想从 AI 身上赚到钱?先想想怎么长大

前段时间,我和几个做企业的朋友吃饭。

席间有人掏出手机,给我看他公司这一年的 AI 试点清单:客服机器人、文档摘要、代码助手、销售预测……密密麻麻一整屏。他很得意。

我问他一句:"这些东西,哪个让你多赚了钱?"

他愣住了。

这其实是过去两年,几乎所有公司都在经历的那个尴尬时刻。会议室里,大家对着一张漂亮的 AI 试点表格点头。然后有人问:营收涨了吗?成本降了吗?决策更快更准了吗?

沉默。

PwC(普华永道)做了一件挺狠的事。他们找了全球 1,217 家公司,大部分是年收入 10 亿美元以上、董事级别的高管,一个一个问:你家的 AI,到底产出多少?调研是 2025 年 10 月、11 月做的,横跨 25 个行业,六大洲。

结果扎心了。

一组让人坐不住的数字

PwC 发现,AI 带来的真金白银,高度集中。

20% 的公司,拿走了 74% 的 AI 红利。

剩下 80% 呢?分那点 26%。

更狠的数字在后头。那些"AI 体格最好"的公司(PwC 管它们叫 AI leaders),AI 带来的财务回报,是其他公司的 7.2 倍。

7.2 倍。

不是 7.2%,是 7.2 倍。同一个世界,同一波 AI 浪潮,差距能拉到这个份上。

我看完这份报告的第一反应是:凭什么?

什么叫"AI 体格好"?

PwC 给了一个词,叫 AI fitness,AI 适配度。

什么叫适配度?说白了就是:你能不能把 AI 这把刀,砍在最该砍的地方;地基打不打得牢;AI 有没有真的长进你的业务流程里。

他们把"适配度"拆成了 9 个因子。6 个是地基:战略、投资、数据和技术、人才、治理、创新;3 个是用法:AI 铺得多广多深、用得多高级、有没有瞄准行业融合的新机会。

我给你讲讲,为什么这套东西,值 7.2 倍。

先说地基。它是把"活动"变成"成果"的转换器

很多公司的困境是这样的:AI 项目一个接一个上,但每个都是一次性的。做完了,经验带不走,组件复用不了,数据还是各管各的。下一个项目,又从零开始。

这就像你每次做饭,都得先重新盖个厨房。

PwC 的数据里藏着一个让我印象很深的发现:当一家公司把地基打扎实了,它每增加一份 AI 使用量,换回来的回报,是地基差的公司的大概 2 倍。

地基,本质上在做一件事。提高 AI 的转化率。

好的数据和平台,让 AI 部署更快;流程重新设计、员工信得过,用的人才多;用得越多,数据越丰富,系统就越聪明。这是个复利循环。

反过来呢?地基烂,每一次部署都在重新发明轮子。

那 AI leaders 的地基,到底强在哪?PwC 的报告里,有几条特别戳我。

第一,他们敢花钱,也舍得挪钱。 这些公司投在 AI 上的钱,平均是其他公司的 2.5 倍。软件、银行、文娱这几个行业最猛,能投到年营收的 5% 左右。但光砸钱不够,他们还更会"调仓":业务重点一变,人和钱马上跟着挪到更高价值的 AI 项目上。1.3 倍的概率做这种动态再分配。说白了,他们管 AI 项目,像投资人管组合。

第二,他们给创新配了"沙盒"和"主理人"。 别让 AI 变成所有人的副业。所有人的副业,最后就是没人的主业。AI leaders 会专门搭出试验环境(沙盒),让人能放手试;还在每个业务部门里指派创新负责人。试完之后呢?定期复盘,决定哪些扩大、哪些砍掉。这套机制,他们做到的概率,是其他公司的 1.5 倍。

第三,他们对"信任"这事儿,认真到有点反常识。

这点我得多说两句。

信任不是软指标,是吞吐量的瓶颈

你想啊,AI 的价值,得有人用,才兑现得了。

员工不信,就不敢用;不敢用,系统就闲置;系统闲置,数据不流转,整个复利循环就卡死了。

PwC 说得很直接:信任不够,是一个吞吐量约束。 不是什么"变革管理"的软性条目。

数据也支撑这个判断。AI leaders 的员工,信任并真的在工作中使用 AI 洞察的概率,是其他公司的 2.1 倍。

信任怎么攒?它是一套系统。

让业务、数据、AI 三方的人,一起从设计阶段就共同创造。别搞完再扔给用户,那种交接最容易把落地搞死。给员工清晰的激励,鼓励他们去试。给持续的、跟岗位绑定的培训,而且高管自己带头上课、带头用。再加上明确的护栏:AI 能干什么、什么必须升级给人、谁负责。边界清楚了,人才敢放手用。

Wyndham(温德姆,那个全球酒店特许经营集团)的故事,特别能说明问题。

他们改一次品牌标准,原来平均要 30 天人工。PwC 帮他们上了带人工监督的 AI 智能体,自动提示、人机共创、实时监控,框架和培训一起跟上。结果呢?品牌标准变更的审核时间,降了 94%,AI 审核比人快 20 倍,每次省 40 到 80 小时。

关键是,员工敢用了。 因为护栏在那,培训在那,人在回路里。

把 AI 瞄准"长个子",不只是"省力气"

地基讲完了,我讲讲这篇报告里,最颠覆我认知的一点。

绝大多数公司,用 AI 干嘛?提效。保险公司用它快审理赔,软件公司用它写代码。把正在做的事,做得更快更省。

AI leaders 也提效,但他们没停在这。

他们把 AI 当成"增长引擎"和"重塑引擎",不只是个"效率工具"。

报告里有句话我反复读了三遍:在所有 AI 适配度因子里,对财务回报影响最大的那一个,是"抓住行业融合带来的增长机会"。 不是效率,不是数据,不是人才。是增长。

什么叫行业融合?

