第一章：6% 与 94%——同一份麦肯锡报告里的两组故事

麦肯锡 2026 年 8 月 25 日发布的《State of AI: On the Road to ROI》调研覆盖 97 个国家 1,719 位高管，是本年度规模最大的全球 AI 现状调查。报告里最值得拿出来并排读的三组数字——「44% 企业实现 AI 全规模化部署」「仅 6% 产生 5%+ EBIT 贡献」「37% 报告 EBIT 正向影响」——讲述的是同一年里、同一批企业里的不同故事。

第一组数字看起来喜人：对比 2025 年，规模化部署比例从 38% 跳到 44%，在至少三个业务职能中使用 AI 的企业从 51% 升至 56%，年营收 10 亿美元以上的大型企业规模化率达 54%（小型企业 33%）。在 10 亿美元以上的大型企业里，「正在规模化 AI Agent」的比例从 27% 跃升至 40%，几乎所有平台型企业（ServiceNow、Salesforce、Workday）的财报都印证了这条曲线。

但另外两组数字卡住了所有乐观叙事：报告 EBIT 正向贡献的企业只有 37%，与 2025 年持平；高绩效者（≥5% EBIT 贡献且价值「显著」）占 6%，也和 2025 年一样。10 个百分点的规模化进展，0 个百分点的财务回报，这就是 Momo Advisors 说的「活动跑赢结果」。

1.1 6% 高绩效者在做什么不一样的事

麦肯锡把 6% 高绩效者与剩下 94% 对比后，提取出四大特征。每个特征都不是简单的「做更多」，而是「换一种方式做」：

其中，工作流重构一项从去年的 55% 攀升到 74%，相当于把上一年的差距（55% vs 25%）拉大一倍。麦肯锡在报告里专门引用了 Michael Chui（高级研究员）的评论：「限制因素日益转向组织吸收变革的能力——避免单纯积累工具或试点项目，而是建立可重复的能力，将这些努力转化为新的工作方式。」

1.2 三家 SaaS 巨头的同向验证

Q2 FY27 财报季给麦肯锡的 6% 故事补上了财务数据的同向证据，三家企业软软件巨头的口径高度一致——他们服务的恰恰是已经或正在变成 6% 阵营的那批客户：

• Salesforce（8 月 26 日 Q2 FY27 财报）：Agentforce ARR 突破 15 亿美元，YoY +240%；季度完成 32 亿次 Agentic Work Units（QoQ +97%），单季新增 2,000 个 Agentforce 生产付费客户（QoQ +70%）。
• ServiceNow（7 月底 Q2 财报）：订阅收入 38.77 亿美元（YoY +24.5%），AI 业务 ACV 突破 10 亿美元，9 个月内 Agent 部署量增长 9 倍——「以前很多人把 ServiceNow 看成 IT 工单和工作流程软件，现在它越来越像企业 Agent 的控制中心」。
• Workday（7 月底 Q2 财报）：AI 占新增 ACV 的 25%+，5,500+ 客户正在使用至少一个 Workday 自研 Agent；HR、财务、审计等「高敏感岗位」成为最显著的落地场景。

三家公司的 ARR 与 ACV 增速曲线高度一致，说明这不是单家公司的销售能力问题，而是市场从「工具售卖」转向「按结果计价（outcome-based）」的趋势已经全面启动。Salesforce 在 2026 年 6 月已经为 Agentforce Help Agent 推出 $2 per resolution 的按结果计费模式，意味着 CRM 巨头正式告别「按席位计费」的二十年传统。

第二章：Frontier Professional 不是职位，是「新工人」——人机协同的全球现场

微软 2026 年 9 月 3 日发布的《Work Trend Index》（覆盖 10 个市场、2 万名 AI 用户）在麦肯锡的「企业层」叙事之外，提供了「员工层」的另一面镜子：32% 的印度 AI 用户已经成为「Frontier Professional」，是全球平均 16% 的两倍。这个词不是新增的职位，而是工作方式的根本转向——员工不再用 AI「加速自己的旧任务」，而是用 AI Agent 重新组织自己的工作流。

