行业应用现状与渗透率 - 2025年麦肯锡全球调研显示，AI（含生成式AI与分析式AI）的企业渗透率持续提升，**78%** 的受访者表示所在企业至少在一个业务职能中应用AI，生成式AI的应用率也达到 **71%** [1] 1. 企业应用场景正从单一职能向多职能延伸，平均覆盖 **三个** 业务领域 [1] 2. 行业整体处于AI应用早期阶段，但大公司（年收入至少5亿美元）的推进速度显著快于中小企业 [1][8] 3. AI在IT、营销与销售、服务运营等业务职能中应用最为普遍，其中IT职能的AI使用率在过去六个月增幅最大，从 **27%** 上升至 **36%** [65] 价值实现与组织变革 - 企业实现生成式AI商业价值的核心在于顶层设计与流程重塑 [1] 1. CEO主导的AI治理是影响息税前利润（EBIT）的关键因素，**28%** 的AI应用企业由CEO负责AI治理，这一比例在大公司中更高 [1][9] 2. 工作流重构对实现EBIT影响最大，**21%** 的生成式AI应用企业已基于该技术完成部分工作流的根本性重构 [1][10][12] 3. 有效的AI实施需要自上而下的过程和高管层的全面承诺，仅将实施委派给IT或数字部门往往是失败的根源 [14][15] 部署架构与治理模式 - AI部署架构呈现选择性集中特征 [1][17] 1. 风险合规、数据治理多采用中心化模式（如卓越中心），而技术人才与AI解决方案落地则以混合或部分集中模式为主 [1][17] 2. 大企业的治理与部署体系更完善，年收入低于5亿美元的公司更倾向于完全集中化这些要素 [17] 3. 在部署生成式AI时，企业需要从整体、变革性的愿景出发，追求端到端的解决方案，而非零敲碎打，这有助于建立持久的竞争优势 [31][32] 风险管理与内容审核 - 企业对生成式AI的风险管控力度持续加强，针对准确性、网络安全、知识产权侵权等核心风险的应对举措显著增加 [2][24] 1. 大企业的风险应对覆盖面更广，尤其在网络安全和隐私保护领域投入更多 [2][29] 2. 各企业对AI输出内容的审核力度差异较大，**27%** 的企业全面审核AI生成内容，同等比例的企业仅审核 **20%** 及以下内容 [2][19][21] 3. 在商业、法律等专业服务行业，企业更倾向于审核AI输出内容 [21] 规模化实践与业绩影响 - 生成式AI的落地配套实践尚处初期，仅有不到三分之一的企业遵循麦肯锡提出的 **12项** AI落地与规模化最佳实践 [2][35] 1. 跟踪明确的KPI、制定清晰的落地路线图对业绩影响最显著，其中跟踪KPI对整体EBIT影响最大，而制定路线图在大公司中对EBIT影响显著 [2][37] 2. 大企业在落地实践上显著领先于中小企业，在建立专属团队、制定路线图、分层培训、培育客户信任等方面优势突出 [2][38][39] 3. 大多数企业尚未看到企业层面的实质性息税前利润提升，超过 **80%** 的企业仍处于价值释放的早期阶段 [3][36] 人才结构与技能重塑 - AI对企业人才结构的影响逐步显现，企业仍在积极招聘AI相关人才 [3] 1. 数据科学家需求居高不下，**50%** 的企业计划在未来一年扩招该岗位 [3][46][47] 2. AI合规、伦理等新风险相关岗位开始涌现，**13%** 的企业招聘了合规专家，**6%** 招聘了AI伦理专家 [45] 3. 大企业的AI人才招聘覆盖面更广，在招聘数据科学家、机器学习工程师和数据工程师方面与中小企业的差距最大 [3][45] 4. 企业加大了员工AI技能重塑力度，且计划未来三年的再培训规模远超过去一年 [3][51] 生产力影响与岗位变化 - 企业通过生成式AI节省的时间主要用于开展全新的工作，大企业则更倾向于借此精简人员 [3][52] 1. 人员规模预期因职能不同而分化：服务运营（如客户服务）、供应链管理岗位可能缩减，而IT、产品开发岗位则有望扩招 [3][57][58] 2. 总体而言，**38%** 的受访者预测生成式AI在未来三年对其组织的人员规模影响甚微 [56] 3. 金融服务业的受访者更可能预期人员减少，而C级高管比中层管理者更可能预测AI（含生成式与分析式）将导致人员总数增加 [56] 业务单元应用与价值显现 - 生成式AI的应用价值开始在业务单元层面显现，营销销售、产品开发、软件工程是主要应用领域 [3] 1. 行业应用差异显著：科技企业侧重软件工程，专业服务企业聚焦知识管理 [3] 2. 企业在文本生成外，也开始探索图像、代码等多模态生成 [3] 3. 业务单元层面的收入增长与成本降低效应逐步凸显 [3]