本篇文章，我们将通过主流咨询公司的数据，看看中外企业的人机协同团队建设情况。看到最后会发现，现状可能和大多数人印象中的不一样。

01 渗透程度——AI技术广泛普及

首先看AI智能体的普及。我们前面的定义中，人机协同团队中，至少要有一个AI智能体被赋予固定职责，与上下游形成稳定工作关系，并拥有一定程度的决策权，以至于能够影响一个作业单元。从这个意义上说，大多使用AI智能体的企业，至少在一个组织局部范围内建起来人机协同团队。

我们首先引用两个国外机构的数据。

斯坦福HAI的数据说明，AI技术在企业内正在迅速普及。2024年78%的组织报告使用AI（2023年为55%），生成式AI的使用率从33%跃升至71%（Stanford HAI，2025）。

而麦肯锡2025年全球调研则显示，相对于AI技术的广泛应用，其应用深度严重不足。

从AI技术的普及上看，88%的组织已在至少一个职能中使用“AI工具”（上年78%）；再提高一下门槛，62%的组织至少试验过“AI智能体”；但是，仅有23%的企业在至少一个职能中跑通了规模化部署；而且，没有任何单一职能（如人力、财务类职能）内，各大企业在AI智能体规模化上的比例超过10%（McKinsey，2025）。

回到中国企业，穆胜咨询的数据显示，对于AI技术的应用似乎要保守很多，广度和深度都不让人乐观。

根据穆胜咨询的《2026中国企业平台型组织建设研究报告》，61.7%的企业使用AI的情况比较相似：一方面，大多企业都是部分员工在使用AI工具，另一方面，在这些企业里使用AI工具都是心照不宣的秘密。 换言之，AI工具在这类企业里并未完全普及，但也绝对不是稀缺品；大多员工不愿意公开承认，但也不会坚决否认。

至于搭建AI智能体，并接管部分职能，似乎并不在中国企业近期的计划里。当我们问道“贵司计划在1年内用AI工具替代多少现有岗位”时，66.7%的企业回答“暂无计划”，22.5%的企业回答“小于10%” ，两者合计比例为89.2%，这群相对保守的企业比例，相对2025年的81.7%反而上升了7.5%。

02 人力削减——假装“AI导致裁员”

再看AI技术的普及是否导致了裁员。裁员一方面降低了人工成本，直接提升了企业利润，另一方面也减少了人类员工的数量，客观上带来了人机混合（而非协同）的效果。在舆论中，这种“AI挤出人类员工”的现象已经大量发生，甚至还有媒体将“人类对抗AI”的故事写得有模有样，但现实真的如此吗？

Gartner给出了一个极其重要的纠偏数据：2025年上半年仅1%的裁员源于AI提升了员工生产力（Gartner，2026）。换言之，“AI导致裁员”的舆论热度，远远领先于“AI真的产生了足以裁员的生产力”这一事实。

事实上，对于AI是否足以替代人类，国外企业在实践后的认知已经开始趋于理性。德勤的数据显示，39%的商业领导者曾因AI裁人，但其中55%认为这是一个错误的决定（Deloitte/Orgvue，2025）。Salesforce和Klarna都曾大刀阔斧地在客服领域推动“AI换人”，但却发现这导致了服务质量下降，人类员工始终有AI无法替代的部分，于是，最终重新招聘了人类员工。

尽管硅谷企业大量以AI替代为名进行裁员，但这种现象在中国企业中并未大量发生。这种状态并非是基于实践后的理性，更有可能是实践尚未展开，或者对于“AI换人”的前景并不看好。

穆胜咨询的《2026中国企业平台型组织建设研究报告》用国内数据更深刻地揭示了“AI导致裁员”的真相。其中，这类裁员比例大于10%的企业仅有2.0%，可以忽略不计，比例小于10%的企业仅有17.6%。也就是说，仅有少量企业以AI替代为名进行了裁员，裁员比例也普遍小于10%。而且，这些企业中仅有极少部分（占比8.3%）企业进行了员工技能蒸馏。这说明，媒体上广泛宣传的”蒸馏员工”的现象更像是一个炒作流量的噱头。反过来说，也许大量员工并没有那么值得被蒸馏。

从员工的角度来看，他们的确有对抗AI的应激反应，主要体现在“找理由不使用AI工具”和“不承认AI给出的结果”，这部分人占比为45.0%。这种消极应对说明，AI智能体和人类员工之间的对抗，也许并不像媒体描述的那么激烈。

