两份报告的口径与样本
本报告的两大数据源在样本与立场上差异明显，先交代清楚：
| 维度 | UiPath 调研 | Anthropic × Material 报告 |
|---|---|---|
| 发布时间 | 2026-09-09（BusinessWire 通稿） | 调研窗口为 2025 年末，2026 年初对外发布 |
| 样本 | 约 600 名大型企业 C 级管理层与 IT 从业者 | 500 余位技术决策者（CTO / CIO / 工程负责人） |
| 企业门槛 | 年收入 10 亿美元以上 | 覆盖不同规模与行业 |
| 地区 | 美、英、法、德、印、新加坡 | 以美国为主 |
| 发起方立场 | 自动化与编排平台厂商 | 前沿大模型厂商（与调研机构 Material 合作） |
两家发起方都有明确商业动机——UiPath 出售编排能力，Anthropic 出售模型与智能体产品——因此两份报告都应以「厂商视角的行业快照」而非中立学术研究来读。也正因立场不同，两者结论的交叉验证部分反而更有信息量。
部署现状：31% 完全嵌入与 57% 多步骤工作流
UiPath 的调研把企业部署程度分成了清晰的三档：仅 31% 的受访者表示 AI 已完全嵌入业务；35% 在部分团队有限采用；11% 仍处于试点模式做有限实验。换句话说，即便在年收入十亿美元以上的大型企业中，「AI 用起来了」与「AI 成了业务的一部分」之间仍有接近七成的距离。
Anthropic 的报告从部署深度给了另一个切面：57% 的组织已把智能体用于多阶段工作流，其中 16% 推进到了跨团队、跨职能的端到端流程。报告将这视为从「任务自动化」到「流程编排」的跃迁——掌握多阶段与跨职能部署的组织，在速度、一致性与规模上获得简单自动化无法提供的优势。
| 指标 | UiPath | Anthropic × Material |
|---|---|---|
| AI/智能体深度嵌入业务 | 31%（完全嵌入） | — |
| 多阶段工作流部署 | — | 57% |
| 跨职能端到端流程 | — | 16% |
| 报告智能体投入 ROI 达标或超预期 | 编排层完全嵌入企业中 89% | 80%（自报「可衡量经济影响」） |
| 计划 2026 年推进更复杂用例 | 36% 预期智能体未来 12 个月在工作流中发挥重要作用 | 81% |
编码场景在两份报告中都是成熟度靠前的领域：Anthropic 报告显示超过 90% 的组织用 AI 辅助编码、86% 已在生产环境部署编码智能体；UiPath 则观察到企业普遍从「单点效率工具」转向「竞争力来源」的定位变化。
规模化三道坎：数据、集成与治理
两份报告各自给出了规模化的障碍排序，名次不同但高度互补：
| 排序 | UiPath（障碍占比） | Anthropic × Material（障碍占比） |
|---|---|---|
| 1 | 数据质量与就绪度（38%） | 与既有系统集成（46%） |
| 2 | 与现有工作流和系统集成（37%） | 数据访问与质量（42%） |
| 3 | 治理与合规（33%） | 实施与运营成本（43%） |
| 4 | — | 变革管理（39%） |
UiPath 产品与技术负责人 Raghu Malpani 在通稿中的表述是：「实验与企业部署之间的差距是已知的，通常归结为数据、集成与治理挑战，正是它们让 ROI 触不可及。」Anthropic 报告则给出了一个更锐利的判断：模型能力没有进入障碍前三——制约智能体价值的约束已从模型能做什么，转移到组织允许它碰什么。
两份立场迥异的报告在诊断上罕见地一致，这是比任何单个百分比都更值得采信的信号：当从模型赚钱的公司和从集成痛点赚钱的公司给出同一诊断时，问题大概率真的在模型之外。
编排层：ROI 达标的分水岭
