UMU：2025年AI赋能企业变革-人才先行白皮书

微信扫码，打开到小程序

赋能企业变革 人才先行 01 AI 的迅猛发展，正将全球经济推向新一轮技术革命的浪潮之巅。如同 90 年代的互联网 革命和 2015 年后的移动互联网浪潮，这场 AI 驱动的变革预示着规模经济的兴起和商业 模式的深刻变革。 麦肯锡最新研究表明，到 2030 年中国关键产业将通过 AI 创造逾 6000 亿美元经济价 值。然而，这场技术革命所带来的价值红利呈现出显著的"马太效应"。 数据显示，2024 年 AI 在互联网行业的渗透率已高达 89%，而传统服务业的渗透率尚不 足 50%。在企业层面，这种差异更为明显：率先布局 AI 的企业通过业务创新实现了利润 增长，而迟滞转型的企业则面临被市场淘汰的风险。这种持续扩大的"数字鸿沟"，正在重 构产业竞争格局。 值得注意的是，AI 转型的本质并非单纯的技术升级，而是人机协作模式的重构与组织能 力的重塑。在这场变革中，人才既是 AI 的使用者，更是推动企业转型的核心引擎。唯有将 人才置于 AI 转型的核心，构建组织和人才系统化应用 AI 的能力，才能实现 AI 与企业运 营的深度融合，把握智能时代的战略先机。 AI 引言 AI 力，即与 AI 协作、驾驭 AI 的综合能力，正在成为继智商 (IQ)、情商 (EQ)、团队合作力、领导力之后，影响组织和个人发展的关键指标。 面对 AI 的快速发展，企业对 AI 人才的需求已经发生质的转变，从早 期单纯的技术人才扩展到具备 AI 思维和应用能力的复合型人才，我们 必须重新思考大模型时代对人才的能力要求。这种转变既反映了 AI 应用的深化，也体现了企业对人才能力的新要求。 在 AI 人才短缺的困境中，高管普遍低估了员工学习和接纳 AI 的意 愿。这一认知偏差不仅限制了企业对现有人才的培养投入，也阻碍了 AI 在企业内部的推广和应用。 无论是处于 AI 探索阶段还是已经开展 AI 应用的企业，最突出的痛点 是组织缺乏 AI 专业知识或技能。这一问题正成为制约企业 AI 应用落 地和战略转型的主要瓶颈。 虽然 89% 的受访 CEO 认可 AI 的战略重要性，超半数的 CEO 表 示正面临来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面整合 AI 做好充分准备。 大模型正从“能用”迈向“好用”和“实用 ”，从技术创新演变为推动组织变 革的核心引擎，引领企业的智能化转型。 1 2 3 具备高 AI 力的个体能够显著提升工作效率和质量。 他们能够更好地 理解 AI 的优势和局限性，更有效地利用 AI 工具完成任务，并从 AI的 输出中获得更深入的洞察。 7 4 5 6 核心洞察 02 目录 引言 核心洞察 结论与展望 AI 在企业中的应用现状 1.1 中国 AI 市场规模不断扩大，投资及应用 Al 的热情高涨 1.2 AI 在企业中的应用场景持续扩展，正在经历从点到面的深度变革 1.3 AI 在企业应用中"普及度"与"成熟度"的反差 03 01 04 01 02 06 07 AI 赋能企业的创新模式和应用场景 2.1 AI 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 2.1.2 AI 在零售行业的应用 02 08 09 09 企业 AI 应用落地核心挑战：认知偏差与人才短缺 3.1 企业普遍缺乏对 Al 的专业认知和技能 3.2 AI 人才短缺 3.3 高管低估了员工学习和接纳 AI 的意愿 03 12 13 15 人才是变革的关键 4.1 引入大模型≠提升生产力 04 16 4.2 AI 力的诊断和测评 17 4.3 发展大模型时代的 AI 力 18 22 2.1.3 AI 在销售领域的应用 10 2.1.4 AI 在人力资源领域的应用 11 2024 年被业界公认为“大模型落地元年”。经过 2023 年的技术爆发期，大语言模型正在 经历从“实验室奇迹”到“商业变现”的关键转折： 种种迹象表明，大模型正从“能用”迈向“好用”和“实用，”开启了 AI 真正创造商业价值的 新纪元。在这一进程中，AI 已超越单纯的技术创新，演变为推动组织变革的核心引擎，成 为企业智能化转型的关键驱动力。 