董事会对人工智能投资提出的问题已经改变。"我们在用吗？"已被"这项投资为利润贡献了什么？"所取代。McKinsey于2026年8月25日发布的《2026年人工智能现状》调查清楚地说明了这一问题的答案为何仍不明朗：员工表示从人工智能中受益，但这种收益并未以同样速度体现在公司的财务报表中。
本文探讨该调查关于生产率与利润差距的发现、少数成功缩小这一差距的组织有何不同做法，以及土耳其企业高管可以从中汲取的经验。
关于该调查
该在线调查于2026年5月4日至6月8日进行，来自97个国家的1,719名参与者作答。其中36%的参与者就职于年收入超过10亿美元的组织。为平衡各国应答率的差异，McKinsey表示已按各国在全球GDP中的占比对数据进行加权。因此，这些数字并非组织的实测财务结果，而是参与者的自述。
对个人影响显著，对组织则持平
在个人层面，情况是积极的。在参与者中，80%表示人工智能提高了自身生产率，50%表示人工智能帮助他们做出了更好的决策。据McKinsey称，这些影响在管理层和专业人员层面惊人地相似。不过，并非所有人的体验都是积极的：47%的中层管理者和专业人员报告了至少一项与人工智能相关的负面影响，而高级管理人员中这一比例为31%。
然而在组织层面，进展有限。报告人工智能对息税前利润（EBIT）有正面贡献的受访者比例为37%，与去年相比实际上没有变化。而且，这种停滞发生在企业范围内规模化应用人工智能的组织比例不断上升之际。报告在全企业范围规模化应用的比例在一年内从38%升至44%，在三个或以上业务职能中使用人工智能的比例从51%升至56%。
简而言之，人工智能正扩展到更多部门和更多员工，但利润线并未以同样速度上升。
财务影响体现在哪里？
未报告全企业EBIT影响的参与者也表示，他们在特定职能中看到了财务影响。成本降低最常被报告于供应链管理、服务运营和制造领域，而收入增长最常被报告于市场营销和销售，其次是产品和服务开发以及软件工程。
这一发现提供了重要线索：价值在特定流程中具体地产生，但如果分散存在，就无法转化为公司层面有意义的利润影响。
成本如今是一个设计问题
今年调查新增的重点之一是运营成本。约五分之一的参与者表示，人工智能运营成本（包括token成本）限制了其在组织中的使用。尽管如此，投资意愿依然持续：28%的参与者表示将超过10%的信息和通信技术预算分配给人工智能，60%预计明年投资将增加。
另一项值得关注的发现是，软件开发智能体正在影响采购决策。在调查中，32%的参与者表示，由于能够借助基于智能体的编码工具自行开发，其组织至少放弃了一项软件产品或功能的采购。这表明人工智能不仅是一项成本，也是改变技术预算分配方式的因素。
高绩效者有何不同？
McKinsey将至少5%的EBIT归因于人工智能并表示从中获得"显著"价值的组织定义为"高绩效者"。这一群体的占比约为6%，与2025年相同。调查指出了该群体区别于其他组织的几项明显差异：
- 目标不只是效率。 两组中约80%的参与者都以效率为目标；但大多数高绩效者还加入了增长和/或创新目标。他们在未来三年内以人工智能从根本上变革业务为目标的可能性高出3.3倍。
- 重新设计流程，而非在现有流程上叠加。 约四分之三的高绩效者表示已因人工智能而从根本上重新设计了工作流；去年这一比例为55%。在其他参与者中，这一比例仅约四分之一。
- 领导层负责与衡量。 他们表示高层管理者致力于人工智能项目、且已设定衡量影响流程的可能性是其他组织的两倍。
- 主动管理风险。 他们针对技术漏洞被利用、未经授权或非预期操作等风险采取防范措施的可能性明显更高。
在McKinsey看来，这一群体的优势无法用预算来解释；关键在于方法的一致性。根据报告的解读，真正的制约因素越来越不是技术，而是组织吸收变革的能力。报告建议组织不要堆积工具或试点，而应建立一种可复制的能力，将这些努力转化为新的工作方式。
劳动力方面的预期并未实现
生产率与利润之间的差距也体现在劳动力预测上。在去年的调查中，32%的参与者预计人工智能会减少劳动力；今年，仅有14%报告过去12个月出现了实际减少。三分之二的参与者表示可归因于人工智能的总就业人数没有变化或变化甚微。这表明，生产率提升并不会自动转化为产能和成本的变化，只有通过有意识地重组岗位和工作流才能实现。
对土耳其企业高管的启示
这些发现来自全球样本，且依赖参与者的自述；即便如此，它们仍为土耳其的中大型组织提出了具有指导意义的问题：
- 从一开始就确定指标。 个人生产率提升的感受很有价值，但要看到利润影响，必须在实施前记录时间、错误率、成本或收入等可衡量指标。
- 着眼于工作流，而非工具。 将人工智能作为现有流程中多出来的一步，还是从头重新设计流程，是调查中区分绩效的关键因素之一。
- 规划节省下来的时间用于何处。 如果生产率提升没有配套的岗位、产能和工作分配决策，就可能无法体现在财务结果中。
- 将运营成本纳入投资决策。 随着使用量增长，token和基础设施成本也会增长；应从一开始就在用例层面建立成本效益跟踪。
- 将风险管理纳入规模化过程。 随着范围扩大，未经授权的操作和安全漏洞等风险会更加显现。
结论
McKinsey 2026年调查表明，人工智能在员工层面创造了价值，但在组织层面将其转化为利润并非自然而然。决定差异的是将目标拓展到效率之外、重新设计工作流，以及有纪律地衡量影响。
从Orient Global的角度看，实用建议是：在增加新工具之前，选定一两个预期会产生利润影响的端到端流程，并记录这些流程当前的成本和时间数值。定期对照这些基线数值审视人工智能投资，有助于更好地决定扩展什么、停止什么。
来自物流领域的说明。 供应链管理是受访者最常报告成本降低的职能之一，也是Orient Global一位顾问十分熟悉的领域。在运营、物流和供应链领域30多年的职业生涯中，他曾在一家规模约10亿美元的技术分销企业端到端负责物流、仓储、技术服务和行政运营，管理全国范围的仓储和运输运营，并通过以KPI为导向的项目带领100多人的团队。物流工作所培养的，正是本文所建议的习惯：在改变流程之前记录其基线成本、时间和错误率；重新设计流程，而不是简单加一个步骤；事先决定释放出来的产能用于何处。了解我们的顾问。
#interimmanagement #forwarddeployedengineering