为什么只有 12% 的公司是 AI Leaders

一个老板最容易误判的地方，是把“公司用了 AI”当成“公司已经被 AI 改造”。销售在用聊天工具写邮件，市场在用模型出标题，财务拿它整理表格，产品经理让它改几版方案。看上去很热闹。可到了月底复盘，订单周期没有明显缩短，库存周转没有变快，客服升级率还是老样子，管理层也说不清楚哪一块利润是 AI 带来的。

这就是 2026 年企业 AI 最大的错觉：工具普及很快，价值沉淀很慢。

Genpact 的 Autonomy by Design: Scaling AI for Enterprise Value 研究覆盖了 500 多位企业高管，受访企业年收入从 10 亿美元到 500 亿美元以上。研究把企业 AI 成熟度分成四类：12% 是 leaders，15% 是 advanced，47% 是 assisted，26% 是 emerging。这个分类最有意思的地方，不是“谁买了多少 AI 软件”，而是它重新定义了什么叫领先。

所谓 AI leader，不是演示最多、口号最响、采购最快的公司，而是把 AI 放进生产环境，能规模化部署，并且有机制衡量真实业务结果的公司。换句话说，AI 不再只是员工桌面上的一个助手，而是进入了采购、财务、供应链、客服、法务、人力、研发这些流程的责任链条。

12% 的关键：AI 进了流程，不只是进了电脑

如果一个采购员每天要打开十几个系统：查供应商，收报价，比价格，看合同条款，确认库存，发采购订单，处理异常发票。一个聊天机器人帮他总结邮件，当然有用。但这仍然只是个人便利。真正的流程价值发生在另一层：系统能理解这笔采购从需求到付款的完整路径，能识别异常，能调用审批，能向供应商追问缺失信息，能把人工从“逐项处理”推向“关键验证”。

这就是“流程智能”的含义。它不是一张流程图，也不是咨询报告里的泳道图，而是组织真正知道工作如何完成：哪个系统给出事实，哪个岗位承担判断，哪个节点最容易堵，什么异常必须升级，哪些动作可以由机器先做，哪些决定必须由人最后确认。

多数公司输在这里。它们把 AI 当成一个横向工具发给所有人，却没有把它嵌入纵向流程。于是每个人都有一点效率提升，组织整体却没有发生结构性变化。员工省下的时间变成多喝一杯咖啡，会议材料更漂亮，邮件更顺，但公司的现金流、履约速度、客户体验并没有等比例改善。

47% 的 assisted 公司：最容易自我感觉良好

47% 的 assisted 公司是最大的群体。这些公司并不落后，它们已经在用 AI：Copilot、会议总结、知识问答、代码助手、文案生成、客服草稿。问题在于，这一阶段的 AI 主要解决“个人任务”，而不是“企业流程”。

对管理层来说，assisted 阶段最危险，因为它会制造一种进展感。内部培训办了，工具账号开了，海报贴了，几个部门也做出了 demo。可一旦问三个问题，答案往往含糊：哪条流程被重写了？哪个指标持续改善了？谁对 AI 产生的结果负责？

如果答不上来，公司还只是“会使用 AI”，不是“会运营 AI”。这两个状态之间，差的不是热情，而是管理系统。

为什么中层会成为真正的瓶颈

2026 年很多董事会和 CEO 已经不再怀疑 AI。高层愿意谈，愿意投，也开始亲自试用。年轻员工则更自然地把 AI 当成日常工具。真正卡在中间的，往往是中层经理。

这不是因为中层不努力。恰恰相反，他们最忙。指标在他们身上，客户投诉到他们这里，跨部门扯皮要他们解决，团队稳定也要他们负责。AI 转型落到他们桌面上时，通常不是一个机会，而是又一个风险包：系统出错谁背锅？员工乱用数据谁负责？流程改了影响交付怎么办？成本失控算谁的？

所以很多中层会本能地把 AI 变成“可控的小试点”。试点安全、漂亮、容易汇报，但很难改变业务。真正需要训练的，正是这一层人：他们要从高级执行者，变成流程结果的设计者；从“把风险挡住”，变成“带着边界去试”；从“等老板定”，变成“给老板三个可执行选项”。

这也是 AI 培训经常做错的地方。培训不该只教提示词，不该只教工具界面，更不该只面向技术团队。中层需要的是四类能力：识别重复流程，定义可接受输出，设定人工审批边界，建立指标复盘。没有这四件事，AI 用得越广，组织越容易出现“热闹但不增值”的局面。

风险不是别用 AI，而是没人知道 AI 在哪里干活

企业开始进入 agent 阶段后，风险形态会变化。过去的风险是“员工把数据复制到外部工具”。接下来更棘手：员工或部门可能搭了很多代理，让它们连接内部系统、调用接口、回复客户、生成报价、触发工单。看上去每个代理都在帮忙，合起来却可能变成新的影子 IT。

管理层至少要回答几个问题：公司到底有多少个代理？每个代理接了哪些系统？使用了什么模型和供应商？谁能关停它？它访问了哪些数据？它每天花多少钱？它的输出质量谁抽检？如果 100 个代理中有一个行为异常，公司能不能在当天找到它？