03 职能进展——哪些领域正在人机协作？

我们收集了全球的企业案例，发现人机协同团队主要在客服、研发、后台职能（HR等）、销售营销、供应链五个领域得到了积极应用。

我们发现，五类职能的应用中，人机协同的成熟度不取决于“AI有多强”，而取决于该场景的“例外处理机制”是否健全、“质量底线”是否被守住、“判断标准”是否可解释。这三者构成了人机协同团队能否长期稳定运行的三根支柱。

2025年，穆胜咨询以68家中国中大型客户企业为样本，针对老板或CEO（老板代理人）进行了一次问卷调研。在问卷中，我们针对一家企业的多个常见职能领域，计算了职能复杂程度（包括数据复杂性、决策独立行和决策封闭性三个维度）和AI适用效果（包括AI引用范围、AI实施效果和AI影响程度三个维度）。

在此基础上，我们计算了一个名为“导入AI积极度”的指标，即“导入AI积极度=AI适用效果/职能复杂程度”。这个指标很明确地说明了职能部门在不同的“先天条件”下导入AI的进展，直观来看，这个指标越大，越说明该职能积极地导入了AI，反之，则是对AI存在抵制太多。

结果显示，并不完全是那些易于使用AI的职能部门会导入AI，而是那些受到最大压力，且易于使用AI的部门会积极导入AI。说白了，从趋利避害的角度来看，所有职能部门的从业者都希望非标化，希望这块职能必须要依赖自己，但推动标准化，甚至引入AI的，还是那些承受压力最大的部门。一方面，法务、质量标准、采购、金融等职能部门的效率早已保守诟病，他们也有条件导入AI，其积极似乎可以理解；另一方面，生产/业务/经营/运营、财务、人力资源这类职能则是因为难度太大，在导入AI上尚需努力；除此之外，办公室、战略、研发、审计监察因为种种原因，被从业者们导向了凭手感的操作，AI自然是难以渗透。

结合麦肯锡的关于AI智能体尚未在大多企业内渗透到职能领域，以及在单项职能里并未普及的数据。我们推测，在国内人机协同团队的生根发芽，尚且有很长一段路要走。某些行业（如科技行业）的某些先锋企业有意愿在某些职能里发展人机协同，但其他企则业更像是压力之下的应对，而非寻求发展的主动为之。这些企业并不会完全因为某个职能容易导入AI智能体而积极行动，他们的积极性更大程度依赖于外部压力。

麦肯锡的国际样本里，AI高绩效企业（仅占6%）在多数职能中规模化部署智能体的比例，是其他组织的三倍以上，这些先锋企业必然带动趋势。但在我们的中国样本里，并没有太多的先锋企业给出让人信服的数据，即使像Salesforce和Klarna这类让人耳熟能详的“折腾案例”也没有。在人机协同团队的建设上，中国企业，要加油了。

04 业绩提升——是否带来了真金白银？

目前，对于AI智能体进入企业后带来的业绩提升，更多体现在成本端。如果AI智能体能够在确保工作质量的同时替代掉部分人力，“AI换人”带来的人力成本和周边成本减少就是实实在在的。

IBM用AI智能体AskHR承接了大量常规HR咨询与事务，在几年内节约了约8000人的编制，处理94%员工咨询，带来了每年6.4亿美元的结余。事实上，这类HR事务性职能是AI最易切入的场景。

但Salesforce和Klarna的案例充分说明，这种成本的削减并非没有极限，甚至可能带来负面效果。

Salesforce用AI智能体Agentforce承接了客服与开发工作，其支持团队从9000人减少至约5000人，且未新增工程师岗位，Agentforce的 ARR由8亿增加至15亿美元，增幅为240%。但在2026年4月，其招入了1000名销售岗位的毕业生。这充分说明，AI可以承接“有界、结构化”工作，人类则会回流至“无界、客户面、判断重”的岗位。

Klarna用AI智能体接管了客服工作，导致员工从2022年的7400锐减至2025年的2831左右，尽管人均收入从34.4万暴增至124万美元，但2025年5月后，他们开始重新招聘人工客服，导致Q3客服运营成本升至5000万美元。这充分说明，AI在一定程度上的确有效，但“过度依赖”却有“牺牲服务质量”的代价，质量与共情仍是人类领地。

