过去三年,全球企业在生成式AI上的投入累计达300–400亿美元量级。MIT NANDA项目2025年的研究给出了冷峻的结论:约95%的企业级AI试点项目没有产生可衡量的损益表影响。麦肯锡覆盖105个国家、近2000家机构的调研从另一端印证:88%的企业已常态化使用AI,真正实现显著价值的高绩效企业只占6%。中国市场的图景一致——46%的企业已规模化应用生成式AI,仅9%实现了显著成果(埃森哲中国企业数字化转型指数,2025)。
鸿沟是结果,裂缝是路径。综合麦肯锡、36氪研究院与HBR的研究,AI投资的价值流失集中发生在四个环节:场景选错(约50%预算流向低ROI的前台场景,后台自动化才是价值高地)、流程没动(AI只是旧流程上的插件,80%使用者无显著价值提升)、数据撑不住(80%企业视数据短板为规模化首要障碍)、组织没接(40.5%企业遭遇内部推行阻力;员工真实使用率是管理层认知的3倍)。
鸿沟另一侧的6%,分属不同行业与规模,做法却高度一致——可归结为五个共同选择:
报告提出中国企业跨越AI价值鸿沟的四阶段路线图:定方向(明确AI定位与价值场景排序)→ 验场景(聚焦一个高价值场景做深度试点并重构流程)→ 筑地基(数据分层升级与人才三维培养,与试点并行)→ 规模化(扩展到1–3个核心领域,让AI成为损益表上可见的变量)。三条原则贯穿始终:价值先行、70%原则、快进快出。
在启动或追加任何AI投资之前,管理层应先回答七个问题:两笔账在同一张表上吗?场景选在经济杠杆上了吗?流程动了吗?数据能撑住吗?有人盯结果吗?组织在接吗?采购还是自研想清楚了吗?——任何一个回答不上来,都值得停下来先想清楚。这七个问题也是申是「AI战略就绪度诊断」的核心框架。