Openai 2025企业AI应用报告:100万家企业的“AI竞速”,正在拉开阶级差距

2025年，企业AI不再只是“聊天工具”。最新数据表明，它正快速从边缘辅助演变为组织核心基础设施。API消耗量同比增长320倍，Custom GPTs与Projects用户激增19倍，员工每天因此节省40–60分钟。

更重要的是，这不仅加速了工作，也打破了技术岗位边界，让非技术团队也能完成原本复杂的编码和数据分析任务。

那些将AI深度嵌入业务底层的企业，正在建立难以复制的生产力和财务优势。

【读书笔记】

1.企业对AI的需求已从“内容生成”转向“逻辑推理”与“系统深度集成”，API推理token消耗量同比增长320倍，反映出企业正利用模型处理更复杂的决策逻辑；Custom GPTs和Projects周活跃用户增长19倍，约20%的企业消息已通过这类定制化接口处理

2.AI的“平权效应”正在重塑职能边界，降低了高难度技术任务的准入门槛，75%的受访员工表示能完成此前无法胜任的任务，在工程与IT部门之外，非技术团队的编码相关消息量在半年内增长了36%，显示出技术能力向业务端的下沉

3.AI的应用回报与使用深度呈线性正相关，存在明显的“门槛效应”，前沿员工产生的消息量是中位水平的6倍，其在数据分析工具上的使用频率更是高出16倍；参与7类以上任务的用户，节省的时间是仅参与4类任务用户的5倍

4.顶尖企业将AI视为战略驱动力，已在核心财务指标上拉开差距，BCG数据显示，AI领军企业的收入增长是普通企业的1.7倍，总股东回报高出3.6倍，息税前利润率（EBITmargin）提升1.6倍，证明AI成熟度已转化为财务竞争力

5.组织内部的协同与数据开放程度是AI落地规模化的先决条件，约四分之一的企业仍未开启内部数据连接器，无法让AI获取必要的业务背景（Context）；而领先企业（如BBVA）已通过4,000多个GPT将机构知识工具化，每年自动化处理9,000次法律核查

6.延迟响应能力的突破开启了AI在高实时性、高压场景下的应用空间，Intercom利用RealtimeAPI使语音助手延迟降低48%，在处理比文字更复杂的电话咨询时，独立解决率达53%，直接节省了高额的人工客服成本

本文编译自2025年12月8日发布于OpenAI的专栏，原链接：

https://openai.com/zh-Hans-CN/index/the-state-of-enterprise-ai-2025-report/

以下是原文的全文翻译，enjoy!

注：正文中标蓝部分为读书笔记的对应原文。

【正文】

在OpenAI，我们的使命是确保人工智能造福全人类，而帮助企业解决问题是这一使命的核心。

绝大多数具有经济价值的活动都发生在组织内部，在这里，创新能直接转化为员工、客户和其他利益相关者所获成果的改善。对于前沿智能而言，企业问题也代表了最严苛的技术挑战，需要在规模化应用中具备可靠性、安全性和保障性。通过解决这些问题所产生的收入，可以资助全球数亿人广泛、免费地获取强大的AI。

在过去三年的大部分时间里，AI显而易见的冲击力主要体现在消费者群体中。然而，从蒸汽机到半导体的通用技术历史表明，只有当企业将底层能力转化为规模化的应用案例后，才会创造显著的经济价值。企业AI现在似乎正进入这一阶段，许多全球规模最大、最复杂的组织正开始将AI作为核心基础设施使用。

目前已有超过100万家商业客户使用OpenAI的工具。本报告汇集了来自去标识化和汇总后的企业使用数据以及多种其他来源的证据，为当今 AI 在组织内部的部署情况提供了一个基于实证的视角。

• 四个关键发现脱颖而出

01 企业使用规模正在扩大，且工作流集成更加深入。ChatGPT的消息量增长了8倍，每家组织的 API 推理 token 消耗量同比增长了 320 倍，这表明更多的企业正在使用 AI，且其使用强度有所增加。

02 利用AI的企业正在收获可衡量的生产力和业务影响。企业用户报告每天可节省 40-60 分钟，并能够完成如数据分析和编码等新的技术任务。案例研究表明，AI 正在助力实现收入增长、改善客户体验和缩短产品开发周期等重要成果。