当然，AI对于收入端的助力也有体现，但依然是在某些职能模块发挥作用。

在AI 销售 SDR（Sales Development Representative，销售开发代表）¹ 、AI 催收、AI 客服挽留/追加销售等领域，AI智能体已经开始直接作用于获客、回款、留存。

“11x AI SDR”用 AI 智能体替代或辅助人工 SDR 做自动外呼、邮件触达、约会议、线索初筛，在约90天预约了200多场会议，会议量约3倍，单会议成本降低70%。换言之，尽管这一环节未能实现收入的闭环，但却通过增加销售管道和会议量，增加了收入了可能行。

亚马逊的经典推荐引擎，是其运用最久、商业价值最直接的AI应用，贡献了35%的销售额。其核心是用算法替代了传统的“人工选品推荐”或“静态货架”模式。其AI搜索栏将访客转化率从平均2.17%提升至搜索用户的12.29%，提升了近6倍。

除此之外，亚马逊的生成式AI助手Rufus于2024年推出，2025年全面铺开，从“推荐商品”进化到“对话式导购”，直接替代了部分人工客服和导购的职能。亚马逊CEO预计，Rufus每年可带来约100亿美元的增量销售额。目前，其已积累2.5亿活跃用户，月活同比增长140%；与Rufus互动的用户，完成购买的可能性比未互动者高出60%。

至于对企业经营业绩的影响，则并没有太多的明确数据。

麦肯锡的调研显示，仅6%的受访企业可以被定义为“AI高绩效者”，即AI对于EBIT的贡献达5%以上，并看到“显著价值”。而这些企业对于AI的应用，对于人机协同团队的搭建，并不是尝试局部降本，也不是尝试局部增效，而是着眼于增长与创新。

穆胜咨询的中国样本进一步验证了这种观点。2025年以68家中国中大型客户企业老板或CEO为样本的调研显示，仅有7.4%的企业感知到AI智能体“整体提升了组织效率，并转化为经营价值”，他们在“AI适用效果”和“导入AI积极度”上分别有3个以上和4个以上的职能远高于样本平均水平（获得4分及以上的高分）。而其他样本在这两个指标上仅有1-2个高分职能，差距相当明显，换言之，他们在人机协同团队的搭建上，一开始就有整体思路，不仅是为了局部降本或增效。

这可能是对于AI、对于组织、对于人机协同团队的认知不同，造成的“动机差异”。我们在深度访谈中发现，中国老板的几种启动“AI化”或“人机协同团队”的观点很普遍，“AI肯定是趋势，公司也有盈利，可以去投资未来，先不管AI能做什么，先用起来。”“我们公司内部有几个地方是内耗的重灾区，与其让人去内耗，不如让AI把他们都替代了。”“当前我们公司人肯定是多了，先用AI这把刀来砍砍人，降降成本，增加在寒冬里生存的底气。”大多中国老板对于AI的使用，要么就是虚无缥缈，要么就是急功近利。

我们相信，如果不进行组织升级，不重新设计工作流，而是简单地将AI嫁接到原有的组织和流程里，企业无法获得AI带来的经营业绩增长。随着实践的深入，越来越多的企业或研究机构意识到，“AI换人后自动提升组织效率”的说法根本不成立，AI可以降本，在局部领域可能增效，但要把局部效率提升变成整体效率提升，且形成最后的经营结果，似乎还要考虑大量的约束条件。

微软2026年研究发现，组织条件（文化、管理者支持、人才实践）对AI成效的影响约为个人因素的2倍（67% vs 32%）；仅19%的企业进入“前沿区”，即个人能力与组织支持相互强化的状态（Microsoft，2026）。

但微软这种对于组织条件的描述，可能太泛化了，关键还是组织设计和周边制度。穆胜咨询的《2026中国企业平台型组织建设研究报告》显示，仅有26.7%的企业为了推动AI化转型，进行了组织结构调整。而其余企业认为，技术是技术，组织是组织。对于那些已经进行组织调整的企业，他们的认知显然更超前。其中，56.3%的企业推动的组织转型有明显的平台型组织特征。也就是说，一旦企业意识到导入AI技术需要进行组织变革或调整，他们大多都会走向平台型组织。

¹ 在 B2B 销售里，SDR 通常负责销售流程最前端：找潜在客户、清洗线索；冷启动外呼、发邮件、LinkedIn 触达；初步判断意向，预约会议/把合格线索转给销售（AE）；一般不负责最终成交签单。和它常对比的是 AE（Account Executive，客户经理/销售代表），AE 才主要负责跟进商机、谈判和成交。