中国 AI 市场正在经历一个快速发展的黄金期。根据最新数据，中国 AI 市场规模从 2018 年的 1,372 亿元增长至 2025 年预计的 10,457 亿元，短短七年间实现近 8 倍的跨越式 增长，展现出强劲的增长势头。 在全球 AI 竞争版图中，中国的地位正在发生根本性转变。2018 年中国 AI 市场在全球 的占比为 9.2%，预计到 2025 年这一比例将大幅提升至 20.9%，标志着中国正从 AI 市 各类便捷的 AI 落地工具和解决方案不断涌现，使 AI 应用从少数科技巨头 的"专利"转变为广大企业可及的生产力工具。 04 AI 在企业中的应用现状 1 技术门槛的显著降低 随着算力成本的持续下降和训练效率的提升，越来越多的企业开始构建专 属大语言模型，推动 AI 技术加速普及。 成本结构的根本改善 从互联网到金融，从医疗到制造，各行各业正在探索并实践大模型的落地应 用，将 AI 从概念真正转化为解决业务问题的有效工具。 应用场景的快速拓展 全球范围内 AI 监管框架的逐步构建，不仅为大模型的规范化应用扫清了障 碍，更为行业的可持续发展提供了制度保障。 政策环境的日趋完善 中国 AI 市场规模不断扩大， 投资及应用 Al 的热情高涨 1.1 05 在全球范围内，中国企业不仅展现出强劲的投资热情，更以实际行动推动 AI 技术的商业 落地，正在快速确立全球领先地位。根据 IBM 最新发布的《2023 年全球 AI 采用指数》 ，有超过 85% 的中国企业在加速其 Al 投入，并有超过 63% 的中国企业在积极应用生 成式 Al，显著领先于其他国家的企业。 2018 2019 1372 9.2% 11.0% 12.2% 13.8% 15.5% 17.2% 18.7% 20.9% 40.0% 1858 2603 3705 5298 7470 41.0% 43.0% 42.3% 40.1% 35.4% 10457 2020 2021 2022 2023 2024 2025E 2018–2025年中国人工智能市场规模及预测 China’s artificial intelligence market size and forecast from 2018 to 2025 中国人工智能行业市场规模（亿元） 同比增长（%） 中国/全球占比 数据来源：国海证券、中国信息通信研究院 (CAICT)、艾媒数据中心 场的参与者，逐步升级为不可或缺的关键玩家。 从增长态势来看，中国 AI 市场在 2023 年同比增长达到峰值 43%，此后增速虽有回 落，但仍保持在 40% 左右的较高水平。这种高位运行的增长态势，不仅展现出市场的蓬 勃活力，更凸显出中国 AI 产业发展的活力和韧性，未来发展前景值得期待。 06 为了充分把握大模型带来的商业机遇，越来越多的企业正积极探索 AI 与业务深度融合的 创新模式，打造符合自身发展战略的 AI 应用实践。 企业应用 AI 往往是点到面、循序渐进的过程，通常遵循从低风险、高价值的领域开始，逐 渐向更复杂、容错率低的领域扩展。这一路径不仅降低了初期投入的风险，也为后续的全 面推广积累了经验和信心。 AI 在企业中的应用场景持续扩展， 正在经历从点到面的深度变革 1.2 STEP 01 STEP 02 STEP 03 试点验证阶段：AI 的工具化应用 阶段特点： 快速见效、风险可控 投入成本相对较低 应用范围局部性强 以效率提升为主要目标 典型案例： 营销领域：利用 AI 生成营销文案、个性化推荐 客服领域：智能客服机器人初步应用 运营领域：数据分析和预测性维护 行政领域：智能会议纪要、文档处理自动化 扩展深化阶段：AI 的产品化整合 阶段特点： 系统性应用部署 技术深度集成 跨部门协同 以业务创新为核心诉求 典型案例： 研发领域：AI 辅助产品设计、智能代码生成 生产领域：智能质检系统、预测性维护 供应链：智能库存管理、需求预测优化 人力资源：AI 驱动的人才筛选与管理 全面推广阶段：AI 的战略化布局 阶段特点： 组织架构重塑 商业模式创新 全域数智化转型 生态系统构建 典型案例： 战略层面：成立 AI 创新中心，设立首席 AI 官 产品层面：推出 AI 原生产品线 运营层面：构建智能化业务中台 文化层面：建立数智化人才培养体系 07 AI 在企业应用中"普及度" 