你企业的AI投资，为什么没什么大的效果？

始于咨询.终于因果

六个月前，一个做制造业的朋友花了十五万上AI系统。

两个月前他跟我说：“数据面板装好了，预警设了，报告也自动生成。但说实话——除了开会时候PPT好看了点，利润没涨。”

他问我：“是我买错系统了，还是我根本不该买？”

我翻了一下数据，发现他不是一个人。

40%的企业，“用了等于没用”

2026年5月，SAS和IDC联合发布了一份覆盖28个国家、1600多家中型企业的报告。核心结论就一句话：

61%的企业已经在用AI。但只有21%认为AI带来了显著的业务影响。

剩下的40%，属于“用了等于没用”。

61% 已用 AI，仅 21% 有效

OECD同月发布的G7国家报告得出了一模一样的结论。中国小微企业把AI列为2025年投入最多的技术方向——亚太最高，48%。热情够了，效果不够。 

问题出在哪？

我翻完了SAS、IDC、OECD、Kellogg、MIT CISR的研究，发现了三条共同的线索。

第一条线索：数据基础没打牢

SAS报告明确指出，中小企业AI项目中“最易低估的刚性成本”是数据清洗。一个看似简单的“把三个部门的数对起来”，背后可能是几周的梳理工作。

第二条线索：组织能力的断层

MIT CISR和CCL的研究共同指出了一个被严重低估的问题：企业里缺乏能把“业务问题”翻译成“AI可处理的工作流”的人。不是初级员工，是运营经理、财务主管、产品负责人。他们离业务足够近，但离AI足够远。

第三条线索：工具的碎片化

英国Coders Guild把这种情况叫做“功能试点孤岛”——营销一套AI、客服一套、财务又一套。每个工具都在某个点上提升了效率，但它们之间不对话。结果不是更高效，是更碎片。

每个部门都在用AI给自己修一条高速公路，但这些高速公路之间没有立交桥。

那效果好的21%做对了什么？

答案并不神秘。他们不是买了更贵的AI。他们是先把三件事做好了：

第一件事：统一了关键数据口径

什么叫一次合格产出？什么叫一笔有效销售？全公司用同一套定义说话。

第二件事：建立了“先看数据再说话”的习惯

不是在Excel里存着，是在会议上先看数据、再说问题。

第三件事：选了高频场景先跑通

不是一上来就搞全流程AI，而是先搞定一个每天都发生、规则清晰、出错成本可控的场景——比如低于两万块的常规采购自动审批。

这三件事，加起来花不了一分钱买软件

但它们决定了那61%里剩下的40%，到底是进入21%，还是继续“用了等于没用”。 

一个需要直视的数字

OECD报告里还有一个数字让人心情复杂：

大型企业与中小企业的AI采用差距，从2023年的23个百分点，扩大到了2025年的35个百分点。

这不是差距在缩小，是在加速扩大。

大企业有钱、有人、有数据基础，他们花得起钱做数据清洗、养得起能把业务翻译成AI工作流的团队。中小企业没有这些。但AI工具越来越便宜、越来越易用，中小企业的机会不在于“跟大企业比谁买得多”，而在于“先把自己的路修好”。 

三件你现在就能做的事

第一件：选三个最核心的指标（一次合格产出率、有效销售增长率、异常费用占比），开会前所有人用同一套定义报数据。

第二件：下一次经营分析会上，先让大家看数据、再讨论问题。而不是先问“你觉得问题在哪”。

第三件：找一个每天都会发生的、规则清晰的、错了也影响不大的场景，试试用系统替代人工判断。 

这三件事没有一件需要你花十几万上系统。

但如果你不做，花了十几万也大概率是“用了等于没用”。

关注我，带你升入企业经营智商的提升！