# 用 AI 的 ROI 不一定高，但老板们的自信肯定上来了 —— 从 Wharton、KPMG 与 Pax8 报告看企业 AI 落地现状

2026-10-14

{/*
 * [INPUT]: Report references and the shared MDX Note component.
 * [OUTPUT]: Enterprise AI adoption article with title, date, summary, and authorship metadata.
 * [POS]: Writing content; the filename defines the enterprise-ai-adoption-roi route slug.
 * [PROTOCOL]: Update this header when making changes, then check README.md.
 */}

上一篇分享了开发者视角的 AI 数据，今天换个角度，聊聊**企业端**的真实情况。或许对正在做产品的开发者或创业的朋友有帮助。

我把近期值得看的三份企业级报告放在一起做个交叉对比：
1. KPMG 的[《Global AI Pulse Q3 2026 》](https://assets.kpmg.com/content/dam/kpmgsites/xx/pdf/2026/09/global-ai-pulse.pdf)
2. Pax8 的 [《SMB AI Report Q3 2026》](https://www.pax8nebula.com/asset/60fef162-013e-435d-9620-37ce44809870/Pax8-Pulse-Report-2026-Q3.pdf) 。
3. Wharton（沃顿商学院） × GBK [《2026 AI Adoption Report: The Adaptive Advantage》](https://knowledge.wharton.upenn.edu/special-report/2026-ai-adoption-report/)

前两份报告都有 Q1 和 Q2 的前序数据，方便我们横向看大半年来的趋势变化；而刚刚发布的 Wharton 报告则是连续第 4 年的追踪研究。

先照例交代下样本背景（三份报告的样本刚好形成完美互补）：

- KPMG（大厂高管视角）：调研年收入 5000 万美元以上大公司的 C-level 高管和 VP。
- Pax8（中小企业老板视角）：调研 5–499 人规模小公司的老板或业务负责人。(注：KPMG 和 Pax8 本身都是卖服务的，样本不可避免会有一定偏差。)
- Wharton × GBK（学术视角 + 首次引入打工人对照）：调研了年收入 5000 万美元以上、千人规模大企业的 1416 名全职员工。最赞的是它首次把 1007 名管理者和 409 名中基层员工拆开对比，刚好帮我们戳破一些“高管自嗨”的泡沫。

## 1. 基本都把 AI 用起来了

横向看 Q1 到 Q3，不管是大企业还是小企业，策略基本高度一致：都是先用了再说。
- **Pax8** 里 67% 的小公司已经自己搭了 AI 方案在用，**KPMG** 的报告也有 60% 以上。
- **Wharton** 则提到管理层每天使用 AI 的到 62%，每周使用的更是高达 91%。但出现了一个历史性拐点：这是四年调研中，第一次出现“使用率上升，但兴奋度下降” —— 对 AI 感到“兴奋”的人同比降了 8%，而感到“谨慎（+7%）”和“怀疑（+8%）”的人明显变多了。

## 2. 影子 AI 工具越来越多

过去半年，**Pax8** 表示 35% 的被访公司发现有没经过批准的工具、流程或 agent 在跑（这种没有批准的工具被称为影子 AI 工具）。与此同时，**Wharton** 的报告还揭示了另一个维度的割裂：管理层和基层员工活在两个平行世界：
- 73% 的管理层觉得部门工作流已经因 AI 彻底改变，但基层员工只有 58% 有同样的感受；
- 78% 的高管自信满满地认为“公司给员工提供了充足的 AI 培训”，但只有 56% 的一线员工同意这个说法。

<Note>

很可惜 KPMG 没有问大企业影子 AI 的情况，但结合我的观察，大企业的影子 AI 情况估计也不少。现在不少 AI 产品的使用情况，很像当年的 Notion，很多其实是员工自发使用，然后再自下而上逐级替代。只不过逐级替代的可能性比 Notion 更快。一方面我觉得是 AI 相关产品发布速度太快，员工层面切换比企业切换更快（企业最少也要审批吧），另一方面，员工也担心企业会使用自己的数据。偷偷用，或许会更好。

</Note>

## 3.  自研还是使用现成工具？

**Pax8** 调查发现：
- 在用 AI 的小企业里，67% 已经搭出至少一个在日常使用的 AI 方案，美国是 81%。另有 19% 在做原型，只用现成工具的仅 13%。
- 在自己搭的公司里，52% 在做把 AI 接进其他业务系统的自动化流程，46% 在做或在测能自己完成多步任务的 agent，39% 直接调 AI 厂商的接口做定制集成。

<Note>

其实关于这个问题，我也比较疑惑。既然 AI 能写好代码（更不用说最近更流行的反编译），那企业为何还要购买成熟产品？当然这个问题的细节 Pax8 没有给出，比如我如果是基于 Notion + AI 是不是也算再 67% 里？另外 **Wharton** 报告里也提到了一个关键点：67% 的部门都在用 Agent，但真正把 AI 深度嵌入核心业务流程的只有 28%。如果只是浅层挂个壳，现成 SaaS 确实容易被替代。我个人觉得未来一定是 Agent + Computer Use（甚至 Phone Use）。

