这份报告是什么：结构与口径声明
FII Institute（Future Investment Initiative Institute，未来投资倡议研究院）是一家总部位于沙特利雅得的全球非营利机构，围绕 THINK、XCHANGE、ACT 三大支柱运作。其 THINK 报告《Transforming Business: AI in the Enterprise》于 2026 年 10 月 12 日发布，主题是从实验到部署的跨越：企业如何把 AI 投资转化为生产率、客户体验与财务表现的可测改善。
先说结构。这不是一份一手调研报告——它的引用数据分别来自 McKinsey（组织采用率与智能体渗透）、IDC（支出规模）与 Deloitte（风险顾虑），FII 的工作是把这些二手数据与三家合作方的供稿（Brookfield、京东、Visa）编织成一个叙事：AI 采用在扩张，规模化是瓶颈，安全与信任是前提。理解这一点很重要——报告里的每个数字都应该追回到原始出处去核对，而不是当作 FII 的自采结论。本文下文即按这个原则逐一溯源。
88%、62%、23%：智能体规模化的三道关口
报告转引 McKinsey 全球 AI 现状调研（State of AI）的数据构成了一个漏斗：
| 漏斗层级 | 比例 | 含义 |
|---|---|---|
| 使用 AI | 88%（上年 78%） | 至少一个业务职能中常规使用 AI 的组织占比 |
| 试验智能体 | 62% | 至少在试验 AI 智能体的组织占比 |
| 规模化智能体 | 23% | 在至少一个职能把智能体系统推进到规模化阶段的组织占比 |
| 企业级 EBIT 影响 | 39%（多数不足 5%） | 报告 AI 对企业级息税前利润有影响的组织占比 |
这组漏斗的关键不在每一个数字，而在层与层之间的断崖。88% 到 62% 的断崖说明：即便在 AI 已经普及的组织里，仍有超过四分之一的团队没有触碰智能体形态——工具型 AI 与自主执行型 AI 之间隔着真实的组织成本。62% 到 23% 的断崖更陡：试验智能体的门槛低（一个演示、一个部门试点都算），规模化的门槛高（要接生产数据、过安全评审、改工作流、背业务指标）。McKinsey 调研的补充口径还显示，规模化的智能体多数只落地在一两个职能——IT 服务台与知识管理是最常见的入口，因为这两处的流程结构化程度高、错误成本低。
把 23% 读成「智能体失败」是一种误读，把它读成「智能体的组装期」更准确。对照 McKinsey 口径中约 6% 的「高绩效企业」（AI 贡献超过 5% EBIT）的行为特征——工作流重构倾向约为其他企业的三倍、超过三分之一的这类企业把数字预算的 20% 以上投向 AI——真正的分水岭不在模型选型，而在组织是否围绕智能体重排了流程与预算。
4000 亿美元支出与 EBIT 落差
支出侧，报告转引 IDC 估计：2026 年全球企业 AI 支出将达 4000 亿美元。报告把这组数字与「连接投资与运营结果」的命题并置——言下之意是支出在加速，而回报的可见性没有同步加速。这与 McKinsey 的 EBIT 数据（39% 报告影响、多数不足 5%）拼在一起，构成 2026 年企业 AI 的基本盘矛盾：预算向 AI 集中，财务报表尚未集体兑现。
落差的原因，报告归纳为三条：工作流重构（单纯把工具塞进旧流程不会产生杠杆）、人才发展（技能与岗位设计滞后于工具部署）、负责任治理（缺乏问责与监督框架的组织不敢把智能体放进核心流程）。这三条都不是技术命题，而是管理命题——这也是为什么 2026 年的多份行业研究（包括本站此前解读的实施能力报告 R-INDUSTRY-30）反复指向同一个结论：钱在流向交付与组织能力，而非模型本身。
三家贡献方的一线做法
报告的实践部分由三家合作方供稿，各自代表一种「AI 嵌入业务」的形态：
| 机构 | 披露要点 | 形态启示 |
|---|---|---|
| Brookfield（资产管理） | 识别 800 余个处于不同执行阶段的 AI 用例；设立 AI Value Creation Office，配置 30 余名投资、运营与技术专员 | 投资机构把 AI 当作资产价值创造的横向能力来组织，用专职办公室对冲「试点散装化」 |
