高增长企业的 AI 支出,是低增长企业的三倍

作者:郭雁冰,驾驭 AI 的管理者,CGL 集团高级副总裁,企业常年战略顾问 同步自:微信公众号「侠客乔治」

作者:郭雁冰,CGL 集团高级副总裁

先把三个数字放在一起

71%。25%。不到 10%。

这三个数字来自同一份报告,回答的是三件不同的事。第一个说有多少家公司在加钱,第二个说有多少家不敢加,第三个说有多少家真的把 AI 做到了规模化。

71% 25% 不到 10%
高增长企业把 AI 投入提高两位数 低增长企业的同一比例 在任何一个职能做到规模化的组织

三倍。于是这个说法被写成了标题:高增长企业的 AI 支出,是低增长企业的三倍。

这个标题有力,但口径要先修一下。71% 对 25% 量的是「愿意把预算提高两位数的公司占比」,不是「花掉的金额」。如果按金额算,不少低增长企业的绝对投入并不小,它们的存量资产摆在那里。真正被拉开的,是那个加不加的动作。

口径修完之后,问题反而更难受:同一笔钱,有人敢加,有人不敢加。差的那一部分,不在预算表上。

来源与样本

麦肯锡(McKinsey & Company)《The future of B2B sales: How growth champions rewire their playbooks with AI》,2026 年 7 月 16 日发布,样本为 13 个国家近 4,000 位买方与卖方,另含多家全球企业的营收负责人访谈。

报告的核心判断只有一句:AI 试点到处都是,价值没有。增长领先的企业做的事,是把商务流程重新接一遍,而不是在旧流程上贴一层工具。

一、三倍的不是钱,是敢不敢

为什么一个「加不加预算」的比例,比「花了多少钱」更能说明问题?

因为加预算是所有 AI 动作里最容易做的那一个。它不用改流程,不用动组织,不用谁交出权限,一份签字就完成了。

一个组织在最容易的动作上出现三倍差距,说明差距不在能力那一层。

那在哪一层?

在容错空间。高增长企业这一年有增量,试错一次伤不到基本盘。低增长企业没有增量,试错一次是从存量里挖一块出去。同样是批一笔钱,前者叫投入,后者叫挪。

这解释了一件常被忽略的事:把高增长企业的做法直接抄到低增长企业身上,通常无效。它缺的不是一个预算科目,是允许失败一次的空间。

这一组数字 高增长企业 低增长企业
把 AI 投入提高两位数 71% 25%
围绕 AI 从根本上重设单项工作流 接近同业的三倍 基准

所以这一段要先说清楚:不是所有企业都应该把 AI 预算提高两位数。对一部分企业,先给自己造一点容错空间,比加预算更实际。一个不动基本盘、不进年度考核、失败不上报的试点,比多批三百万更有用。

二、同一份报告里的第二个三倍

麦肯锡在这份报告里还写了一句,被引用得少得多。

High-performing companies are nearly three times more likely to have fundamentally redesigned individual workflows around AI than their peers.

翻译过来:高绩效企业围绕 AI 从根本上重新设计单项工作流的可能性,接近同行的三倍。

这句话的分量全在动词上。不是采用(adopt),不是部署(deploy),不是使用(use),是重新设计(redesign)。前三个动作都发生在原有流程之上,只有最后一个动到了流程本身。

于是同一份报告里,三个数字必须一起读:71%、25%、不到 10%。

加预算的公司占了七成,重设流程的可能性也接近三倍,但真正在任何一个职能里把 AI 做到规模化的组织,不到一成。

钱加了,流程也说要改,规模化没有发生。

这三个数放在一张桌上,能排除掉一批解释。说模型不行?同一批模型,有人做到了。说预算不够?七成公司在加。说员工不接受?员工那一侧的使用率,报告里给得不低。

剩下的解释只有一个:加钱和改流程之间,缺一个环节;改流程和规模化之间,还缺一个环节。而这两个环节都不在采购单上。

三、15% 和 40% 从哪来

报告里有一组数字,比 71% 更能说清问题出在哪。

在金融服务业,重设了客户招揽与关系管理流程的企业,每位客户经理带来的收入提高 3% 到 15%,服务成本下降 20% 到 40%。

样本 每位客户经理带来的收入 服务成本
金融服务业,重设客户招揽与关系管理流程 提高 3% 到 15% 下降 20% 到 40%
下一代最佳体验项目(另一组样本) 提升 5% 到 8% 下降 20% 到 30%

同行业,同一批客户,用的也是同一批模型。差距为什么这么大?因为改的不是工具的数量,是这条流程本身:谁去找客户、谁判断机会、谁定价、谁跟进、什么节点交给下一环。

  加工具 重设工作流
动作 给现有销售多发账号、多开权限 重排谁找客户、谁判断机会、谁定价、谁跟进
销售的时间去哪 处理更多线索,人更忙 少做杂事,多做判断与关系
人均收入 说不清 提高 3% 到 15%
服务成本 说不清 下降 20% 到 40%
三个月后能说清 多少人用过、用了多少次 哪条流程变了、变了多少
谁负责 通常没有 必须有一个

一句话:同样的预算,一种用法是加工具,一种用法是改流程。前者让销售更忙,后者让每个客户经理多赚一成多。

这里必须补一句口径。3% 到 15% 与 20% 到 40% 是金融服务业的单一行业观察,不能推及所有行业。上表第二行是同一份报告里另一组「下一代最佳体验」项目的数据,来自不同样本、不同做法,不能和第一行混着用:

Companies implementing AI-powered next-best-experience programs to identify the most impactful sales motions have reported 5 to 8 percent revenue uplift and 20 to 30 percent lower cost-to-serve ratios.