03 企业增长是全球性的，并跨行业迅速加速。在过去的六个月里，随着全球组织加深对 AI 的使用，国际采用率激增，补充了美国持续强劲的发展势头。在过去的 12 个月中，各行业增长的中位数为 6 倍以上，其中技术行业以 11 倍的速度领跑。

04 领先者与落后者之间的差距正在扩大。前沿员工发送的消息数量是中位数的 6 倍，前沿企业的人均消息发送量是中位数的 2 倍。尽管目前这些工具已广泛可用，但在使用最强大 AI 工具的可能性上仍存在实质性差距。模型的能力远超大多数组织已嵌入工作流的部分，这为企业提供了机遇。

展望未来，企业AI的下一阶段将取决于在具有经济价值的任务上的更强表现、对组织背景的更好理解，以及从向模型索取输出向委派复杂、多步工作流的转变。随着这些能力的成熟，我们预计组织不仅将提高效率，还将发现服务客户和交付价值的新方式。

本报告的发现代表了AI迎来重塑现代企业早期迹象。随着企业AI的演化，OpenAI将继续分享关于AI如何影响公司、劳动者和更广泛经济的现实证据。

在过去的三年里，企业已将 AI 系统整合到广泛的应用案例和运营工作流中。

这些部署揭示了 AI 如何塑造工作，特别是在准确性标准高、工作流复杂以及生产力或决策质量的提升能产生直接经济成果的环境中。由于世界上大部分具有经济价值的活动发生在企业内部，因此企业的采用模式提供了一个清晰信号，表明 AI 现今在哪里交付价值，以及未来可能在哪里交付价值。

OpenAI 拥有超过 100 万家商业客户，其规模和多样性为这一转变提供了独特的视角。本报告总结了 OpenAI 企业客户群的关键发现，以及这些模式对企业 AI 当前状态和发展轨迹的启示。通过审视各行业和职能部门的采用差异，分析还强调了 AI 正在哪里深度植入企业，以及哪里正在出现差距。

调查结果基于两个主要数据源

01 来自 OpenAI 企业客户的真实使用数据。

02 一项针对近 100 家企业的 9,000 名员工的 OpenAI 调查，记录了 AI 的采用模式。

本报告中的所有分析均基于去标识化、汇总的企业使用数据。消息内容使用自动化系统进行分类，在分析过程中，没有 OpenAI 员工审查过任何个人、企业、商业或 API 客户的数据。

• 企业 AI 使用正在加速 并向纵深发展

在过去一年中，随着组织将 AI 纳入各职能部门和业务单元的可重复、多步工作流中，企业 AI 的采用显著增加。OpenAI 目前服务于超过 700 万个 ChatGPT 企业版席位，ChatGPT Enterprise 席位同比增长约 9 倍。

自 2024 年 11 月以来，每周 Enterprise 消息总量增长了约 8 倍，平均每位员工发送的消息增加了 30%。这一增长反映了 ChatGPT 使用频率的提高以及使用强度的深化。

两个转变凸显了 AI 与核心企业工作流集成度的深化。

• Custom GPTs 与 Projects 使更深层的工作流集成成为可能

GPTs 和 Projects 是构建在 ChatGPT 之上的可配置接口，可以通过指令、知识和自定义动作进行定制，使员工能够执行可重复的多步任务。

Custom GPTs 和 Projects 的每周用户数自年初以来增加了约 19 倍。近几个月来，约 20% 的所有 Enterprise 消息是通过 Custom GPT 或 Project 处理的。部署最广泛的 GPT 要么将机构知识固化为可重复使用的助手，要么通过与内部系统集成来自动化工作流。一些组织已经建立了大规模开发和共享 Custom GPTs 的文化。例如，BBVA 定期使用超过 4,000 个 GPT，这表明 AI 驱动的工作流正日益作为嵌入日常运营的持久工具被实施。

• 企业 AI 使用正在加速并向纵深发展

开发者与 API 工作流 正在迅速规模化 公司基于 API 构建，以高度控制和定制化的方式将模型直接整合到他们的产品和系统中。随着公司从实验转向生产部署，API 的消耗量迅速增加。目前已有超过 9,000 家组织处理了超过 100 亿个 token，近 200 家组织超过了 1 万亿个 token。

