的AI风险类型从2022年的2类升至如今的4类 [41] - 在已应用AI的组织中，51%的受访者表示至少遭遇过一次AI相关负面事件，近三分之一（近33%）提到AI结果不准确带来的实际影响 [41] - 结果不准确是当前企业最常着手缓解的风险，然而位列第二的“可解释性”问题未获得与其重要性相匹配的关注 [41] - AI高绩效企业部署的AI用例数量是其他企业的两倍，报告的负面事件比例也更高，尤其集中在知识产权侵权与监管合规方面，同时它们也在更系统地治理更广泛的风险类型 [44]