《McKinsey〈The State of AI in 2025〉深度解析：從「人人在用」到「少數真懂用」的 AI 臨界點》

—— 基於 1,993 家企業橫跨 105 國的調研再解讀

INTRO｜三年之後，我們終於看清 AI 的真實進度條

自從 2022 年第一批生成式 AI 工具問世，企業界對 AI 的想像就一路從「好玩」走向「必須」。McKinsey 最新發佈的〈The State of AI in 2025: Agents, innovation, and transformation〉，基於來自 105 個國家、1,993 位受訪者的全球調研，其中 38% 來自年營收超過 10 億美金的企業，是目前最具代表性的一份「企業級 AI 實況報告」。

這份報告給了兩個看似矛盾的訊號：一方面，88% 的受訪企業已經在至少一個業務功能中「經常性使用 AI」，比一年前的 78% 又大幅上升；另一方面，近三分之二的企業坦言自己還停留在「實驗或試點階段」，真正進入跨部門 scaling 的不過約三分之一。 AI agents 的熱度同樣如此：62% 的企業至少在實驗智能體架構，23% 在某個功能裡開始 scaling，但在任何單一業務功能中，實際「擴大部署 agents」的比例沒有一項超過 10%。

McKinsey 的一句話點出了 2025 年的詭異狀態：「AI 工具已經無處不在，但真正把 AI 深度嵌進流程、產生企業級財務影響的組織仍是少數。」本文將沿著 McKinsey 調研主線，從六個問題切入：AI 普及到哪裡卡關？Agent 浪潮目前到底落地在哪？為何只有約 6% 的「高績效 AI 領跑者」真正做出 EBIT？這些企業在組織設計、人才與風險治理上到底做對了什麼？最終，我會回到一個核心結論：接下來 AI 的競賽，不再是「誰的模型更強」，而是「誰的組織更可塑」。

一、AI 已經「全公司都在用」，但大多仍困在 Pilot Loop

McKinsey 調研顯示，AI 在企業內部的使用範圍持續擴張：超過三分之二的受訪者表示組織在「多於一個業務功能」使用 AI，一半以上則已在「三個以上功能」中常態化運用。AI 不再是某個創新小組的玩具，而是進入 IT、行銷、服務營運、知識管理等日常工作場域。如果只看「有沒有用上 AI」，2025 年已經可以說是一個「AI 普及年」。

問題在於，這種普及更多停留在「功能層」，而非「流程層」。在那些已經使用 AI 的企業中，約三分之二仍處在「實驗」或「試點」階段，真正進入 scaling（也就是跨部門、跨流程地擴大部署）的只有約三分之一。大型企業的差距尤其明顯：營收超過 50 億美金的公司中，接近一半已進入 scaling 階段；而營收低於 1 億美金的公司，僅有 29% 邁過這個門檻。這說明，AI 目前在多數組織內，仍是一連串「漂亮的 use case」，而不是被重構過的 end-to-end 流程。

這種狀態可以用一個關鍵詞概括：Pilot Loop——企業不斷在不同部門做概念驗證、PoC、試點專案，每一個看起來都「有點成效」，卻始終沒有形成可重複、可擴張的產品化與平台化能力。McKinsey 的數據背後，反映的是三個結構性瓶頸：第一，數據與技術債——缺乏統一的 data foundation 和現代化架構，讓 AI 永遠只能停在 demo；第二，流程沒有重新設計——只是「在舊流程裡加一個 AI 工具」，而不是為 AI 重新設計工作流；第三，缺乏明確的 scaling 策略與優先順序——每一個部門都在做自己的 AI 專案，卻沒有人負責把它們「拉到企業級」。

換句話說，今天「會做 AI 專案」已經不稀奇，真正稀缺的是「能把 AI 專案變成企業基礎設施」的能力。

二、Agentic AI 的現況：從「會回答」到「會行動」，但仍停在單點突破

這份報告最受關注的部分之一，是對 AI agents 的實際採用狀況。McKinsey 將 agents 定義為「基於基礎模型、能在真實世界中行動、可以自主規劃並執行多步驟工作流程的系統」。調研顯示，23% 的企業已在至少一個業務功能中進入「agent scaling 階段」，另有 39% 正在實驗。看起來，agent 已經邁出企部署的第一步。

