为什么同样使用AI，有的企业拿到了真金白银，有的却只拿到了一份漂亮的效率报告？
麦肯锡2026年的全球AI调查显示，80%的受访者认为AI提高了个人工作效率，但只有37%认为AI对企业息税前利润产生了至少一定影响。
能够将至少5%的息税前利润归因于AI，并认为AI带来了显著价值的高绩效企业，只占受访企业的约6%。
也就是说，AI很好用，和AI很赚钱，可能完全是两回事。
但另一边，一些企业已经拿出了相当亮眼的成绩。
美的披露AI赋能节约成本7亿元，Klarna估算AI客服一年节约5900万美元，Verizon的客服团队在部署AI辅助工具后，销售额增长近40%。
同样是AI，为什么结果差这么多？
我们不妨看看这些企业究竟做对了什么。
01 美的：AI直接走进工厂
2026年3月，美的集团对外披露了一组数据。
2025年，美的通过AI赋能，全年提效超过1500万小时，节约各项成本达7亿元。
每天有超过1.3万个智能体，在制造、仓储、物流、办公等场景运行。
这组数字最有意思的地方，不是智能体数量，而是它们究竟在干什么。
以美的荆州洗衣机工厂为例。
工厂通过统一调度的智能体系统，将AI应用到排产、装配、质检、巡检和供应链等环节。
公开资料显示，该工厂14个智能体覆盖38个核心生产场景，部分传统需要人工数小时处理的任务，可以实现秒级响应。
其中，排产响应速度提升90%。
为什么这件事值得关注？
因为制造业真正昂贵的，往往不是员工写一份生产报告所花的时间。
而是生产计划调整不及时、设备异常处理缓慢、物料供应不协调，以及由此带来的等待、返工和资源浪费。
假设一条生产线突然出现设备故障。
AI帮主管花一分钟写出一份故障分析报告，当然有用。
但如果AI能结合设备状态、生产计划和供应链信息，及时发现异常、辅助调整排产，把可能影响后续交付的风险提前处理掉，价值就完全不同了。
前者节省的是办公时间，后者改善的是生产经营。
美的的案例当然还需要进一步拆解：7亿元成本节约涉及哪些项目？其中多少属于可验证的现金支出减少？部署和运维成本又有多少？
但至少它提供了一个值得研究的方向：
AI不必停留在员工的电脑屏幕里，它可以进入真正影响企业成本的业务环节。
02 Klarna：AI客服一年节约5900万美元
客服可能是企业最早大规模部署AI的场景之一。
以前，客服部门上AI，最喜欢展示的几个指标是：
机器人接待率多少？平均响应时间缩短多少？每天自动回复多少条消息？
这些数字确实能说明系统的自动化程度，却未必能说明经营价值。
瑞典金融科技公司Klarna的做法，值得拿出来讨论。
根据Klarna向美国证券交易委员会提交的2025年度报告，其AI助手承担了全年约80%的客户服务聊天，估算节约成本约5900万美元。
公司还披露，AI处理的客服对话在客户满意度方面与人工客服相当，平均问题解决时间也明显缩短。
这里最值得注意的，不是“80%的咨询被AI接待”。
而是企业试图把自动化程度与服务成本、问题解决效率联系起来。
我们平时遇到的一些智能客服，回复速度确实很快。
你问它一个问题，它给你三个链接；你说没有解决，它再给你五个链接。
最后你忍无可忍：“麻烦转人工，谢谢！”
这样的AI，就算接待了100万次咨询，也很难说创造了100万次价值。
真正有效的智能客服，应该减少重复沟通、解决常见问题，并在遇到复杂情况时顺畅转接人工。
Klarna也保留了客户选择人工客服的渠道。
当然，5900万美元是公司的成本节约估算，并不等同于扣除全部AI投入后的净利润。
但相比单纯宣传机器人接待率，它至少把讨论拉回了企业经营层面：到底减少了多少成本，又有没有牺牲服务质量？
03 Verizon：客服装上AI后销售额涨了近40%
Verizon的故事更加有趣。
这家美国电信运营商没有只把AI当成降低客服人力成本的工具，而是尝试让客服人员创造更多销售价值。
根据路透社2025年4月的报道，Verizon在客服团队中部署了基于Google Gemini的AI辅助工具。
客服人员与客户沟通时，AI可以帮助他们快速查找内部信息、回答问题，减少寻找资料的时间。