在过去的 12 个月中，每家组织的平均推理 token 消耗量增加了约 320 倍，这表明更智能的模型正被系统地整合到不断扩张的产品和服务中。Codex 虽然在企业生命周期中仍处于早期阶段，但随着团队采用它来处理端到端软件任务（代码生成、重构、测试和调试），它正在迅速获得动力。 在过去的六周里，Codex 的参与度表明 AI 辅助开发在企业内部的渗透率正在增长。

• 员工报告从使用 AI 中 获得可衡量的价值

在大多数场景下，AI 使员工能够更快地完成更高质量的工作。然而，单靠生产力并不能完全反映 AI 如何重塑工作。来自近 100 家企业的调查数据突显了各职能部门的关键运营收益，以及谁在执行专业和技术工作方面的转变。

• 企业员工报告各职能部门 节省了时间并改善了成果

75% 的受访员工表示，在工作中使用 AI 提升了产出的速度或质量。平均而言，ChatGPT Enterprise 用户认为 AI 在每个工作日为他们节省了 40-60 分钟，其中数据科学、工程和沟通领域的员工节省的时间超过平均水平（每天 60-80 分钟）。每条消息节省的时间因职能而异：会计和财务用户的收益最大，其次是分析、沟通和工程。

这些收益转化为了各职能部门广泛的运营改进

87% 的 IT 员工报告 IT 问题解决速度更快

85% 的市场和产品用户报告活动执行速度更快

75% 的 HR 专业人员报告员工参与度得到改善

73% 的工程师报告代码交付速度更快

这些结果表明，生产力收益已经在核心企业职能中显现，而不仅仅局限于早期采用的技术角色。

• 技术工作扩展至 传统岗位边界之外

AI 不仅在加速现有工作，还在扩展员工可以执行的任务和技能。多项研究发现，AI 具有平权效应，不成比例地帮助了表现较低的员工。与这些发现一致，75% 的员工报告能够完成以前无法执行的任务，包括编程支持和代码审查、电子表格分析与自动化、技术工具开发与故障排除，以及 Custom GPT 或智能体设计。

个人能力的扩展在技术环境中尤为明显，非技术团队越来越多地参与以往仅限于专业岗位的编码和数据分析工作。在 ChatGPT Enterprise 用户中，所有职能部门涉及编码的消息都有所增加；在工程、IT 和研究部门之外，涉及编码的消息在过去六个月中平均增长了 36%。

• 员工报告 AI 使用强度越高 生产力提升越大

在员工个体层面，影响随着 AI 使用的深化而增加。在大量员工样本中，节省的时间与使用更高级的 ChatGPT 功能（包括 Deep Research、GPT-5 Thinking 和图像生成）呈正相关。消耗智能最多（以使用的额度衡量）的员工报告节省的时间更多。每周节省超过 10 小时的员工不仅是在消耗更多智能，他们还在使用多个模型，参与更多工具，并在更广泛的任务中使用 AI。

• 生产力收益随 AI 使用强度增加

加速步伐因行业和地理位置而异 去年我们看到了整体的快速采用，因为公司正从 AI 试点转向全面部署，而行业和地理位置之间存在显著差异。

• 大多数行业的增长都十分迅速

OpenAI 的客户增长广泛分布于各行各业，各行业增长的中位数为同比超过 6 倍，即便是增长最慢的行业也超过了 2 倍。

从绝对数量来看，ChatGPT Enterprise 的客户目前最集中于专业服务、金融和技术行业，这些行业是早期采用者，并在 AI 使用规模上持续领先。医疗保健和制造业虽然起步基数较小，但目前已成为增长最快的行业之一，正在迅速缩小差距。

API 最常被用于构建和扩展面向客户的应用（例如产品内助手、搜索和自动化），技术公司在这方面尤为突出。但使用场景正在趋于多样化：客户服务和内容生成目前约占 API 活动的 20%，非技术公司的 API 使用量同比增长了 5 倍。综合来看，这一模式表明 AI 的采用正在从技术驱动的产品嵌入，扩展到各行业更广泛的运营和工作流部署中。

• 企业增长正呈现全球化且不断加速的态势

虽然早期的 AI 采用主要集中在美国，但国际增长目前正在迅速加速：

• 在大型市场中，澳大利亚、巴西、荷兰和法国的商业客户增长最快，同比增长超过 143%。

• 商业客户对 ChatGPT 的使用持续在全球范围内扩大，以消息量计，美国、德国和日本是最活跃的市场。

• 就客户数量而言，英国和德国目前已位列美国以外最大的 ChatGPT Enterprise 市场之列。

• 国际 API 客户在过去 6 个月内的增长已超过 70%，其中日本拥有美国以外数量最多的企业 API 客户。

• AI 采用中日益扩大的鸿沟

在 AI 的使用方式上，不同行业之间以及企业内部的个人之间正出现明显的差异。这种差距是会扩大还是缩小，将取决于组织如何处理变革管理，以及他们是否具备构建成功部署 AI 所需的系统、技能和运营模式的能力。