然而，將視角拉到「功能顆粒度」，圖像就變了樣：在任何一個業務功能裡（IT、知識管理、軟體工程、客戶服務、行銷等），真正達到「scaling 或 fully scaled」的比例都沒有超過 10%。即使在 agent 應用最活躍的 IT 與知識管理，能說自己已經在 scale 的企業也只是少數。 McKinsey 團隊在評論中直接點出這個落差：關於 agents 的敘事已經非常熱，但真正把它做對、做深，其實是極耗功夫的工程。

如果從架構視角來看，agent 的關鍵轉變是：AI 正在從「會回答問題的助手」，變成「能接任務、懂拆解、會調用工具的 workflow executor」。這種轉變對企業提出了三個新要求：第一，流程標準化——沒有清晰的流程節點與輸入輸出定義，agent 只會在混亂中「瞎忙」；第二，系統介面現代化——legacy 系統缺乏 API、權限與審計設計，會讓 agent 卡死在中間層；第三，風險與邊界治理——一個能「自動執行」的 agent，如果缺乏可觀測性與停損機制，很可能會在錯誤方向上跑得更快。

因此，眼下我們看到的，是企業先在相對封閉、風險可控、流程清晰的場景試水：IT 服務台、內部知識檢索、軟體工程輔助、部分產品研發流程等。這些領域既有足夠的數據與工具鏈，又能比較容易設置安全邊界，適合作為 agent 採用的「第一戰場」。下一步，企業若想真正進入「多 agent 串聯、驅動 end-to-end 流程」的階段，就必須把 agents 當成新一代的「動態中介層」來設計，而不只是聊天機器人的高配版。

三、只有約 6% 的「AI 高績效者」，真正把 AI 變成 EBIT

McKinsey 在報告中特別抽出一個群體：AI high performers——這些企業有兩個條件同時成立：（1）超過 5% 的 EBIT 可歸因於 AI；（2）內部評估「從 AI 獲得了顯著價值」。這樣的公司在樣本中約佔 6%，是目前真正「把 AI 玩成生意」的一小撮人。

這群企業最明顯的特徵，不在技術，而在「企圖心」。high performers 比其他公司高出 3.6 倍的機率，會說自己打算用 AI 帶來「企業級的變革性改變」，而不只是漸進式優化。除了幾乎全部把效率當成 AI 目標之外，他們也顯著更常把「成長」與「創新」列為同等重要的目標——簡單說，他們不是只拿 AI 來「省錢」，而是同時在追「多賺」與「做新的」。

更關鍵的是，high performers 對「工作流程」下手非常重。55% 的 high performers 表示，他們在導入 AI 的過程中「從根本上重新設計了工作流程」，是其他企業的 2.8 倍。這裡的差異，幾乎就是「把 AI 當 plug-in」跟「為 AI 重構系統」的分水嶺：前者是讓員工在原本的流程裡多用一個工具；後者則是從頭問一遍——如果假設今天我們有一個能力邊界完全不同的智能系統，我們還會用同樣的流程嗎？

另一方面，high performers 的領導層態度也完全不同。48% 的 high performers 受訪者「非常同意」管理高層對 AI 項目展現出明確 ownership 與長期承諾，包括親自 role model 使用 AI、持續為 AI 優先排布預算，而其他企業只有 16% 有同樣感受。 McKinsey 進一步用 Rewired 框架拆解這些公司的共同行為：他們更可能具備清晰的 AI 願景與 road map、更成熟的技術與數據基礎設施、更完整的 human-in-the-loop 機制、以及更敏捷的產品交付與 KPI 追蹤。

用一句話總結：high performers 贏在組織，而不是贏在模型。真正把 AI 用出 EBIT 的，不是那個「跑出最好 demo」的人，而是那個願意為 AI 改寫流程、改寫組織、改寫領導行為的人。

