根据全球著名管理咨询公司——麦肯锡（McKinsey & Company）发布的《The state of AI in 2025: Agents, innovation, and transformation》（2025 AI 现状：智能体、创新与转型）调研显示，人工智能的普及率已达到前所未有的高度：88% 的受访企业表示正在经常使用 AI。
 

▲ AI 使用率从 2017 年的 20% 飙升至 88%

然而，繁荣的表象下隐藏着一个严峻的现实：仅有 39% 的企业报告在企业层面实现了息税前利润 (EBIT) 的实质性增长。
 

麦肯锡通过对全球 1,993 名 参与者的深度调研揭示：对于绝大多数企业来说，AI 带来的商业价值依然停留在纸面上（试点阶段），尚未转化为真实的业务增长（息税前利润）。

"Responses suggest that for most organizations, the use of AI has not yet significantly affected enterprise-wide EBIT. Thirty-nine percent of respondents attribute any level of EBIT impact to AI..."

译文： “反馈表明，对于大多数组织而言，AI 的使用尚未对全企业范围的息税前利润（EBIT）产生显著影响。 仅有 39% 的受访者将任何程度的 EBIT 影响归因于 AI……”

为什么企业买了最贵的 AI 模型，却换不来利润？

01 趋

01 趋势  

2025，AI 智能体（Agents）的兴起与高期待

报告指出，企业已经不再满足于仅仅使用 AI 生成文本或图片，而是开始探索能够自主规划和执行任务的“AI 智能体”。
 

数据直观地反映了这一技术代际的跨越：

"High curiosity in AI agents: Sixty-two percent of survey respondents say their organizations are at least experimenting with AI agents."

译文： “对 AI 智能体的高度好奇： 62% 的受访者表示，他们的组织至少正在实验 AI 智能体。”
 

与传统的聊天机器人不同，AI 智能体（Agents）不仅能“说”，更能“做”。它们被设计用来在现实世界中行动，跨系统调用工具，解决复杂的业务流。然而，这种自主性的提升，也带来了前所未有的风险。

02 挑战

02 挑战

智能体的“不准确性”成为利润杀手
 

当企业将权限交给 AI 智能体，让它去处理客户服务或业务流程时，最担心的是什么？是它做出了错误的判断，导致客户流失或业务损失。
 

麦肯锡的调研揭示了企业目前面临的最大痛点：

"Inaccuracy is one of two risks that most respondents say their organizations are working to mitigate. Overall, 51 percent of respondents say their organizations have seen at least one instance of a negative consequence."

译文： “‘不准确性（Inaccuracy）’ 是大多数受访者表示正在努力缓解的两大风险之一。总体而言，51% 的受访者表示，他们的组织至少经历过一次（由 AI 导致的）负面后果。”

深度剖析： 

AI 智能体为何会产生“不准确性”？

从数据逻辑来看，智能体的决策质量完全取决于它所能获取的上下文信息（Context）是否完整。如果一个处理客诉的智能体，只能读取 CRM 中的交易数据（O-Data），却无法读取客户在问卷或社交媒体中留下的情感数据（X-Data），它就缺失了关键的决策依据。

没有多源数据的支撑，AI 智能体就像一个只掌握了片面信息的执行者。 它越是自主执行，越可能因为数据维度的缺失而制造更大的错误，进而侵蚀企业的利润空间。

03 破局

03 破局

向“领跑者”学习构建基础设施

那么，那些成功跨越了“价值断层”、实现了 EBIT 实质性增长的“领跑者（High Performers）”做对了什么？
 

报告在 Exhibit 14 中通过对比数据，揭示了领跑者与普通企业在基础设施建设上的巨大鸿沟。领跑者深知，AI 只是顶层的应用，底层的技术架构才是决定成败的关键。
 

▲ Exhibit 14 图表
 

报告原文数据显示：

"Technology infrastructure: Technology infrastructure and architecture allow implementation of core AI initiatives using the latest technologies."

译文： “技术基础设施： （领跑者企业）拥有允许使用最新技术实施核心 AI 计划的技术基础设施和架构。”

在这一项上，60% 的领跑者企业已具备完善的基础设施，而普通企业仅为 23%，差距接近 3 倍。

此外，为了应对前文提到的“不准确性”风险，领跑者建立了一套严密的人机协同机制：
 

"Human in the loop: Have defined processes to determine how and when model outputs need human validation to ensure accuracy."

译文： “人机协同： （领跑者企业）制定了明确的流程，来确定模型输出何时以及如何需要人工验证，以确保准确性。”

在这一实践中，领跑者的比例高达 65%，而普通企业仅为 23%。
 

深度剖析： 

这两组悬殊的数据说明了什么？
 

这意味着要实现 EBIT 的增长，AI 的成功落地离不开两样东西：一是强大的底层数据架构，二是有效的人工验证流程。
 

在客户体验管理（CEM）场景下，所谓“强大的架构”，指的正是能够打通各个孤岛的多源数据融合能力；而“人工验证”，则需要依靠全量的数据视图作为支撑。只有当企业具备了这样的数据底座，才能像领跑者一样，驾驭 AI 智能体，而不是被 AI 的错误所困扰。

04 结语

04 结语

夯实数据地基，拒绝“空中楼阁”
 

麦肯锡 2025 报告的数据表明，AI 的应用正在深入，但风险与机遇并存。企业在急于部署 AI Agent 之前，必须先审视自己的底层数据架构：我们是否构建了足够支撑 AI 准确运行的基础设施？
 

这正是 体验家XMPlus 致力于解决的核心问题。
 

作为企业级的数据融合基础设施，体验家XMPlus 专注于打破数据孤岛。我们将分散的体验数据（X-Data）与运营数据（O-Data）进行深度清洗与融合，构建统一的“数据底座”。这样，AI智能体能够读取到最全面、最真实的业务全貌，从而规避“不准确性”的风险，让每一次自动化的执行都精准无误，从而推动息税前利润（EBIT）的实质性增长。

参考资料：The state of AI in 2025: Agents, innovation, and transformation

上一篇

下一篇