举个例子。汽车厂商和医疗公司联手,车里装健康传感器,监测司机的身体数据,喂给 AI,再给你定制一套预防方案。一个卖车的,一个看病的,中间长出一个全新的生意。

AI leaders 这种"跨行业协作、跨生态竞争"的概率,是其他公司的 2 到 3 倍。他们用 AI 重塑自己商业模式的可能性,是 2.6 倍。

John Deere(约翰迪尔,造农机那个)的故事,特别典型。

他们的 See & Spray 系统,给喷雾机装摄像头和车载计算,识别杂草,只在该喷的地方喷。2024 年种季,这套东西用在了 100 多万英亩地上,帮农民省了大约 800 万加仑除草剂,玉米、大豆、棉花地平均省了 59%。

但 John Deere 真正聪明的地方在于,他们把这套能力,包装成了一种"按效果付费"的服务。不是卖你一台更贵的机器,而是卖你"省下了多少药"这个结果。一次性硬件差价,变成了可持续的服务收入流。

这就是把 AI 瞄准"长个子",而不是只瞄准"省力气"。

最后一击:让 AI 自己跑起来,且铺满全场

报告里还有一组数据,挺有意思。

AI 带来财务回报最强的那些公司,几乎两倍于其他公司,把 AI 真正铺到了价值链的主要环节里。 不止在一两个部门搞试点,是从战略到供应链、从后台到前台,都铺开。

而且,他们用得更"狠"。

什么意思?PwC 把 AI 的成熟度分了几档。最低是帮你摘要、打个草稿;往上,是分析、预测、给建议;再往上,是替你执行一个常规任务(但人要批一下);再往上,是在护栏里自己跑多个任务;最高,是完全自主、还能自我优化。

AI leaders 在最顶上两档的概率,差不多是其他公司的两倍。他们让 AI 不需要人介入就做决策的概率,是其他公司的 2.8 倍。

听到这,你可能要紧张了。这是要替代人?

报告给了一个很克制、也很真实的判断:全自主,目前还是少数。只有 15% 的 AI leaders,说他们最成熟的 AI 用例是完全自主的。而且,虽然 48% 的 leader 预期 AI 会让人头减少至少 5%,但同时有 49% 的人预期人头基本不变、甚至会增加。

真正在变的,不是"把人赶走",是**"把延迟赶走"**。

AI 在护栏里,处理那些可重复的判断活儿;人呢,去处理例外、做权衡、把决策往战略目标上引。

Lucid(那家电动车厂商)的故事很有说服力。他们先在财务部门动刀。PwC 帮他们用运营数据、AI 模型和智能体工具,把预测、对账、分析、监控都 AI 化。结果,端到端的预测周期,从几周,缩到了不到一分钟。十周内,他们设计并开始铺 14 个 AI 驱动的用例,现在正从财务往采购、运营扩散,还做了一个给高管用的 AI 助手,能实时看到超过 10 亿美元的投资动向。

财务先行,把蓝图画出来,再复制到全公司。

这是场复利游戏,等不起

我把这份报告读下来,最强烈的感觉是:AI 这件事,正在变成一场残酷的复利游戏。

领跑的人,数据更厚、流程更顺、信任更高、部署更快,每一次新上线的 AI 用例,回报都比别人高。然后他们学得更快,把方案复制得更快,更敢放手让 AI 自己跑。

他们跑得越快,差距就拉得越大。

PwC 自己也说了:那些想追赶的公司,真的不能再等了。

怎么追?报告里反复在讲一件事,别再数你有多少个 AI 试点了。

挑一两个最值钱的业务目标,把 AI 瞄上去。把挡住你反复落地的那一两个地基短板,先补好。给关键项目配上明确的负责人和衡量指标,每月搞一次"扩还是停"的复盘。只有那些在某个业务指标上有真实动静的项目,才继续给钱。

把"行业融合带来的增长"当成一个独立的 AI 组合来管,有高管背书、有路线图、有取舍。

从"省钱"思维,切到"赚钱"思维。

这套打法,说难也不难。难的是,你愿不愿意从那个"试点清单很好看"的舒适区里走出来。

那天吃完饭,我那朋友第二天就给我发消息:他把那张试点表,砍掉了三分之二。剩下的,每一项后面,他都标了一个数字。营收、成本,或者一个具体的决策质量指标。

他说:"砍完才发现,之前那些,其实我压根不知道为什么在做。"

这就是从"活动"走向"成果"的第一步。

这一步走完,7.2 倍的差距,才开始有机会缩小。