为了更深入地理解这种日益扩大的鸿沟，将前沿员工（定义为采用强度处于前 95% 的人群）与中位员工进行对比会非常有意义。前沿员工产生的消息量是中位员工的 6 倍。即便是在从事数据分析的人群中，前沿员工使用数据分析工具的频率也是中位员工的 16 倍。

前沿员工与中位员工在写作、编码和分析方面的差距最为明显。编码在消息量上的相对差距最大，前沿员工发送的消息量是中位员工的 17 倍。

这些差异至关重要。将使用数据与调查结果匹配后显示，参与约七类任务的用户报告节省的时间比仅使用约四类任务的用户多五倍。换句话说，用户从 AI 中获得的收益与其使用的深度直接成正比。

 即使是在活跃的 ChatGPT Enterprise 用户中，许多人也尚未尝试一些功能最强大的工具。在月活跃用户中，19% 从未试过数据分析，14% 从未试过推理，12% 从未试过搜索。在日活跃用户中，这些比例分别下降到了 3%、1% 和 1%。

• 企业提升其 AI 成熟度仍有巨大空间

在企业层面，采用强度的差距反映了个人层面的观察结果。

前沿企业（前 95%）的人均消息产生量约是中位企业的 2 倍，发送给 GPTs 的消息量则是 7 倍，这表明其组织集成度和工作流标准化程度明显更深。这些公司系统地投资于所需的基础设施和运营模式，将 AI 嵌入为核心组织能力，而非将其视为边缘性的生产力工具。

• AI 采用与业务影响：案例实证

以下案例研究展示了 AI 如何在各种组织背景下产生可衡量的业务成果。AI 的影响并非“一劳永逸”的方案，而是反映了 AI 在特定运营和战略挑战中的应用。在这些示例中，AI 与收入增长、客户体验提升、手动流程自动化以及产品开发加速息息相关。

这些影响并不局限于少数几家公司，外部研究显示，AI 的采用正开始影响核心财务绩效指标。

波士顿咨询公司 (BCG) 2025 年的一项研究发现，在过去三年中，AI 领军企业实现了 1.7 倍的收入增长，股东总回报高出 3.6 倍，息税前利润率 (EBIT margin) 高出 1.6 倍。它们在非财务指标（如专利产出和员工满意度）上也表现优异，将 AI 成熟度与财务和组织实力联系在了一起。虽然这些证据仍处于早期阶段，但它表明 AI 的采用与财务业绩和组织成果的改善呈正相关。

• 使用 OpenAI 的 Realtime API 打造 Fin Voice，交付了低延迟、企业级的语音 AI 智能体

• 挑战

Intercom 用于客户服务的 AI 智能体 Fin 在聊天、邮件和社交渠道上提供了行业领先的解决率，每月处理数百万条客户查询。但将 Fin 扩展到新渠道——电话时，引入了一个新的严峻挑战：延迟。在电话支持中，问题通常非常紧迫，哪怕是短暂的停顿也会破坏客户体验，导致拨打者放弃互动或转接人工。

• 方案

Intercom 基于 OpenAI 的 Realtime API 构建了 Fin Voice，显著降低了延迟，并实现了自然、支持插话的电话对话。Realtime API 极短的首个 token 响应时间 (time-to-first-token)、强大的指令遵循能力以及可靠的工具调用能力，使 Fin Voice 能够高质量、可靠地处理复杂的多步请求。

影响

自三月以来，通过 Fin Voice 使用 Realtime API 生成答案，延迟已降低了 48%。

得益于 Realtime API 实现的更快响应，客户看到 Fin Voice 平均独立完成了 53% 的通话——考虑到电话通话通常比聊天复杂得多，这是一个显著的成果。

