德勤中国与麦肯锡近日相继更新了各自的人工智能企业应用报告。将两份报告放在一起看，数据颇为触目惊心。
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。
Deloitte Index: ROI is generally overestimated
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负责人，其中几个数据相当直白：
23% 正常使用AI，但業務轉型尚未開始——意味著「用了，但沒有得到回報」9% AI專案最終因隱藏成本激增和業務中斷而產生負回報——不僅沒賺錢，反而虧錢4% 真正實現了AI轉型目標，商業模式發生實質性改變49% AI專案缺乏明確的成功定義，意味著「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项目投资回报的预期普遍高于实际交付水平。其中一部分属于“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，便对外宣称已“完成智能化转型”，但对EBIT的贡献率不足1%。
此類企業佔德勤樣本的23%。
麥肯錫「6%高績效公司」的樣貌
McKinsey對「高效能企業」的定義十分嚴格：EBIT因AI而增長超過5%，且AI已被用於創造「顯著」價值。按照此標準，全球僅有6%的企業符合條件。
但這6%的企業所做的事情，與其餘94%的企業有根本上的不同：
| 尺寸 | 高效能企业（6%） | 其他企业（94%） |
|---|---|---|
| AI顛覆性轉型計劃 | 超過其他企業三倍以上 | 大多数仍处于试点阶段 |
| 工作流程的根本性重組 | 其他機構的3倍 | 在不改變流程的情況下，將AI疊加於原始流程之上 |
| 大規模部署智慧代理 | 超過其他組織三倍以上 | 絕大多數仍處於實驗階段 |
| AI 使用案例數量 | 是其他企业的两倍 | 分散在幾個函式中，未進行水平擴展 |
| 數字預算正被導向人工智慧 | 超過三分之一的企業將超過20%的預算分配給人工智慧 | 僅有三分之一的企業已達到此水準 |
| AI已大規模部署/正在大規模部署 | 74% | 33% |
此表背后的逻辑是：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，而非将其附着于现有工作流程的表面。
McKinsey特別強調了一個細節：高效能公司更頻繁地對其工作流程進行「根本性重組」，而不是在現有流程之上疊加AI能力。用白話來說，這意味著——你不能單純地在過時的流程上貼一層AI，然後期望它變得聰明。
中國企業的特殊地位
麥肯錫的報告特別列出了中國內地的數據，其中幾項數字與全球平均有所不同：
83%的中国企业至少在一种职能中经常使用生成式AI（全球平均水平：78%）；45%的中国企业已实现AI的大规模或全面部署（全球平均水平：38%）；93%的国内职场受访者使用AI工具（全球平均水平：58%）——来自“AI+”全面实施下的调查数据
Three numbers point in the same direction: Chinese enterprises lead the world in AI penetration, but the proportion of "large-scale deployment" is only 7 percentage points higher than the global average. In other words, many people use it, but not necessarily many have it running smoothly.
這與德勤「僅4%真正實現轉型成功」的指數並不矛盾——許多中國企業已採用AI工具，但尚未完成業務流程的重構。用麥肯錫的話來說，從「至少在一個職能中常規使用AI」到「實現大規模AI部署」之間，仍存在重大障礙。
「表演式AI」的典型症狀
综合阅读这两份报告，可以发现“表演式人工智能”的几个典型症状——看看贵公司是否也中招了：
- 部署聊天機器人就算數位轉型：客服、人資、IT服務台各配一個對話機器人，接著發新聞稿宣稱「全面擁抱AI」。根據Deloitte的數據，這類企業佔了相當大的比例。
- AI專案缺乏明確的成功定義：49%的企業不清楚什麼構成「AI專案成功」——是用戶參與度？成本降低？還是營收成長？沒有定義，就無法衡量；沒有衡量，就無法優化。
- 「把AI『貼』在原流程上」：麥肯錫指出，94%的非高績效企業都在這樣做。正確的做法是以AI重新設計流程，而非在舊流程上疊加AI工具。
- 未計算隱藏成本：Deloitte指出，9%的人工智慧專案最終產生負回報，主要原因是資料清理、模型微調、人員培訓和系統整合等隱藏成本在專案初期被嚴重低估。
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。
給CIO的一句話建議
如果您正在规划下一年的AI预算，德勤和麦肯锡的数据提供了一个非常直接的参考框架：
- 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功夫；
- 高績效企業的做法是：選擇1-2個核心業務流程，用AI徹底重構，一旦成功，再橫向擴展；
- 不要在每个职能部門都啟動一個AI試點項目——94%的公司都是這樣做的，而這正是大多數企業AI轉型停滯不前的原因。
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公司。其余90%以上的公司仍在路上。
德勤中國 × 香港大學《2026企業AI應用指數》（2026年5月）麥肯錫《2026年AI應用現狀調查》（中文版，2026年5月更新）《中國經營報》（2026年5月23日）