四、AI 的真實 ROI：職能層有收穫，企業級 EBIT 仍然稀缺

如果只看「財務指標」，AI 的成效似乎沒有想像中耀眼。只有 39% 的受訪者表示，AI 在過去一年對企業整體 EBIT 產生了任何程度的影響，而且在這些人之中，多數認為「可歸因於 AI 的 EBIT 佔比低於 5%」。這就是為什麼很多高層會問：我們砸了這麼多錢在 AI 上，為什麼財報上看不到太明顯的線性回報？

但如果把鏡頭拉近到「業務功能層」，畫面就豐富許多。McKinsey 的數據顯示，在軟體工程、製造與 IT 這三個功能中，受訪者最常看到 10–20% 甚至超過 20% 的成本下降；而在行銷與銷售、策略與企業財務、以及產品與服務開發中，則有更多人提到超過 10% 的營收成長來自 AI 使用。也就是說，職能級 ROI 已經非常實在，而企業級 EBIT 還在「整合中」。

McKinsey 還問了一組更有趣的問題：除了金額，你覺得 AI 對企業整體有哪些「質性的影響」？結果 64% 的受訪者認為 AI 提升了組織的創新能力，45% 認為對員工與客戶滿意度有正面影響，36% 感覺競爭差異化有增強。這其實揭示了另一個事實——AI 的很多價值，目前仍以「改善創新速度與體驗」的方式存在，而不是立即被折算成 EBIT。

從 FIL 的視角來看，這裡可以做兩點補充：第一，多數企業目前的 AI 價值仍是「點狀用例」堆疊，而不是「平台化能力」疊加，所以在部門帳上看得到好處，在企業的 P&L 上就被沖淡掉了；第二，AI 帶來的很多好處是「乘法」，會跟其他變化（產品策略、組織再造、市場環境）交織在一起，難以被簡單歸因。真正的關鍵是：你是否有一個明確的路徑，能把這些零散的職能成果，轉換成可持續的企業級競爭優勢。

五、人才版圖：從「會寫程式」轉向「會設計人機協作」

談到 AI 對就業的影響，McKinsey 的數據呈現的是一個「分裂的預期」。在未來一年，32% 的受訪者預期 AI 會讓公司總人數減少 3% 以上，13% 則預期會增加 3% 以上，多數人則認為「整體人數變化不大」。如果把視角拉到功能層，McKinsey 發現過去一年實際經歷 3% 以上減員的功能中位數約為 17%，但預期「明年會因 AI 減員」的中位數已經來到 30%。也就是說，大家對未來的調整預期，明顯比過去一年的實際變化更劇烈。

有趣的是，即便如此，多數企業同時也在大量招聘 AI 相關人才，尤其是大型企業。年營收超過 10 億美金的公司，比小公司更常招聘 data engineers、software engineers、ML engineers、data architects 與 AI product owner / manager 等角色。同時，像是 prompt engineer、AI ethics specialist、AI compliance specialist、以及「translator」——也就是能把 business 問題轉譯成 data / AI 問題的人——都已經出現在招聘清單上，只是仍屬早期。

這背後的結構很清楚：一方面，entry-level 的「重複性技術工作」會被 LLM 迅速侵蝕，例如基礎 SQL 撰寫、簡單 ETL、樣板程式碼生成等；另一方面，那些能夠設計人機協作結構的人，變得愈來愈關鍵。McKinsey 在評論中用「hybrid intelligence」來描述這種新分工——真正創造價值的，不再是單純「更多 AI」，而是「如何讓有領域知識的人，用對 AI，在對的節點介入判斷」。

對企業來說，這意味著人才策略必須至少往三個方向重構：第一，從「堆技術人」轉向「技術 + 業務 + AI translator」的混合編制；第二，為不同角色設計 AI upskilling 路徑，而不是把「學 AI」丟給員工自己摸索；第三，在 workforce planning 裡正視 AI 對職務結構的影響——哪些工作會被重寫，哪些會變成「AI 驅動下更有槓桿」的核心職務。high performers 在這三點上，已經明顯走在前面。