UiPath 报告中传播最广的数字是这组对比：在表示业务编排能力已完全嵌入全企业的受访者中，89% 称其智能体部署达到或超过了 ROI 预期；而全样本中编排层完全嵌入的企业只有 29%。报告据此把「业务编排」定位为连接数据、系统、工作流、人与智能体的缺失层。
编排层嵌入较深的企业报告的收益集中在五项：
- 员工有更多时间投入高价值任务（51%）
- 应用间集成度提升（47%）
- 业务工作流监督改善（44%）
- 客户响应速度提升（42%）
- 复杂业务工作流自动化（37%）
同时报告观察到工作流形态的混合化：52% 的受访者正把 AI 用于静态与动态流程结合的「混合型」工作流——即既有确定性规则、也需要智能体自主决策的流程。这类流程恰好是编排层的用武之地，也是纯 RPA 与纯智能体方案都难以独立覆盖的地带。
「编排层决定 ROI」是一家有说服力的相关数据（89% vs 全样本），但要注意两点：其一，相关不等于因果——能把编排层做深的企业，往往数据治理与流程成熟度本来就高；其二，UiPath 正是编排层的卖方。更稳妥的读法是：编排能力与 ROI 达标高度相关，企业应把它纳入投入评估，而不是视为买某个产品即可获得的开关。
混合构建策略成为主流
Anthropic 报告中另一个值得单独讨论的发现是构建策略的分布：47% 的企业选择「混合模式」——现成智能体产品与自建组件并用；仅 21% 完全依赖预构建智能体，20% 通过 API、开源模型或开发工具包完全自建。
这个分布与 2025 年以来「买还是建」的二元叙事形成了有趣对照：企业实际的行为是用现成产品覆盖标准化工作流（启动快），用自建覆盖差异化工作流（控制强）。报告将其概括为：现成产品启动快但定制不足，完全自建控制强但成本高，混合模式同时吸收两头优势——代价是架构复杂度与集成债。
此外报告观察到使用场景的扩张方向：编码之外，数据分析与报告生成（60%）成为影响力靠前的用例，内部流程自动化（48%）紧随其后，56% 的组织计划在一年内部署研究与报告类智能体。
辩证解读：数字的另一面
把两份报告放回更大的证据环境里，有四处需要保持清醒：
- ROI 数字是自报体感而非审计结果。Anthropic 报告的措辞是「可衡量的经济影响」，受访者为刚批准智能体预算的技术高管，80% 应理解为「负责人愿意在问卷上确认有效益」，与财务口径的利润增量是两回事；
- 与对立数据并读才有全景。MIT 广被引用的 GenAI Divide 研究曾给出 95% 的企业 AI 试点未产生可计量损益影响的判断；麦肯锡 State of AI 2026 则显示仅 37% 的受访者认为 AI 对 EBIT 有正贡献、仅 6% 达到其定义的 AI 高绩效企业。80% 与 95% 描述的不是同一个总体，但并读方能避免单向叙事；
- UiPath 的编排叙事有产品绑定。89% 的对比数据出现在一家编排厂商的通稿中，样本内「编排层完全嵌入」的定义由厂商给出；
- 「试点停滞」的另一种读法：11% 困在试点也可以理解为企业在为更成熟的采购决策做尽调——在技术快速演进的窗口期，慢半拍未必是失败。
对企业的行动启示
综合两份报告与上文批判，可操作的启示有四条：
- 先修数据，再买智能体：数据质量与就绪度在两份报告中都居障碍前列，智能体放大数据的价值也放大数据的缺陷；
- 把集成预算写进立项：与既有系统集成的成本（Anthropic 口径 46% 的首要障碍）常被低估，评估智能体项目时应把「接上 15 年前的 ERP」的工时计入总账；
- 用工作流重构度衡量，而非登录数：BCG 的分层数据显示大量组织停留在把 AI 当搜索用的阶段；衡量智能体价值的单位应是「流程改动量与产出质量」，不是工具活跃度；
- 混合策略做架构预案：47% 的混合占比提示，预留「现成产品与自建组件互换」的接口层（如标准化的工具与数据接入协议）比提前押注任何单一路线更稳健。
目前官方及行业暂未披露两份报告的后续追踪计划，后续将持续跟进迭代动态。