三份報告敲了同一面鼓——企業AI的預算在漲，但「兩層皮」越來越厚

6月第一週，德勤更新了《企業AI現狀》報告。同一天，畢馬威發佈了「AI+製造」專項行動的半年追蹤。再加上貝恩6月1日那份被反覆轉發的AI預算調研——三份報告，各自獨立調研，說的是同一件事。

企業AI的投入正在變成一場「信仰充值」：預算年年漲，信心條條滿，但帳本上的數字紋絲不動。

三份報告，三個維度，一個結論

先把數據攤開。

德勤調研了全球24個國家、3235名企業高管。66%的企業說AI幫他們提了效——這是好消息。但往下翻，只有34%的企業真正用AI重構了業務。也就是說，三分之二的企業至今還在用AI優化現有流程，而不是用AI重新想一遍"這個業務到底該怎麼做"。

更扎心的數字藏在治理那一頁：只有20%的企業有成熟的自主AI智能體治理模型。五分之一。而德勤預計未來兩年Agentic AI的使用量會大幅上升——模型在跑，規則沒跟上。

畢馬威盯著製造業看了半年。八部門「AI+製造」專項行動從去年12月發文到現在，落地情況怎麼樣？49%的製造企業說已經拿到了AI的商業價值。聽起來不錯。但報告裡藏著一組讓人看了想撓頭的數字：83%的企業認為自己搭好了AI數據底層，76%的企業同時承認——數據是最大的風險。

83% vs 76%83%的企業自認數據體系完善，76%坦言數據是最大瓶頸——畢馬威稱之為「信心與能力的錯位」

這兩個數字放在一起，畢馬威給了一個很準的表述："信心與能力的錯位"。說白了，很多企業在填問卷的時候覺得自己數據搞得不錯，一到真要跑模型的時候才發現——系統沒打通、主數據沒清洗、實時數據流斷在中間某台服務器上。

貝恩的報告則是直接算帳。951家年營收超過1億美元的大企業，90%還在增加AI預算，但只有4%的企業省了超過30%的錢。40%的企業連10%都省不到。貝恩的標題下得很直白，翻譯過來就是："你的AI預算在漲，你的回報沒漲。原因在這裡。"

AI預算在增加的企業90%省下超過30%成本的企業4%

三份報告，三組數據，指向同一個問題：戰略上的信心，和執行上的能力，中間隔著一條相當寬的溝。

不是技術不行，是組織沒跟上

德勤報告裡有一個細節我反覆看了幾遍：2026年，更多企業（42%）認為自己AI戰略準備度「較高」——比往年高了。但與此同時，企業在基礎設施、數據、風險、人才這些運營層面的準備度反而下降了。

什麼意思？就是領導層覺得"我們準備好了"，但中層和一線覺得"你準備好啥了？"

德勤把這叫做"戰略與運營準備度的脫節"。我換個說法：這是PPT準備好了，產線沒準備好。

貝恩報告印證了同一個判斷。他們發現，44%的企業在用「預期中的AI節約」來支撐新的AI投入——先假設AI能省多少錢，再拿這個假設去申請下一筆預算。這個循環一旦建立，沒人敢停下來問一句：前面那筆錢到底省沒省？

貝恩報告原話：技術跑通了，價值沒到來。問題的根不在模型，在組織。

畢馬威的製造業數據把這個「組織問題」具體化了。

這些案例的共同點是什麼？技術跑通了單點，但規模化複製的瓶頸不在模型精度，在數據治理、在老師傅的經驗能不能結構化、在不同工廠之間的系統能不能對齊。

89%的製造企業高管認為，「管理AI智能體」將是五年內最核心的職場技能。我覺得這個數字反過來讀更有信息量——今天，只有極少數企業真的有會管AI的人。

給CIO的三條操作建議

三份報告看下來，我總結三條對企業數位化負責人直接有用的判斷：

第一，先回答"省沒省錢"再談"變不變革"。貝恩的數據很清楚——只有4%的企業省了超過30%。如果你還沒到這條線，別急著講"AI驅動業務重構"的故事。先把一個具體的、可量化的省錢場景跑通。智能質檢省了多少人工？排程縮短了多少換線時間？把這個數字釘死在牆上，再去申請下一筆預算。

第二，數據治理不是「先搞完再上AI」，是「邊搞邊還債」。畢馬威報告裡83%說數據OK但76%說數據是瓶頸——說明多數企業搞的不是真正的數據治理，而是數據台賬。主數據沒統一、實時數據流不通、歷史數據格式不一致，這些問題不會因為買了一個大模型就自動消失。每上一個AI場景，順手修一段數據管道，這是唯一現實的路徑。

第三，智能體治理現在就要建。德勤說只有20%的企業有成熟的Agent治理模型。這意味著80%的企業正在把AI智能體放進業務流程，但沒有規則約束它們。不是危言聳聽——IDC之前預測過，2028年全球將有13億AI智能體在運行，88%的企業已經遭遇過智能體安全事故。治理這件事，等到出事再建就晚了。

最後說一句很直白的話：2026年，企業AI的分水嶺不是「用不用AI」，而是「敢不敢說清楚花了多少錢、省了多少錢」。三份報告已經幫你說清楚了——大部分企業還不敢。