2.1 Frontier Professional 的四个核心特征

微软给「Frontier Professional」下了非常明确的定义：

1. 用 AI Agent 跑多步骤工作流（multi-step workflows）
2. 围绕 AI 能力重新设计工作
3. 为团队建立使用 AI 的共同标准
4. 保持对思考过程的最终责任（87% 印度用户强调这点）

在 Frontier Professional 这一层，员工的具体新职责有四：委派重复任务、设定目标、制定策略、验证质量。报告用「10 倍营销经理」展示了这一形态：营销经理不再亲自写文案、拉数据、监测竞品，而是协调五个专门 Agent——数据 Agent、内容 Agent、报告 Agent、分析 Agent、创意 Agent，把结果做到 10 倍级。

2.2 IT 大厂的真实账本：印度四大企业的 Agent 部署数据

微软报告里披露的印度四大 IT 企业（Infosys、TCS、Wipro、LTIMindtree）数据，是人机协同组织最实在的财务证据。半年内 4 家企业签下 40 万+ Microsoft 365 Copilot 席位，是微软企业 AI 史上最快的一次规模化：

Wipro 的数字尤其值得琢磨：每月 23 次/用户 的「动作频度」，意味着 Copilot 已经从「偶尔启用的工具」演化为「每天默认打开的基础设施」。Infosys 高管 Balakrishna D R 在发布会上直接点题：「Building a Frontier Enterprise requires more than technology. Organisations that are realising sustainable value from AI are those that combine leadership alignment, workforce readiness, governance, and intelligence embedded across the business（建设前沿企业需要的不仅仅是技术。真正从 AI 中获得可持续价值的组织，是把领导力对齐、员工准备度、治理、和业务内嵌的智能结合起来的组织）。」

2.3 Anthropic 的另一组证据：劳动市场的「再分配」而非「消失」

Anthropic 2026 年 3 月发布的《Economic Index》报告与欧洲央行 4 月号的《Economic Bulletin》互为印证，给出一个反直觉但数据稳健的结论：自 2022 年底 ChatGPT 发布以来，最受 AI 暴露的美国工种并未出现统计显著的失业率上升。

更具体地说，劳动力市场呈现「再分配」图景：高 AI 风险工种（经济学家、图形设计师等）2019—2025 年间就业下降 4%；低 AI 风险工种（电工、教师等）同期增长 13%，差异约 15 个百分点。ZipRecrufer 2026 年 6 月 1,000+ 美国雇主的调查则给出了雇主的视角——24% 表示 AI 让他们招到更多人，16% 表示招到更少，35% 预期总人头会增长。

但数据里藏着一个更值得企业管理层关注的预警——Anthropic 发现 22—25 岁年轻人进入高 AI 暴露岗位的「入门率」比 2022 年下降 14%；Stanford Digital Economy Lab 用 ADP 工资数据追踪到 2026 年 6 月，发现 22—25 岁年轻人在暴露岗位的就业低于同年龄对照组 19%。AI 不是让老人失业，而是把年轻人的第一道门关窄了。站在企业经营的角度，这等于提前 2—3 年预告了「未来 3 年的初级岗位人才荒」。

第三章：从「买工具」到「造员工」——企业必须重建的三个底层

回到企业经营视角，6% 高绩效者的本质不是「AI 模型选得好」，而是他们做对了三件多数企业没做的事：

3.1 流程再造：AI 时代价值链的第一次重写

麦肯锡 2026 报告指出，「74% 高绩效者根本性重构工作流」——这意味着 AI 不是「加速现有流程」的加速器，而是「重新设计流程」的起爆器。波士顿咨询集团 8 月报告里那个典型反例很说明问题：某金融机构最初把 AI Agent 接到贷款审批的「信息收集」环节，结果审批周期反而延长 22%，因为人类的旧流程里有一半环节是「弥补信息不对称的复核机制」。重构后，该机构审批周期缩短 68%，风险识别准确率反而提升 15%。