公司管理层披露，自相关工具部署以来，其约2.8万人的客服团队所产生的销售额增长近40%。
注意，这是客服团队的销售额变化，不是Verizon整个公司的销售额增长，也不能直接证明40%的增幅全部由AI造成。
但这个案例的思路非常值得关注。
同样是节省半小时，有人拿来多发20封模板邮件，有人拿来与一个重要客户进行深入沟通。
两者的商业价值，可能完全不同。
04 Zalando：AI生成90%的站内营销内容
但亮点并不只是产量
再来看一个和市场营销有关的案例。
欧洲时尚电商Zalando在2025年把AI生成的站内营销内容比例，从接近零提升到了90%。
按照公司2026年披露的数据，内容产出增加70%，营销活动制作周期从过去的六周缩短到几天。
听起来很像很多企业市场部正在追求的目标：
用AI批量生产内容。
但如果仔细研究，会发现Zalando关注的不只是“生产更多图片”。
时尚零售有一个非常现实的特点：热点来得快，消失得也快。
一种穿搭风格突然在社交媒体流行，如果企业需要等待六周才能制作出相应的营销素材，等活动上线时，消费者可能已经开始关注下一轮潮流。
AI真正改变的，是企业对市场变化的响应速度。
过去，因为制作成本和周期限制，一套营销素材可能要尽可能覆盖多个市场。
现在，Zalando可以针对不同地区、消费偏好和流行趋势，更快制作本地化内容。
也就是说：
它不只是把原来的工作做得更快，还尝试做过去因为成本太高、速度太慢而做不了的事情。
05 为什么有的企业用AI省钱
有的却越用越贵？
把这些案例放在一起，其实可以发现一个规律。
有的企业把AI用在原本就很忙的工作上。
有的企业则把AI用在真正制约经营结果的业务环节。
这两个方向，表面看差不多，最后的结果却可能完全不同。
比如一家企业发现，员工每个月要花大量时间写周报。
于是部署AI，周报生成时间从一小时缩短到五分钟。
但问题是，如果这些周报本来就没有被认真阅读，也没有推动任何决策，那么用AI加速生成它们，究竟创造了多少价值？
再比如，一家制造企业发现，生产异常处理不及时，每年都会产生可观的额外成本。
如果AI可以帮助提前识别异常、辅助排产、减少不必要的等待，即使它只改善了一个场景，也可能产生比自动生成几万份报告更大的价值。
06 真正拿到“大结果”的企业
做对了什么？
从美的、Klarna、Verizon和Zalando的案例里，我总结出三个值得观察的共同点。
第一，它们的AI应用不是为了证明技术先进，而是围绕具体业务问题展开。
工厂需要降低生产成本，客服需要提高问题解决效率，销售需要创造更多收入，营销需要更快响应市场。
业务问题先于AI工具存在。
第二，它们没有只盯着单个员工的效率，而是尝试改变整个业务流程。
AI生成一份分析报告，和AI帮助企业完成从数据分析到业务执行的过程，不是同一个层次的价值。
真正有机会产生大结果的应用，往往需要数据、系统、业务流程和人员共同配合。
第三，它们开始尝试用经营指标衡量AI，而不只是用技术指标。
不是部署了多少智能体，也不是生成了多少份报告，而是成本、销售额、交付效率和客户体验发生了什么变化。
写在最后：AI最大的商业价值
不是让人做得更快
我们可能正在进入企业AI发展的一个新阶段。
第一阶段，企业争先恐后地接入AI。
第二阶段，员工开始熟练使用AI工具，工作效率明显提升。
而接下来，更重要的问题会是：
这些被释放出来的能力，究竟被用到了哪里？
用AI写出更多没人看的文章，价值可能有限。
用AI自动生成更多没人跟进的销售记录，未必能带来订单。
用AI快速生产更多不符合真实需求的功能，也不一定能创造更好的产品。
反过来，如果AI能够减少生产停机、帮助客户更快解决问题、提高业务转化，或者让企业发现过去难以发现的机会，那么它创造的价值就可能超出单纯的工时节约。
这也是为什么，我越来越觉得：
企业AI的竞争，不应该只看谁使用了更多AI，而应该看谁更清楚自己的业务瓶颈在哪里。
技术可以越来越强，工具可以越来越便宜，但判断什么问题值得解决、如何调整业务流程、怎样衡量真实收益，仍然是企业自己的功课。
欢迎关注交流。
