95% 的 AI 没赚到钱，但锅真不在 AI

500 位 CTO 调研揭开的真相：AI 不是不能降本，是企业跨不过"规模化"那道沟

去年底我旁听了一家制造业集团的 AI 复盘会。CTO 把一沓报表摊在桌上，最后一页写着：全年 AI 投入八位数，可衡量回报约等于零。全场沉默了三秒，老板冒出一句："是不是我们模型没选对？" 我当时没接话。后来看到一份 500 位 CTO 的调研，才反应过来——这锅，真不该甩给模型。

反读数据

先拆一个被疯传的误读

六月底，数字工程咨询巨头 Akkodis（埃森哲同级的玩家，Adecco 集团旗下）发了份《What CTOs Think 2026》。样本是 500 名 CTO，隶属于他们对 2000 名 C-suite 高管的大研究。里面有个数字被媒体疯转：CTO 对"规模化 AI"的信心，从 2024 年的 82% 跌到 2026 年的 48%，连续三年往下掉。

很多人拿这数字证明"AI 不行了"。这个读法错了。它测的是"我能不能把 AI 跑通到全公司"，是落地信心，不是"AI 有没有用"。同一份报告里还藏着个反直觉的点：CTO 第一次把"创新"而不是"效率"列为数字化投资的首要驱动力——他们不是觉得 AI 不能提效，是觉得光提效不够了，增长点得往别处找。

报告把企业分成这三类。真正赚钱的，几乎都在第三类。所以那根下滑的信心曲线，跌的是"我能不能把它跑通全公司"，不是"它有没有用"。

两面看数

那 95% 零 P&L，到底是真是假

MIT 的 NANDA 项目说，95% 的生成式 AI 试点，没带来可衡量的利润表影响。BCG 和 KPMG 各自独立调研（2110+ 高管、20 国）说，只有 5%–8% 的企业报告了"规模化可衡量 ROI"。麦肯锡说 88% 在用 AI，但只有 6% 是高绩效（AI 贡献 EBIT 5% 以上）。PwC 问了 4454 名 CEO，56% 说没看到显著财务收益。

数字挺吓人。但你翻到另一面：

Klarna 的 AI 客服一年省了约 6000 万美元；伊莱克斯（Elanco）把采购到付款的查询从十分钟压到十秒以内，手动查询砍掉三到四成；GSK 的服务台三年省了 403 万美元、ROI 150%；新西兰警方把案件处理从两周压到四小时，一年省下 1.8 万小时。

所以真相不是"AI 不能降本增效"，是真的有两极：单点能省一大笔，全公司利润表纹丝不动。问题卡在中间那道沟里。

根因在哪

沟不在模型，在你那张流程图

德勤 2026 的调研有个扎心结论：近一半企业上了 AI，却没重画配套的工作流。麦肯锡的对照更狠——重做端到端工作流的企业，捕获价值的概率高 5.3 倍（32% 对 6%）。

我自己的判断是，大多数公司的"AI 委员会"其实是个免责机构：谁也不得罪，什么试点都批，最后没人牵头把流程真正改一遍。这话绝对了点，但跑过几个项目你就懂。

Lowe's 的 AI 负责人公开讲过一句话我记到现在："这事 70% 是变革管理，30% 是技术。"他们上 AI 助理前先定了两层指标——滞后指标（营收、转化）和先行指标（日活、周采纳率），而不是上线当天就宣布胜利。

很多人把 AI 当贴纸，往旧流程上一贴就完事。贴纸不会自己干活，它只是显得"我们也有 AI 了"。

赢家做对了什么

那 5%–8% 的人，到底不一样在哪

我把 Hackett 今年的企业 AI 获奖案例和国内几个落地项目摞在一起看，共性就两条。

第一，把 AI 嵌进员工已经在用的流程里，而不是另起炉灶。延锋国际把 AI 接进 IT、财务、采购三条线，70% 的重复咨询自动化，响应从小时级变秒级；四维图新用 AI 管项目，一年省了 2500 万；阿维塔把多个智能体接进研发交付物预审，效率拉了 16 倍。

第二，先定"什么算赚"，再上工具。福特的车队团队不先买模型，先做时间动作研究，发现调度经理一周 23 小时耗在行政上——这个数字成了基线，AI 才对着它部署。埃森哲用自己的采购流程做流程挖掘，没减一个人头，光是把采购、财务、税务之间的摩擦显形，一年挤出 3500 万美元营运资金收益。

顺序反了，就是烧钱。顺序对了，AI 才从吞金兽变印钞机。

写在最后

下次老板拍桌子说"不上 AI 就被淘汰"

你可以把这份数据甩过去：不是上不上，是怎么上。 然后问他一句—— 你那套工作流，重画过吗？