</Note>

## 4. AI 的 ROI 真的高吗？

如果是以开发产品为主的企业，LLM 的价格并不算贵；但如果用在其他非核心产出的地方，目前顶级模型还是比较贵的，而且收益极难衡量。AI 的 ROI 真的高吗：

- **KPMG** 提到：89% 的公司说 AI 带来了可衡量的价值，61% 在审批时看成本，59% 在运行中监控成本，但只有 12% 会持续拿价值去对比成本。等于知道花了多少钱，不知道换来了什么。
- **Pax8**  Q3 提到： 69% 说 AI 腾出了时间，但 49% 收到过超出预期的账单，55% 的决策者每周要花 3 小时以上复核 AI 的产出。而 Q2 报告里则提到，用 AI 的公司里，68% 有信心 AI 正在带来可衡量的价值。障碍里「成本和 ROI 不清楚」占 21%，排在缺专业能力（22%）后面。
- **Wharton**：虽然 80% 的管理者觉得 AI 回报为正，但只有 **28%** 认为回报“非常显著（Strongly Positive）”。为什么？因为 **40%** 的部门把**“节省时间（Hours saved）”**当成首要考核指标，只有 27% 的部门去考核“新增收入（Net-new revenue）”。数据显示，考核业务增长（新收入、销售转化率等）的团队，拿到高 ROI 的比例是 35%；而只盯着“省时间、降成本”的团队，拿到高 ROI 的只有 13%（差了近 3 倍）！

<Note>

正如我前面提到那样，如果不是将 AI 直接用在最终产品上，ROI 是很难算的。而且我觉得答题的人都是管理者，他们或多或少是 AI 推动者，所以有可能大多数是主观上觉得有用。实际 ROI 是否高，我会打个问号。而且如果最终管理者觉得 AI 主要是省时间的话，我觉得企业最后会走到通过裁员来将 AI 算清楚的地步。从 Wharton 的报告数据也直接印证了我的这个推论：

- 已经有 37% 的企业高管承认发生了与 AI 相关的裁员/缩编，33% 放缓或冻结了招聘；
- 其中受冲击最大的是初级岗位（Entry-level），24% 的高管预计未来会减少初级岗位招聘（尽管 82% 的人承认 AI 能帮新人更快上手）。

不过 Wharton 也补充了一个很有意思的发现：那些真正拿到超高 ROI 的企业，裁员比例并不比别人高；相反，他们中有 64% 选择了重构管理架构和业务工作流，而不是靠单纯砍人来省钱。

最后，Pax8 里有个数据也很有意思：大量用 AI 的公司更觉得自己领先于对手，美国是 63% 对 40%，瑞典是 80% 对 24%。用 AI 的 ROI 不一定高，但自信肯定是上来了🤣

</Note>

## 5. 成本核算和数据控制是企业最关心的

这一点跟前面的 ROI 有着直接关联：
- 被严重低估的“人肉复核”隐形成本：
	- **KPMG** 和 **Pax8** 都指出，AI 的产出目前根本离不开人工复核，且复核完全没被流程化：大企业里规定不清楚，小企业里直接靠老板自己盯着看（Pax8 里 55% 的决策者每周要花 3 小时以上复核 AI 产出）。这部分人力成本两边都没算进 ROI。
	- **Wharton** 给这种现象起了一个极其精准的名字：**“Supervised Middle（被监管的中间态）”**。报告显示，虽然 67% 的部门用上了 Agent，但只有 17% 敢让 Agent 自动完成任务（48% 的情况是 AI 干完活，必须由人审批确认后才能执行）。甚至在 VP 级别以上的高管里，82% 的人表示自己的工作重心已经变成了“管理 AI 的产出”。正如报告主创所吐槽的：“大多数公司正卡在中间地带，花钱买了自动化，结果每一步都要人工审批，这正是投资回报率最弱的地方。”
- 为什么不敢放权？因为数据安全与责任归属没解决：
	- **KPMG**：Q3 的 AI 管控层里排第一的就是数据访问控制和安全身份控制（各 43%）。**72%** 的公司把“模型主权”纳入正式决策，最常见的影响是更重视数据治理和管控（41%）。越成熟的公司越把数据隐私当成头号障碍。
	- **Pax8**：员工自己搭的 AI 最被担心的风险也是数据安全和隐私（30%–35%）。**70% 的小企业愿意为更好地控制数据存储和使用多付至少 6% 的溢价。**
	- **Wharton**：当被问到“如果 Agent 犯了错谁来背锅”时，企业内部完全是一团浆糊 —— 28% 觉得归风控合规团队，26% 觉得归部署该工具的部门经理，25% 觉得归具体使用的员工。没人敢拍板担责，自然就没人敢让 Agent 自动跑。

<Note>

数据控制我觉得是企业的头号需求，复核则是被低估的隐形成本。未来会如何演进？我觉得兜兜转转之后，未来企业级 AI 或许又会重演历史，走回到私有化部署 + 自动化护栏监控（Automated Monitoring）的地步？

</Note>