德勤中国与麦肯锡近日相继更新了各自的企业AI应用报告。将两份报告放在一起看，数据颇为刺眼。
德勤表示：9%的人工智能项目产生负回报，只有4%的企业真正实现了转型目标。
McKinsey says: 88% of enterprises have normalized the use of AI in at least one function, but only 6% have become "high-performing enterprises"—that is, those that truly make money from AI, and make a lot of it.
德勤看中国，麦肯锡看世界，两份报告指向同一个结论：AI被大张旗鼓地使用，但真正的金钱回报只属于极少数公司。
德勤指数：投资回报率通常被高估
德勤中国与香港大学联合发布的《2026企业AI应用指数》调查了来自24个国家的3200多名企业IT领导者，其中有几个数字相当直白：
23% 正常使用AI，但业务转型尚未开始——意味着“用了，但没有得到回报”9% AI项目最终因隐性成本激增和业务中断而产生负回报——不仅没赚钱，反而亏了钱4% 真正实现了AI转型目标，业务模式发生了实质性变化49% AI项目缺乏明确的成功定义，意味着“做了，但不知道算不算成功”
德勤在报告中直接指出：企业对AI项目投资回报的期望普遍高于实际交付水平。其中一部分是“表演式AI”——部署几个聊天机器人，制作几个AI生成的数据看板，对外宣称已“完成智能化转型”，但对EBIT的贡献率不足1%。
此类企业在德勤样本中占比23%。
麦肯锡“6%高绩效企业”是什么样的
麦肯锡对“高绩效企业”的定义十分严格：息税前利润因人工智能增长超过5%，且人工智能已被用于创造“显著”价值。按照这一标准，全球仅有6%的企业符合条件。
但这6%的企业所做的事情，与其余94%的企业有着根本性的不同：
| 尺寸 | 高绩效企业（6%） | 其他企业（94%） |
|---|---|---|
| AI颠覆性转型计划 | 超过其他企业的三倍 | 大多数仍处于试点阶段 |
| 工作流程的根本性重构 | 其他机构的三倍 | Superimpose AI on the original process without changing the process |
| 大规模部署智能代理 | 超过其他组织的三倍 | 绝大多数仍处于实验阶段 |
| AI使用案例数量 | 是其他企业的两倍 | 分散在几个函数中，未进行横向扩展 |
| 数字预算正被投向人工智能 | 超过三分之一的企业将超过20%的预算用于人工智能 | Only 1/3 of enterprises have reached this level |
| AI has been/is being deployed at scale | 74% | 33% |
这张表背后的逻辑是：高绩效企业并非简单地“使用”更多AI工具，而是重组业务流程，将AI嵌入价值创造的核心，而非将其附加在现有工作流程的表面。
McKinsey specifically highlighted a detail: high-performance companies more frequently conduct "fundamental restructuring" of their work processes, rather than layering AI capabilities on top of existing processes. In plain language, this means — you cannot simply slap a layer of AI onto outdated processes and expect it to become smart.
中国企业的特殊地位
McKinsey's report specifically lists data for mainland China, with several figures differing from the global average:
83%的中国企业在至少一项职能中常态化使用生成式AI（全球平均：78%）；45%的中国企业已实现AI的大规模或全面部署（全球平均：38%）；93%的国内职场受访者使用AI工具（全球平均：58%）——以上数据来自“AI+”全面实施背景下的调研。
三个数字指向同一个方向：中国企业在人工智能渗透率方面领先全球，但“大规模部署”的比例仅比全球平均水平高出7个百分点。换言之，使用的人多，但不一定运行顺畅的也多。
这与德勤“仅4%真正实现转型成功”的指数并不矛盾——许多中国企业已采用AI工具，但尚未完成业务流程的重构。用麦肯锡的话说，从“至少在一个职能中常规使用AI”到“实现大规模AI部署”之间，仍存在显著障碍。
"表演式人工智能"的典型症状
将这两份报告放在一起阅读，可以发现“表演式人工智能”的几种典型症状——看看贵公司是否也中招了：
- 部署聊天机器人就算数字化转型：客服、人力资源和IT服务台各自配备一个对话机器人，随后发布新闻稿宣布“全面拥抱AI”。根据德勤的数据，这类企业占比相当可观。
- AI项目缺乏明确的成功定义：49%的企业不清楚什么才算“AI项目成功”——是用户参与度？成本降低？还是收入增长？没有定义，就无法衡量；无法衡量，就无法优化。
- 将AI“粘贴”到原有流程上：麦肯锡指出，94%的非高绩效企业正在这样做。正确的做法是用AI重新设计流程，而不是在旧流程之上叠加AI工具。
- 未计算隐性成本：德勤指出，9%的人工智能项目最终产生负回报，主要原因是数据清洗、模型微调、人员培训和系统集成等隐性成本在项目初期被严重低估。
两份报告得出了一个共同结论：人工智能从“试点”走向“规模化”的最大瓶颈并非技术成熟度，而是组织的执行能力。技术已经就绪，但企业内部流程、人才和激励机制尚未跟上。
给CIO的一句话建议
If you are planning your AI budget for the next year, data from Deloitte and McKinsey provides a very direct reference framework:
- 首先问：“如果这个AI项目成功，EBIT能增加多少？”然后再选择技术路线；
- 如果答案是“不确定”或“低于1%”，那么这个项目很可能只是表面文章；
- 高绩效企业的实践是：选择1-2个核心业务流程，用AI彻底重构，一旦跑通，再横向扩展；
- 不要在每个职能部门各启动一个人工智能试点项目——这正是94%的公司所做的事情，也是大多数企业人工智能转型停滞不前的原因。
归根结底：AI转型的终局不是“我们用了AI”，而是“因为AI，我们的商业模式发生了根本性改变”。德勤的4%和麦肯锡的6%就是已经达到这一点的企业。其余90%以上仍在路上。
Deloitte China × University of Hong Kong "2026 Enterprise AI Application Index" (May 2026) McKinsey "2026 AI Application Status Survey" (Chinese version, updated May 2026) "China Business Journal" (May 23, 2026)