| 京东（零售与物流） | AI 应用于 3000 余个场景，覆盖零售、物流、医疗健康、工业供应链与外卖 | 场景规模化路线：用业务大盘消化单点不确定性，智能体嵌入物理运营而非停留在数字侧 |
| Visa（支付网络） | 数百个 AI 模型在生产环境运行，支撑 100 余个支付生态产品；提出智能体购买场景的护栏需求 | 把「信任基础设施」作为智能体经济的前置件，支出限额与权限体系先行 |
三份供稿的共同点值得点破：没有一家把叙事重心放在「模型多强」，全部落在组织设计与风险控制上。Brookfield 的用例清单加专职办公室，本质是给 AI 投资建组合管理；京东的三千场景是把智能体当产能要素摊进供应链；Visa 则站在所有智能体交易的结算位置上，谈的是护栏。对于在「选哪个框架」上纠结的团队，这三份供稿提供的参照系要宏观得多——先有组织与治理的容器，再谈框架。
Visa 的智能体支付护栏清单
报告中最具行业外溢价值的部分，是 Visa 供稿里关于智能体开始「替人花钱」时的护栏讨论。要点有三：支出限额（agent 可动用的资金上限）、审批阈值（超过某金额需人类确认）、清晰权限（agent 被允许在哪些商户类别、哪些场景下单）。这三条与支付行业的既有风控词汇一一对应，等于把智能体交易纳入了成熟的授权体系，而不是为它发明一套平行规则。
这条线索与 2026 年智能体支付轨道的整体进展（x402 协议生态、卡组织与云厂商的智能体支付产品密集上线，本站 R-INDUSTRY-34 已有专题拆解）互为印证：当智能体从「回答问题」走到「完成定义明确的工作流」，支付是自主性的硬边界，也是信任问题最尖锐的断面。第三方消费调研（PYMNTS Intelligence）的数据可作为消费者侧的注脚：约半数美国消费者曾在 AI 辅助下完成零售购买，但只有约 24% 愿意让智能体代替自己完成下单与支付——供给端护栏与需求端信任之间的落差，正是这个断面要解决的问题。
对智能体从业者的三点启示
其一，把「23%」当作市场空白而不是悲观信号。试验到规模化之间的 39 个百分点，对应的是集成、治理、流程重构与变革管理的全部工作量——这与本站 R-INDUSTRY-30 解读的「实施能力缺口」完全同构。对智能体服务商而言，交付与治理能力的权重已经高于模型能力本身。
第二，入口职能有明显的结构性偏好。IT 服务台与知识管理领跑智能体规模化，原因无悬念：流程结构化、验证容易、错误成本低。选择智能体的落地场景时，与其追逐高价值业务流程，不如按「可验证性」排序——这与本站 VeriLoop 解构中「验证权威存在、进展可判定的领域自主探索才有收敛保障」的技术结论，在管理层面惊人地同构。
第三，护栏清单是可复用的谈判起点。Visa 给出的支出限额、审批阈值、权限三件套，配合 McKinsey 高绩效企业的「人在回路」实践，构成了企业侧部署智能体时可以拿来与安全团队对话的骨架。任何准备把智能体接入交易或资金流的项目，都应在其设计文档里出现这三项的明确取值，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
口径与利益关联提示
解读这份报告需要保持三层距离。其一，数据是转引的：88%/62%/23% 来自 McKinsey 调研（受访组织约两千家规模，2025 年底发布版本），4000 亿美元来自 IDC 估计，73% 与 50% 的风险顾虑数据来自 Deloitte——FII 的贡献是综合叙事而非一手采集，引用时应回归原始报告。其二，供稿方与主办方均有利益关联：Brookfield、京东、Visa 是 FII 的合作机构，供稿内容为自报口径；FII 本身由主权投资生态主办，报告的乐观底色需要打折阅读。其三，「62% 试验」与「23% 规模化」的定义弹性：两者均为自报式调查数据，不同企业对「试验」与「规模化」的理解差异很大，横向对比其他机构的类似比例（如 Gartner 的弃置率口径）时务必先对齐定义。
尽管有这些限定，这份报告的价值依然成立：它用一个清晰的漏斗结构，把「智能体落地难」从感受变成了可引用的量化链条，并且三家供稿方提供的护栏与组织设计样本，恰好填上了从数据到行动之间的那段空白。