OOOMETA/OS
← 返回洞察

2026 年 8 月 · 5 分钟阅读

McKinsey 2026：Agent 规模化加速，EBIT 贡献却连续两年原地踏步

McKinsey 2026：Agent 规模化加速，EBIT 贡献却连续两年原地踏步

关键定义

EBIT 归因（EBIT Attribution） 受访者把至少部分企业盈利影响归因于 AI 使用。2026 年只有 37% 的受访者做到这一点，与上年基本持平。

AI 高绩效者（AI High Performer） 把至少 5% 的 EBIT 归因于 AI 且认为影响显著的企业——2026 年仅占受访者的 6%。

Token 成本乘数（Token Multiplier） Gartner 2026 年 3 月估算：Agentic 工作流单任务产生的推理 token 是普通聊天的 5 到 30 倍。

McKinsey 一年一度的《State of AI》调研在 8 月 25 日发布，结果与过去两年一致地令人不安：企业 AI 支出创纪录，个人效率满意度攀升，但能指出 AI 对盈利有实际影响的企业比例几乎没有移动。今年的数据还多了一个新的张力——大型企业的 Agent 规模化在加速，可归因的财务影响却停在原地。

数据：规模化上去了，EBIT 没动

这份由 QuantumBlack 部门发布的调研覆盖 97 个国家、1,719 位受访者（2026 年 5 月 4 日至 6 月 8 日在线调查）。两组数字放在一起看最说明问题：收入超过 10 亿美元的受访企业中，40% 已在至少一个业务职能规模化 Agent，去年是 27%；而只有 37% 的受访者把任何盈利（EBIT）影响归因于 AI——与上年几乎相同。按更严格的定义，只有 6% 的组织是『AI 高绩效者』：把至少 5% 的 EBIT 归因于 AI 且认为影响显著；63% 的组织报告没有任何可衡量的企业级盈利影响。

规模化与财务影响之间的脱节，在职能层面更直观：约 90% 的具体职能级 AI 用例仍停留在试点，没有规模化到生产。受访者报告的成本下降集中在供应链管理、服务运营与制造——这些是 AI 做一件有界、可测量的事的场景；收入增长集中在市场销售与产品开发。其余大部分企业级聊天机器人部署，仍在生产『个人满意度』，而不是『组织影响』。

个人效率 ≠ 企业盈利

调研中 80% 在工作中使用 AI 的人说它改善了自己的个人生产力，但这没有汇聚成 CFO 和投资者跟踪的 EBIT 增长。McKinsey 的解释是结构性的：水平工具——聊天机器人、Copilot、写作助手——容易规模化，确实帮助个人，但它们省下的时间留在员工桌面，而不是流向损益表。企业级的盈利影响要求围绕 AI 重新设计工作流和业务流程，而不是在现有流程上加一层 AI。绝大多数组织做的是后者。

McKinsey 自己的部署成了另一种佐证：CEO Bob Sternfels 披露公司现有约 25,000 个 AI Agent 与 40,000 名咨询顾问并行，目标是在年底接近 1 比 1；后台职能部门缩编 25%，面向客户的岗位增长 25%，而后台总产出反而上升 10%。这是一次『再造优先』的活体示范——个人效率没有简单地加总成组织成果，除非流程本身被重做。

Token 成本乘数：新的运营约束

规模化还带来一个新的财务约束：成本结构正在从软件许可转向推理 token 消耗。近三分之一的受访者选择用编码 Agent 自建而非购买软件产品，资本从 SaaS 许可费流向推理费——一种更不可预测、波动更大的成本。五分之一的受访者说 AI 运营成本（含 token）已经限制了他们对技术的使用。

根因是架构性的。Gartner 2026 年 3 月对 Agentic AI 成本动态的分析估算：一个会推理、调用外部工具、校验输出并自我纠错的 Agentic 工作流，单任务产生的推理 token 是回答同一用户问题的普通聊天的 5 到 30 倍。在企业规模上，这个乘数会把可控的 AI 预算变成显著的成本项。CIO 开始按『完成一个工作流的完整成本』来衡量，并追问：什么样的任务值得为前沿模型付费。