客户报告称，对于最终仍需人工介入的通话，一旦 Fin Voice 完成了初始步骤，解决速度会快 40%，从而提高了高接触感通话的效率。

鉴于人工处理的客服对话成本通常在 5 到 20 美元以上（取决于地区和行业），Fin 每年已为客户节省了数亿美元。

• Lowe’s 部署了 Mylow 和 Mylow Companion，向每位在线访客和门店员工扩展专业的家装指导

• 挑战

Lowe’s 需要向在线购物者扩展专业的家装指导，并帮助门店员工（尤其是新员工）在 1,700 多家门店中一致地回答复杂问题。

• 方案

Lowe’s 在 Lowes.com 上部署了 Mylow，为客户提供项目和产品建议；并为每家门店的员工部署了 Mylow Companion。

影响

自今年三月发布以来，Mylow 和 Mylow Companion 每月回答近 100 万个问题，涵盖从产品规格到项目诀窍，再到客户订单状态的方方面面。

Mylow 可在 Lowes.com 和屡获殊荣的 Lowe’s 移动应用中使用。当客户在在线访问期间使用 Mylow 时，转化率提高了一倍以上。

Mylow Companion 已在 100% 的门店部署，每周回答数十万个员工问题。Lowe’s 发现，当员工使用 Mylow Companion 协助在货架旁购物的客户时，客户满意度评分提升了 200 个基点。

• Indeed 使用 GPT 驱动的职位匹配和职业辅导，改善求职者和雇主的招聘成果

• 挑战

Indeed 的使命是帮助人们找到工作。求职者在搜索、评估适配度以及申请职位时可能面临阻碍，而雇主则希望为他们的开放职位招到更多合格的申请人。双方都能从更深度的个性化以及关于“什么是强匹配”的更清晰背景中获益。

• 方案

为了解决这些阻碍，Indeed 推出了一系列 AI 驱动的产品，利用其专有 AI 匹配求职者与雇主，并结合 GPT 驱动的解释来帮助说明他们为何是合适的选择。Indeed Invite to Apply 使用 AI 大规模生成并发送个性化的情境职位邀请，帮助候选人理解为何某职位是强匹配，并扩大雇主的覆盖范围。Indeed Career Scout 充当 AI 职业教练，加速求职者的职位发现过程并简化申请流程。

影响

在实验中，带有大语言模型 (LLM) 生成解释的 Invite to Apply 使开始申请的人数增加了 20%，且与传统匹配相比，下游成功率（面试和录用）提高了 13%。

早期结果显示，使用 Career Scout 的求职者发现并申请相关职位的速度快了 7 倍，被录用的可能性提高了 38%，其中 84% 的人认为该工具非常有价值。

• BBVA 部署了法律 AI 聊天机器人，即时验证企业签字人的授权，消除分支机构商业运营的障碍

• 挑战

在墨西哥，BBVA 必须进行法律核查（也称为 bastanteo），以确认公司代表在关键交易推进前（例如开户、签署合同、发放信用等）具有代表公司签署和行事的权力。过去，这一流程依赖于专业的法律团队回答重复的网点咨询，导致了延迟、瓶颈，并对稀缺的法律人力产生了极高需求。

• 方案

BBVA 构建了一个生成式 AI 聊天机器人，可以针对常见的签字人授权问题，即时访问标准化的、预先验证的法律常见问题解答 (FAQ) 和文档指南。内容由 BBVA 的法律服务团队开发和审查，减少了对每日咨询的手动处理，使经过批准的法律指导能够持续可用。

影响

这一基于 ChatGPT Enterprise 构建的方案每年自动处理 9,000 多次查询，并使 BBVA 能够将相当于 3 名全职员工 (FTE) 的人力重新部署到每年处理 11,000 多次 bastanteo 的工作中，贡献了法律服务部门年度节省 KPI 的 26%。

• Oscar Health 部署了面向会员的聊天机器人，实时回答福利、费用和一般健康问题，帮助会员应对医疗体系的复杂性

• 挑战

对于许多人来说，医疗体系可能难以理解和应对。了解福利、找到合适的医生、估算护理费用以及获得问题的清晰答案通常具有挑战性且耗时。部分原因是做出正确决策所需的数据往往散落在不同地方，包括门户网站、福利文件以及过去就诊的医生笔录。Oscar 希望创建一个单一、可信的入口，帮助会员更好地理解和应对医疗体系。