与"成熟度"的反差 1.3 企业将生成式 AI 应用在哪些环节 销售和客户服务 39.2% 30.0% 45.3% 18.8% 4.3% 5.5% 6.4% 5.4% 6.5% 7.1% 44.2% 20.3% 21.7% 20.1% 42.9% 47.2% 45.3% 23.1% 23.7% 7.0% 7.8% 24.2% 22.3% 46.5% 47.5% 49.7% 27.2% 26.4% 25.2% 23.9% 21.8% 20.2% 17.2% 35.6% 34.5% 34.3% 29.7% 27.7% 27.0% 20.4% 生产/制造/供应链 IT/网络安全 人力资源 法务和合规 企业战略和财务 生产/制造/供应链 销售和客户服务 市场营销 产品研发和创新 应用非常成熟 产品研发和创新 市场营销 IT/网络安全 企业战略和财务 人力资源 法务和合规 其他 生成式 AI 在企业各环节应用的成熟度 应用成熟 一般 应用不成熟 数据来源：腾讯研究院《2025 年 AI 转型的进展洞察报告》，样本数量：2887 家企业 腾讯研究院发布的《2025 年 AI 转型的进展洞察报告》调研了全国近 3000 家企业，揭 示了企业 AI 转型过程中战略与现实的博弈：生成式 AI 在企业应用中呈现出"普及度"与" 成熟度"不完全匹配的特点。 从应用分布来看，企业更愿意将生成式 AI 优先应用在核心业务环节。在销售和客户服 务、生产/制造/供应链、产品研发以及市场营销等业务部门中，应用生成式 AI 的比例均超 过 30%。在 IT 与网络安全、企业战略财务、人力资源以及法务合规等职能部门中，生成 式 AI 的应用占比则普遍低于 30%。 当视角转向 AI 的应用成熟度（深入融合程度）时，IT 与网络安全、人力资源以及企业战 略财务等职能部门 AI 应用"成熟"和"非常成熟"的占比总和均超过 70%。相比之下，在生 产/制造/供应链、销售和客户服务、市场营销以及产品研发等核心业务部门，尽管应用普 及率较高，但其成熟度水平却相对较低。 由此可以看出，在 AI 转型进程中，企业普遍采取"重点突破、全面推进"的战略布局和实用 主义思维，优先将 AI 技术部署在核心业务部门，希望快速获得业务价值回报。 然而，职能部门虽然在 AI 应用规模上相对较小，但由于其业务流程更加标准化和规范 化，反而更容易实现 AI 的深度整合，从而达到较高的应用成熟度。而核心业务部门尽管 应用普及率较高，由于业务场景复杂和跨部门协同困难，AI 的应用成熟度较低。 08 "君子生非异也，善假于物也。"两千余年前，荀子在《劝学》中道出“借外物以成事”的生存 智慧，在数字文明时代正演绎出新的战略内涵。 以大语言模型为代表的新一代 AI ，早已突破了简单的效率提升，正在为企业带来全方位 的革新动能和效益提升，涵盖客户体验优化、流程自动化、决策支持、商业模式创新等诸 多方面。未来的商业竞争，比拼的将是企业运用 AI 这一"利器"的战术与策略。 根据 IDC 2024 年 8 月对 100 家 AI 转型企业的调研，大模型正在重塑企业的运营模 式，成为企业提升核心竞争力的新引擎。 数据来源:IDC大模型企业落地进展调研,N=100,2024年8月 AI 赋能企业的创新模式和应用场景 2 价值 创造 运营 效能 人才 赋能 近六成 (57%) 的企业实现了用户体验显著提升 超过三成 (32%) 的企业带动了产品创新和业务价值增长 近三成 (29%) 的企业实现员工能力定制化提升 14% 的企业优化了员工工作体验 超过一半 (53%) 的企业加速了决策流程，减少重复劳动 超过三成 (34%) 的企业优化了工作流程整合 近一半 (46%) 的企业提升了整体工作效率 优化用户体验 57% 53% 46% 34% 32% 29% 14% 加速企业决策,减少重复劳动 提升员工效率 工作流整合,方便使用多个程序 创新产品形式/业务价值 为员工创造定制化提升 优化员工工作体验 采用 AI 大模型给企业带来的价值 09 随着大语言模型从技术竞争向商业化的拓展，生成式 AI 的应用正逐步聚焦于满足具体行 业的独特需求和特定业务场景的赋能。通过在实际应用中积累丰富的行业数据和实践经 验，AI 不断优化自身的适应性和效率，进而在企业级场景和行业级应用中展现出更为卓 越的表现。 