高绩效者的分水岭：工作流再造

调研数据指向一个压倒性的区分实践：近四分之三的高绩效者围绕 AI 重新设计了工作流，而其他受访者只有约四分之一。识别一个具体业务流程——客户升级流程、理赔审查流水线、供应链异常处理——让 AI 端到端拥有多个步骤，而不是在个别步骤辅助人类。再配上部署前建立的可测量基线、高管对项目的可见承诺，以及重新分配编制而非在现有运营上加量的意愿。

判断一：用『工作流』而非『工具数』衡量 AI 进度

个人效率是感知，EBIT 是归因。高绩效者的特征是流程再造加可测量基线——把『省了多少时间』改成『哪个流程被端到端重做、基线是多少、产出如何』。

判断二：把推理成本写进架构决策

Agentic 工作流 5 到 30 倍的 token 乘数是真实的成本结构。按工作流而非席位核算成本，为『什么任务值得用前沿模型』建立明确门槛，否则规模化本身会成为新的成本失控点。

判断三：别把『规模化』误读成『价值已兑现』

40% 的规模化与 37% 的 EBIT 归因、6% 的高绩效者可以同时为真——它们测量的是不同对象。对外部报告和内部汇报都要区分『部署了多少』与『赚到了多少』。

对 CIO 与 CFO，这份调研的价值是把两件事分开：Agent 规模化是真实的、加速的、且只在大企业里发生；可归因的 EBIT 影响是停滞的。两者之间的桥梁——也是高绩效者与其余 94% 的分水岭——不是更强的模型，而是工作流再造。这也是 OOMeta 在企业 AI 落地中始终把『再造而非叠加』放在第一位的依据。

参考来源

常见问题

Agent 规模化真的在加速吗？+

是，且主要发生在大企业。40% 收入超 10 亿美元的受访企业已在至少一个业务职能规模化 Agent，一年前是 27%；小企业维持在 22% 左右，几乎没有增长。

EBIT 贡献为什么连续两年持平？+

仅 37% 的受访者把任何盈利影响归因于 AI，与上年几乎相同；与此同时 80% 的人报告个人效率提升。部署在扩大，可归因的财务影响却没有随之移动。

个人效率提升为什么没有变成 EBIT？+

调研与 Gartner 的分析指向两点：水平工具省下的时间留在员工桌面，没有流向损益表；而 Agentic 工作流单任务 token 消耗是普通聊天的 5 到 30 倍，上升的推理成本吞掉了部分收益。

高绩效者与其他人差在哪里？+

工作流再造。近四分之三的高绩效者围绕 AI 重新设计业务流程，其他受访者仅约四分之一；高绩效者还更可能建立衡量 AI 影响的流程，更可能把 15% 以上的 IT 预算投入 AI。

这份调研能证明 Agent 没有创造价值吗？+

不能。部署、感知生产力与 EBIT 归因是三个独立指标，调研为自报数据，无法做因果检验。它证明的是：规模化快于可归因的财务影响，中间隔着工作流再造这一步。

相关文章

AI Agent ROI 2026：把散落的数字拼成一张图

汇总 2026 年可信来源的 Agent ROI 数据：Deloitte 171% 平均回报与 3.4-11.2 个月回本、Gartner 80% 嵌入率、McKinsey 88% 采用 vs 29% 见到回报、PwC 56% CEO 看不见 ROI——以及差距背后的治理原因。

主权 AI 不是地缘政治，是架构决策——IDC × Cohere 企业调查的五个真相

IDC为Cohere调查508家企业：86%已在用内嵌Agent，但只有12%的企业真正理解主权AI的风险。420家设了负责人，仅8%职责清晰。数据泄漏仍是头号担忧（76%），『自主行为失控』只排到24%。

Agentic AI ROI进入兑现期：Google Cloud报告揭示投资回报新范式

Google Cloud与NRG联合报告显示，88%的Agentic AI领导者已实现正回报，企业AI投资从实验转向价值兑现。报告调研全球3,466位高管，揭示AI成熟度新阶段。

AI Agent ROI真相：平均回报171%但40%项目面临关停风险

Deloitte 报告企业 AI 平均 ROI 达 171%，但 40% 项目因价值不清面临关停风险：SDR 岗 3.4 个月回本，法律合规岗 11.2 个月。本文按职能拆解 ROI 与成本现实，给 CFO 和 AI 领导者三项行动。