麦肯锡：80%企业提效，仅37%改善利润
来源：NewKerala（引麦肯锡 2026 State of AI 调查）（2026-10-16）｜ 分类：行业洞察｜ 地区：国外
摘要
麦肯锡 2026 年 State of AI 调查显示：80% 的受访者报告个人生产力因 AI 提升，但仅 37% 的组织录得息税前利润（EBIT）正向影响，只有 6% 属于高绩效者；仅 11% 的组织真正进入“重新设计工作方式与价值创造方式”的阶段。调查还发现，过去五年协调类岗位的增速约为一线岗位的 1.5 至 2 倍，组织复杂度本身正在吞噬效率红利。
事件概览
| 维度 | 内容 |
|---|---|
| 事件主体 | 麦肯锡（McKinsey）2026 年全球 AI 现状调查 |
| 发生时间 | 2026-10-16 |
| 所属领域 | 行业洞察、人工智能、组织变革、运营模式 |
| 地区 | 国外 |
| 关注理由 | 80% 的个人提效与 37% 的利润改善之间的 43 个百分点，正是“流程没改，只上了工具”的代价，也是 IE 最容易切入的位置 |
核心要点
- 效益落差：80% 受访者报告个人生产力提升，37% 报告 EBIT 正向影响，仅 6% 达到高绩效标准，11% 的组织开始重新设计工作与价值创造方式
- 组织复杂度：过去五年，协调类岗位（coordinator roles）的增长速度约为一线岗位的 1.5 至 2 倍，管理层级、交接与手工流程成为效率流失的主渠道
- 能力与准备度落差：70% 的受访者表示个人已为 AI 做好准备，但只有 27% 的领导者认为其组织已为智能体（agentic AI）时代所需的变革做好准备
- 技能断层风险：报告警告，若智能体接管了人们历来积累经验的入门级工作，“今天生产力的提升可能变成明天判断力的缺口”，过度自动化会侵蚀员工技能成长路径
- 治理要求：企业需要明确的 AI 使用准则与员工问责机制；报告引某全球生命科学企业为例，其政策规定 AI 应支持工作而非替代人的创造力、专业判断、自主性与监督权，员工对 AI 辅助的成果仍需负责
背景解读
这组数字之所以值得制造业认真对待，是因为它把“AI 有没有用”的争论换成了“钱卡在哪一段”。个人层面的提效是真实的——写报告、查资料、生成代码，边际改善立竿见影；但个体效率并不自动汇成组织利润，中间隔着流程重构、职责重划与考核调整三件事。麦肯锡给出的解释是组织复杂度：当协调类岗位的增速是一线岗位的 1.5 至 2 倍，企业实际上在为一个越来越密的“交接网络”付费，而多数 AI 项目只是把单个节点做快了，没有动这张网络。这也解释了为什么只有 11% 的组织进入“重新设计价值创造方式”的阶段——那需要动组织结构，而不是采购工具。报告同时提醒了另一面：如果智能体把入门级工作全部接管，年轻人失去在实践中积累判断力的机会，几年后企业会发现自己缺的不是算力而是能拍板的人。这个警告对制造业尤其贴切，因为工艺判断、异常处置、供应商谈判这些能力，几乎都只能在“做笨活”的过程里长出来。
数据速览
| 指标 | 数值 | 意义 |
|---|---|---|
| 个人生产力提升 | 80% | 个体层面的改善已相当普遍，不再是稀缺能力 |
| EBIT 正向影响 | 37% | 与 80% 之间的 43 个百分点，就是流程与组织没跟上的部分 |
| 高绩效者占比 | 6% | 真正把 AI 变成财务结果的企业仍是极少数 |
| 协调岗增速 / 一线岗增速 | 约 1.5—2 倍（近五年） | 组织复杂度是效率红利的主要漏损点 |
与工业工程的关联
IE 的经典命题是“系统整体最优而非局部最优”，这组数据几乎是它的当代注脚：单个工位提效 30%，若上下游交接增加两道，整条价值流的交付周期可能一点没变。麦肯锡所说的“协调类岗位增速是一线岗位的 1.5 至 2 倍”，用 IE 的语言就是间接作业与非增值环节在膨胀——正是价值流图里最该被标红的那一段。因此 IE 在 AI 项目中的角色不是选模型，而是做三件事：用价值流把交接点画清楚、用标准工时与在制品量化排队成本、用 OEE/FPY/交付周期这套指标验证改善是否真落到经营结果上。至于“判断力缺口”的警告，对人才培养的含义更直接：入门级工作被替代后，实习与轮岗的设计必须补上“有指导的决策练习”，否则能力链条会在最底端断掉。
从方法与工具视角看，本条动态所涉及的技术或管理动作，最终都要落到 IE 的基本功上：流程分析与价值流映射、作业测定与标准工时、产线平衡与设施规划、以及以 OEE 为代表的效率指标体系。读者可以把本条事件作为一个"案例切片"，对照本分类下的文章进行系统学习。
从就业与发展视角看，每一次产业侧的智能化、精益化投入，都会带来新的岗位需求：精益工程师、制造工程师、供应链分析师、数字化改善顾问等。建议在校生关注此类企业的校招动向，在职者关注内部改善项目的机会窗口。
IE 术语小课堂：工业工程
工业工程（IE, Industrial Engineering）是对人、物料、设备、能源和信息所组成的集成系统进行设计、改善和设置的学科，目标是在保证质量与安全的前提下降低成本、提高效率。
IE 术语小课堂：价值流图
价值流图（VSM, Value Stream Mapping）用一张图把物料流与信息流画清楚，区分增值时间与非增值时间，是精益改善的起点工具，也是识别七大浪费最直观的方法。
延伸阅读
- 新能源与半导体的工业工程：电池产线节拍与晶圆厂产能：把两个资本密集型行业的 IE 方法完整拆开：2 GWh 项目节拍倒推（2.94 s/只 → …
- AI 时代的工业工程：哪些会被替代，哪些反而更值钱：AI 能自动做数据分析、自动生成排产方案，那工业工程师还有用吗？本文先划清 AI 的能力边界…
- 灯塔工厂里的工业工程师在做什么：高度自动化的工厂还需要 IE 吗？本文拆解 IE 在灯塔工厂中的五个新角色、技能升级清单，以…
- 智能制造与数字化转型：工业工程师的新战场：厘清自动化/数字化/网络化/智能化四层关系，拆解 ISA-95 五层技术栈，指出 MES 中…
原文链接
https://www.newkerala.com/news/a/only-companies-see-significant-financial-gains-from-ai-278.htm
本条目由站点定时任务自动采集整理，仅供参考；具体内容以官方原文为准。