Genpact 的研究把“代理编排”和治理放在很高的位置。其主报告提到，只有 3% 的受访组织正在主动实施代理编排。制造业分项研究在 2026 年 4 月发布，其中只有 6% 的制造企业被视为 AI leaders，只有 2% 正在主动实施 agentic orchestration，只有 23% 表示部分 AI 应用能产生可衡量业务价值。零售业分项研究在 2026 年 6 月发布，也把工作流集成、技能缺口和所有权碎片化列为从实验走向企业级影响的关键阻碍。

这些数字说明一件事：企业现在缺的不是更多 AI 点子，而是一个能把点子带进生产环境的治理底座。没有代理清单、权限边界、成本监控、模型选择标准、数据分级和事故回滚机制，AI 项目越成功，失控面越大。

数据重要，但集成可能更难

过去两年，很多公司把问题归结为“数据不够好”。这当然成立。脏数据、散数据、权限混乱、主数据不一致，都会拖慢 AI。可到 2026 年，另一个问题越来越明显：比数据更难的，是把 AI 接进现有技术和业务系统。

大型企业不是一张干净白纸。ERP、CRM、供应链系统、财务系统、自研平台、历史数据库、外包流程、邮件和 Excel，全都在运转。AI 要创造价值，就不能只在旁边回答问题，而要进入这些系统之间的缝隙。它要读懂上下文，触发动作，保留日志，接受审批，还要在异常时停下来。

这就是为什么很多“看起来很简单”的 AI 项目，到了生产环境会变得复杂。不是模型不会说话，而是企业没有把责任、接口、数据、审批和例外处理重新设计好。AI 从 demo 到价值，中间隔着一整套经营系统。

CEO 应该问的不是“有没有 AI 战略”

对 CEO 来说，最有效的问题可以更朴素一点。

• 哪三条流程最值得先改？ 不要从最炫的技术开始，从金额大、频率高、异常多、客户痛感强的流程开始。
• 这条流程今天的成本、时长、错误率、升级率是多少？ 没有基线，就没有 AI 价值。
• AI 进入后，人的角色变成什么？ 是审核、判断、例外处理，还是继续人工搬运？
• 谁拥有这条流程的结果？ 不能让 IT、业务、法务、财务互相等待。
• 如果失败，边界在哪里？ 数据边界、客户边界、金额边界、审批边界要提前写清楚。

一个 80 人公司可以从客服、销售线索、财务对账、内容生产、采购询价开始。一个 8000 人公司可以从应付账款、理赔、供应链预测、员工服务、合同审查开始。规模不同，原则一样：先找高频、可衡量、有明确责任人的流程，再让 AI 进去。

小公司为什么反而有机会

AI 原生创业公司和中小企业有一个天然优势：包袱轻。层级少，系统少，流程改动的政治成本低。老板一句话，第二天就能试。大公司有资源、有数据、有客户，但也有历史系统、组织惯性、合规链条和预算周期。

这不意味着小公司一定赢。小公司最容易犯的错误，是把速度当成混乱的借口。没有数据边界，没有客户告知，没有审批记录，没有成本监控，短期看很快，长期会埋雷。

真正有竞争力的小公司，应该把 AI 当成一个“微型运营系统”来搭：统一账号，统一知识库，统一客户数据边界，统一提示词和工作模板，统一复盘指标。不要等到公司 300 人时再补治理。那时补，成本会高得多。

2026 年的分水岭：从 adoption 到 autonomy in practice

Stanford HAI 的 2026 AI Index 把今年的矛盾说得很清楚：AI 能力、投资和采用都在加速进入经济系统，但治理、评估和理解这些技术的框架正在落后。企业端的真实状态也是这样。每家公司都感到技术在前进，很多人已经开始使用，真正稀缺的是把使用变成经营结果的能力。

所以 12% 不是一个静态排名，而是一条警戒线。它提醒管理者：AI 转型不是买软件，不是做培训，不是组织一场创新大赛。它是一场流程重写、责任重分配、治理重建和价值衡量重建。

未来两三年，advanced 公司会有机会进入 leaders 区间，assisted 公司也可能跳上来。但前提是它们停止把 AI 当成“员工效率小工具”，开始把它当成“企业工作系统”。

一套可以明天开会用的判断标准

• 如果 AI 没有进入生产流程，它只是工具采用。
• 如果没有业务基线，它无法证明价值。
• 如果没有流程负责人，它无法规模化。
• 如果没有中层训练，它无法穿透组织。
• 如果没有代理清单和成本监控，它迟早变成新的影子 IT。
• 如果 CEO 和高管自己不动手体验，就很难理解速度。
• 如果公司等待完整路线图，路线图出来时技术已经换代。

AI leaders 的共同点，不是更会追热点，而是更早把 AI 放到真实工作里，让它面对真实数据、真实责任、真实错误和真实指标。管理层要看的，也不是屏幕上多了几个智能按钮，而是流程有没有少一步，异常有没有少一次，客户有没有少等一天，员工有没有从搬运变成判断。

12% 之外的公司并不缺机会。它们缺的是一个决定：从今天起，不再问“我们有没有用 AI”，而是问“我们哪条流程已经被 AI 改得更快、更稳、更便宜”。这句话问得越早，公司离 leaders 越近。

参考资料

• Genpact, Autonomy by Design: Scaling AI for Enterprise Value, 2026.
• Genpact, Autonomy by Design: Scaling AI for Enterprise Value in Manufacturing, published April 11, 2026.
• Genpact, Autonomy by Design: Scaling AI in Retail for Enterprise Value, published June 23, 2026.
• Stanford HAI, 2026 AI Index Report.