两组区间方向一致、幅度不同,说明的是同一件事:改流程能同时抬高收入和压低成本。任何把这两组数混成一张跨行业 PPT 的转述,都可疑。

四、报告里最容易被跳过的一句话

整份报告有两处访谈引语,其中一句值得单独拎出来。Equinix 首席客户与营收官 Shane Paladin 说:

“For salespeople to be effective in their roles, they’re going to have to manage agents.”

翻译:销售要想把这份工作干好,以后得会管智能体。

这句话出现在一份讲「AI 怎么提效」的报告里,很容易被当成趋势感慨翻过去。但它说的是一个岗位定义的变化:销售这个角色,工作内容里多了一项「管理」。

管理的对象不是人,是智能体。要给它派活,要给它定标准,要看它交出来的结果对不对,要把它拉进考核。

  用 AI 管 AI
做的事 让工具进入动作 让动作因为 AI 改变
怎么算数 多少人用过、用了多少次 分任务、看结果、带人的方式有没有变

这也是我们给「AI 管理者」下的定义:AI 管理者,指把 AI 用进日常管理动作里的管理者。判断标准不是他会不会用工具,而是他分任务、看结果、带人的方式有没有因为 AI 改变。

按这把尺量,71% 加预算的企业里,有多少家的销售是在「用 AI」,有多少家是在「管 AI」?报告没有给这个数。但从不到一成的规模化比例看,答案不会好看。

五、断的那一环

不到一成的规模化比例,最容易的解释是模型还不够强。这个解释在过去两年很方便,现在越来越站不住。

报告在自己的结论上留了一个条件句:

Done well, agentic GTM orchestration helps companies move faster, improve conversion, and reduce cost-to-serve ratios.

「做对了的话」。三个字,把前面所有的数字都变成了有条件的结论。做对了的企业同时拿到更快、更高转化、更低服务成本;做错的企业,拿到的是另一份清单。

报告列出的原因有一串:数据割裂、洞察质量差、手工流程卡点、销售与市场两张皮、变革管理投入不足。这些词都不新,但有两个值得停一下。

第一个是数据归属。一份要给智能体用的数据,必须有人真正负责:客户信息的完整性谁管、产品参数谁维护、成交价格的历史谁记录。缺了这个「谁」,智能体拿到的就是一堆不能用来做判断的原料。它会给建议,但你不敢照着做。

第二个是变革投入。业内被引用最多的两个比例是「每 1 美元技术投入配 3 美元变革投入」和「配 5 美元」,口径不一,但方向一致:变革投入应该高于技术投入。而多数企业的实际配置是反的,把绝大部分钱压在采购上,剩下的靠内部消化。

把这两条放在一起看,断在哪就清楚了。技术采购是一个项目,有预算、有供应商、有验收单、有交付日期;数据归属和流程重设是管理动作,没有科目,没有供应商,也没有人天生该做。

这就是为什么加预算能做到七成,规模化只有不到一成。能被采购的东西都买了,买不到的那部分没人认领。

六、一个诊断问题,和一张三行的纸

如果这篇文章只带走一个问题,用这一个:你的 AI 支出,是让人更快做完原来那件事,还是让人做原来做不了的事?

前一种,投多少都不会改变竞争位置,因为它优化的只是一个已经存在的动作。后一种,才有可能长出新东西。

如果还想带走一张纸,写三行。

这一行写什么 判断标准
哪一条流程被重设了 写流程名,不写工具名
谁对客户数据、产品数据、定价数据负责 写人名,不写部门
三个月后用哪个指标看它改没改 写一个能取到数的指标

三行写不满,说明这件事还在「加工具」阶段。那就先别谈规模化,先谈把第一行写出来。

真正关键的是哪一道沟

这份报告其实给了两道尺。

第一道尺在 71% 和 25% 之间。它量的是一个组织在不确定的时候敢不敢下注。这道尺上落后的企业,追上来的方式不是照着加预算,是先给自己造一点容错空间:一个允许失败的试点,一笔不动基本盘的钱,一次不算业绩的实验。

第二道尺在 71% 和不到 10% 之间。它量的是有没有人对一条流程负责。这道尺上没有解法可以外包,因为它要的东西是权限、是人名、是考核表上的一个格子。

三倍这个说法,传播效率高,解释力有限。真正值钱的是后面那道沟:加钱的人很多,肯把流程拆开重装的人少,装完之后还能说清「谁负责」的人更少。

对管理者的三层启示

第一层,个人诊断。 拿自己一周的工作对着三个动作看一遍:分任务的方式变了吗、看结果的方式变了吗、带人的方式变了吗。三个都没变,那 AI 只是多了一个输入框。三个里变了一个,说明开始进入管理动作。

第二层,组织能力不等于个人之和。 一百个人各自会用 AI,加起来不等于这家企业会用 AI。差别就在报告反复说的那两件事上:数据有没有主人,流程有没有被重设。前者决定智能体能不能判断,后者决定判断能不能落成动作。这两件事都是组织层面的,个人的熟练度顶不上。

第三层,闭环。 派活、定标准、验真伪、进考核、带团队,这五件事里,只有第一件能在采购单上完成。后面四件都是管理动作,只有管理者能做,供应商替不了,工具也替不了。

71% 和不到 10% 之间那道沟,填的就是这四件事。


郭雁冰 George Guo,驾驭 AI 的管理者,CGL 集团高级副总裁、企业常年战略顾问


郭雁冰,驾驭 AI 的管理者,CGL 集团高级副总裁,企业常年战略顾问