Google Cloud 2026 AI Agent Trends 报告（基于 3,466 位企业决策者）给出更宏观的数据：52% 企业已部署 AI Agent 到生产环境，88% 早期采用者拿到正向 ROI；每次 AI 交互平均节省 40 分钟（TELUS 案例：57,000 名员工）。当 88% 早期采用者「看到正向回报」、40% 大企业「正在规模化 Agent」时，已经足够说明：流程再造不是选项，是启动条件。

3.2 组织重塑：把人放对位置，重新定义岗位

Anthropic、麦肯锡、微软三份报告交叉验证的同一件事是：AI 改变了岗位内容，不等于改变岗位数量。麦肯锡数据：47% 中层和基层员工感到 AI 带来负面压力（高管仅 31%），说明岗位内容正在剧烈再分布。麦肯锡 2025 年调研中 39% 雇主预期 AI 会裁员，但实际兑现远低于预期——意味着预期与现实之间有空缺职位等待重新匹配。

印度四大 IT 的部署数据则是最好的「岗位再设计」案例：Wipro 通过员工自建 Agent 让 29,000+ 员工从「流程执行者」变为「Agent 编舞师」；TCS 让 86% Copilot 持证员工把工作重心移到「研究、内容生产、智能决策」这些 AI 协同密度高的环节。

3.3 治理重建：从「沙盒试验」到「合规经营」

Deloitte《State of AI in the Enterprise 2026》给出了治理漏洞的硬数据：仅 21% 的企业为自主 Agent 建立了成熟治理模型。Gartner CIO Survey 2026 显示：60%+ 企业计划未来两年部署 AI Agent，但只有 17% 实际部署到生产——这「60% 计划 vs 17% 落地」的鸿沟不是因为模型不够好，而是治理能力不够。

Forrester / Anaconda 数据显示 86%—88% 的 Agent 试点永远不会进入生产。Gravitee 2026 State of AI Agent Security 报告补充：不到 25% 的组织能完全看清 Agent 之间是如何通信的，近一半仍在依赖共享 API Key（而不是把 Agent 当成独立「身份主体」来管理）。这就是为什么麦肯锡把「治理」列为高绩效者 2 倍优势项——治理不是为了让合规好看，是为了把 Agent 放进「有边界、有目标、有考核」的工作位置。

第四章：组织变革落地的「四步动作」与对 AICOR 双业务线的含义

回到「企业经营的实际含义」：当 6% 的故事扩散开来，企业需要做的不是「再选一个模型」，而是「再造一套组织结构」。我们参考麦肯锡的七项最佳实践、PwC 2026 AI Performance Study（1,217 位上市企业高管）、Google Cloud 2026 AI Agent Trends，把可落地的动作收束为四步：

4.1 对 AICOR 双业务线的含义

对 AICOR 双业务线而言，2026 年不是「再多介绍一个 AI 工具」的年份，而是「帮企业把 AI 变成数字员工」的年份。

• 个人/初创团队线（业务线 1）：以「一人公司」为目标客户的模板化方案，要在 90 天内交付「流程画像 + Agent 编舞 + 岗位 JD 重写 + 结果计费表」的四件套，最好嵌入 WorkBuddy 这种「虚拟员工管理系统」让一人公司主自己编排 Agent。这条线是业务线 2 的入口，要让小客户先跑起来，再升单到大客户。
• 中大型企业线（业务线 2）：咨询服务真正的标的物是「6% 高绩效者做到的三件套」——流程再造、组织重塑、治理重建——而不是「再选一个更大的模型」。Atlassion / ServiceNow 等平台型企业用「按结果计价」打掉企业旧的「按席位计价」思路，AICOR 也需要在自营咨询方案中补上 outcome-based 的报价段落。

结语：6% 不是分母，是权重——剩下 94% 的企业缺的从来不是 AI 模型，而是「把 AI 当成组织的一种新形态来治理」的决心与方法论。当 Salesforce、ServiceNow、Workday 把「按结果计价」变成行业惯例，当印度 4 家 IT 巨头用 40 万席位+91% 月活证明「Frontier Professional」是可行的，新一轮「企业级 AI 组织变革」窗口已经打开。AICOR 的机会不是参与这场变革，而是定义这场变革在中国语境下的实施路径。

数据口径与来源说明