• 方案 

Oscar 开发了一对面向会员的聊天机器人，可按需实时回答会员关于福利、费用和一般健康的问题。与通用 AI 聊天机器人不同，这些机器人与 Oscar 的系统和数据深度集成，使其能够调取医疗记录、理赔申请和客服互动记录，从而提供个性化回复。它们的聊天机器人还能协助处理常见任务，包括寻找医保网络内的医生和续配处方药。 

影响

其结果是打造出了一个能够应对广泛问题和任务的平台，包括理解福利、支持症状相关咨询、为就诊做准备以及解释后续医嘱，同时还能根据需要将会员转接给医疗提供者或护理指导员。他们的平台能即时回答 58% 的福利咨询，并能独立处理 39% 的福利信息而无需人工介入。如今，他们已经为未来的功能奠定了基础，包括预约挂号、语音交互以及针对特定病症的管理。

• Moderna 利用 AI 显著缩短了目标产品概况（Target Product Profile）的开发时间

• 挑战 

编写目标产品概况（TPP）通常是一项耗时数周、跨职能的协作任务，涉及临床、产品和营销等多个团队。团队必须审阅并处理庞大的证据包——有时信息量高达 300 页，才能为产品开发制定出这些蓝图。

• 方案 

通过使用 ChatGPT Enterprise，Moderna 简化了 TPP 起草和分析工作流中的大部分环节。该系统能帮助从大数据包中提取关键事实和假设，生成结构化的草案章节，并向提供人工审核的团队标出重要细节或潜在错误。 

影响

TPP 的延迟或错误会影响下游活动，如研究规划、跨职能协作以及产品发布准备。通过减少审阅、交叉比对和整合庞大证据包所需的时间，团队可以投入更多精力去压力测试各种权衡方案，并在 TPP 创建过程的早期做出更高质量的决策。Moderna 报告称，在某些案例中，该流程中的核心分析步骤已从数周缩短至数小时。公司相信，在早期 TPP 规划中每节省一天，都能帮助公司更快速地为患者提供服务。

• 在实践中，领先的企业始终在做以下几件事

• 通过赋能背景信息实现深度系统集成

他们开启连接器，让 AI 能够安全地访问核心工具内部的公司数据，从而实现具备背景感知能力的回复和自动化操作。大约四分之一的企业仍未采取这一步骤。

• 工作流标准化与复用

他们积极推动针对常见任务的可复用方案的创建、共享和发现。GPTs 通常为这项工作提供动力，而最成熟的组织则直接将 API 驱动的助手嵌入核心内部系统。

• 高管领导与支持 

他们设定明确的指令、确保资源投入并协调团队，同时为实验创造空间，所有这些都使规模化部署成为可能。

• 数据准备与评估

他们将机构知识转化为机器可读的例行程序，为关键数据管道构建 APIs，并进行持续评估，以追踪模型在真实产出中的表现。

• 审慎的变革管理 

他们建立能加速组织学习的架构，将集中化的治理与培训，同通过嵌入 AI 冠军（AI champions）实现的分布式赋能相结合。

AI 领域正在飞速演进；OpenAI 大约每三天就会发布一项新功能或新能力。对于组织而言，主要的限制因素不再是模型性能或工具，而是组织就绪度。

• 结语 

在 OpenAI 超过 100 万家商业客户中，AI 正在被嵌入到日益广泛的工作流、产品和内部系统中。尽管各组织的集成深度差异巨大，但 AI 采用在各行业和地区已呈现出基础广泛且不断加速的态势。

数据表明，使用深度至关重要。与使用受限的员工和公司相比，那些更一致地使用先进工具（如推理模型、数据分析、Custom GPTs、Projects 和 APIs）的人员和企业，报告了更大的生产力提升和更广泛的任务覆盖。

AI 也开始改变某些技术工作的执行主体。编码和分析任务越来越多地出现在传统的专业岗位之外，扩展了部分非技术团队的能力边界。与此同时，行业模式依然保持独特性，反映了技术、专业服务、金融、医疗保健、制造业等行业不同的运营需求。 尽管 AI 采用中存在日益扩大的鸿沟，但企业 AI 仍处于早期阶段。通过采纳前沿员工和组织的模式，企业仍有机会迎头赶上。

随着企业 AI 的成熟，公司将日益把 AI 能力转化为产品和服务，通过更快的迭代、更深度的个性化和全新的体验来交付新的价值增长点。成功将这些能力引入面向市场的工作流的组织，将不仅把 AI 作为生产力工具，更将其作为收入增长和竞争优势的持久引擎。