六、風險與治理：真正的護城河是「能安全 scale 的能力」

隨著 AI 滲透到更多關鍵業務，風險不再是抽象的討論，而開始變成具體的事故。這次調研中，51% 的受訪者表示組織在過去一年至少經歷過一次 AI 帶來的負面後果，其中最常見的是「不準確」（約三成受訪企業曾遇到），其次是合規、聲譽、個人隱私與未授權行動等風險。

好消息是，企業在風險治理上的行動也在加速。2022 年的調研中，平均每家公司只主動管理約 2 種 AI 風險；到了 2025 年，這個數字已經上升到 4 種。最常被納入治理清單的是不準確、資安、個人隱私與合規風險。然而，另一個耐人尋味的發現是：儘管「可解釋性」（explainability）已經成為第二常被提到的實際風險，但真正針對它採取治理措施的企業比例，仍然落後於其他風險項目。

更有意思的是，high performers 其實「更常」遭遇 AI 負面後果，尤其是智慧財產權與監管相關的風險——原因很簡單，他們把 AI 用在更關鍵、更複雜的場景，自然會踩到更多雷。但同時，他們也比其他企業更積極地在多個風險項目上佈防，包含更嚴謹的 human-in-the-loop 設計、更清晰的輸出驗證流程、更集中化的 AI 治理架構。

McKinsey 將這些實務整理成一套「管理實踐清單」，並用 Rewired 的六大維度（策略、人才、 operating model、技術、數據、adoption & scaling）去看哪些行為最能區分 high performers。排名特別靠前的，包含：清楚定義何時需要人類驗證模型輸出、把 AI 嵌入實際業務流程而不是停在原型階段、建立集中化治理團隊、以及讓高層積極參與並示範使用 AI。這些實踐的共同底色是：真正的護城河，不是「能不能做出更強的 AI」，而是「能不能讓 AI 在一個有邊界、有審計、有糾錯機制的框架中運作」。

從 FIL 的視角看，這其實預示了一個重要趨勢：未來談 AI 競爭優勢，很大一部分是「治理能力的競賽」。你能否同時做到兩件事——一邊勇猛試錯、一邊讓錯誤有邊界——將決定你能走多快、多遠。

結語｜AI 的下一場仗：從「用 AI」到「成為 AI 原生組織」

McKinsey 這份基於近 2,000 家企業的調研，給 2025 年的 AI 熱潮潑了一盆冷水，同時也指出了一條更清晰的前進路徑。一方面，我們確定 AI 已經跨過「是不是要用」的討論——88% 的企業在至少一個功能裡常態使用 AI，agents 也開始在 IT、知識管理等領域試水。另一方面，我們也必須承認，大多數組織還停在 pilot loop、中看不太中用，真正把 AI 變成 EBIT 的 high performers 仍是少數。

這些 high performers 用行動證明了一件事：下一階段的競爭，核心不在技術，而在組織可塑性。你是否願意把 AI 當成重構業務的引擎，而不是一個加在既有流程上的插件？你是否願意把 agents 當成新一代「數位員工」來設計工作合約、責任邊界與績效指標？你是否願意為 AI 重寫人才結構與治理機制，而不是把所有風險推給某個資料科學小組？

從 FIL 的角度，我們會把這場轉型濃縮成三個提問，留給每一位正在思考 AI 的領導者與決策者：

如果不重寫流程，你的 AI 專案最多能帶來多少 EBIT？
如果不重寫組織，你的 agents 到底能走出多大範圍的 sandbox？
如果不重寫人才結構，你又要靠誰來設計未來的人機協作？

技術領先，已不再是充分條件。真正的護城河，是你能否在足夠短的時間內，讓組織完成一次「AI 原生化」的 rewiring——把 AI 從工具，變成結構。

原文鏈接

https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai#

作者

David Yang（楊閎）｜Future Insights Lab 發起人。長期書寫《AI 未來反思錄》，關注 Agentic Commerce、AIGC、資料方法與組織更新。

了解更多 → 關於作者
https://future-insights-lab.com/about/

Keywords：

McKinsey State of AI 2025、AI agents、Pilot Loop、High performers、Rewired、企業級 EBIT、AI 人才策略、Hybrid intelligence、AI 風險治理、組織可塑性