AI 在重点行业和细分场景的创新实践 2.1 AI 在医疗健康行业的应用 2.1.1 医疗咨询：提升健康意识，初步诊断建议 以通俗易懂的方式回答患者问题，增强患者的健康素养 根据患者的症状描述和询症医学知识库，提供初步的健康建议和就医指导 AI 在零售行业的应用 2.1.2 辅助诊断：提高诊断效率，减轻医生负担 分析患者的电子健康记录 (EHR)、医学图像 (如 X 光、CT、MRI) 和医学文献等 数据，辅助医生识别疾病特征，并提供初步诊断建议，减轻医生的工作负担 临床决策支持：实时数据分析, 减少误诊漏诊 实时分析患者临床数据，结合最新的医学研究成果、临床指南及类似病例处理经 验，为医生提供临床决策支持，辅助医生减少误诊和漏诊的风险，提高医疗安全。 市场分析和趋势预测：精准洞察市场，优化营销策略 利用 AI 分析消费者行为、社交媒体趋势、经济指标等数据，帮助零售商预测未来 销售趋势 基于消费者购买趋势和偏好的变化，及时调整产品线和营销策略 医学教育与培训：虚拟病例训练，优化教学内容 模拟真实临床场景，为医学生和医生提供虚拟病例训练，提升他们的临床决策能 力和实践技能 利用 AI 分析医学教育数据，为教学内容和方法的优化提供数据支持，提高教学质量 AI 在销售领域的应用 2.1.3 10 AI 驱动的获客与线索筛选：提升获客效率，缩短销售周期 AI 驱动的获客工具通过分析客户数据，精准识别潜在客户，并对线索进行高效筛 选和优先级排序 根据客户的行为和偏好，发送个性化的营销信息，提升客户参与度和购买意愿，缩 短销售周期 个性化销售策略与客户互动：提升客户满意度和销售业绩 分析客户的购买历史、行为数据和沟通风格，为销售团队提供量身定制的销售策 略和互动建议 为销售人员提供实时的对话建议，帮助他们更好地与客户建立信任和关系，提升 客户购买体验和复购率 销售预测与市场趋势洞察：数据驱动决策，优化资源配置 分析销售数据、市场趋势和宏观经济指标，为销售团队提供精准销售预测和市场 洞察 预测销售趋势和需求变化，识别市场机会和风险，帮助销售团队优化资源配置和 战略决策 供应链优化：提高库存效率，降低成本 AI 通过分析市场需求、库存水平和物流数据，优化供应链管理 预测商品销量，调整库存，减少过剩或短缺情况，提高供应链稳定性 个性化推荐：精准推送，提升消费者体验 AI 基于消费者的购物历史、偏好和行为数据，提供个性化产品推荐 优化购物体验，增强消费者满意度和忠诚度，提升商家销售额和客户粘性 智能客服与支持：提升客户满意度，降低运营成本 AI 驱动的智能客服提供全天候的即时服务，快速解答产品问题、处理退换货请求、 提供购物咨询，提升响应速度和服务质量 AI 的多语言功能为不同地区的客户提供本土化的智能服务，减少人工客服依赖， 降低运营成本 11 客户关系管理：提升客户忠诚度，促进长期发展 深度分析客户数据和行为模式，为销售团队提供客户关系管理支持 评估客户忠诚度和潜在价值，及时发现潜在问题并采取措施，帮助企业留住高价 值客户 高效招聘与精准筛选：提升招聘效率，提高人才选拔精准度 AI 驱动的招聘工具可以根据岗位描述和企业需求，快速筛选出符合岗位要求的候 选人 分析简历、行为数据和社交网络信息，评估候选人的潜在能力和职业适应性 AI 在人力资源领域的应用 2.1.4 个性化培训计划：提高培训针对性，激发员工学习积极性 分析员工的岗位需求、技能水平、绩效数据和职业发展规划，制定个性化的培训计划 推荐最适合的培训课程和学习资源，实时跟踪学习进度，提供反馈和建议，提高培 训的针对性和效果 人才预测与保留：预测人才流失风险，优化员工职业发展路径 分析员工的行为数据、绩效表现和离职趋势，预测人才流失风险，为管理者制定留 才策略提供数据支持 提供人才发展规划建议，优化员工职业路径，提升员工忠诚度并满足企业未来的 人才需求 提升员工满意度：营造积极的工作氛围，提升员工的整体体验 实时监测员工反馈和行为数据，收集员工的意见和建议，为企业提供即时的反馈 渠道 通过定期的员工满意度调查和实时反馈机制，及时发现问题并采取措施，提升员 工满意度 12 根据 IBM 发布的《2023 年全球 Al 采用指数》，无论是处于 AI 探索阶段还是已经开展 AI 应用的企业，最突出的痛点是组织缺乏 AI 专业知识/技能。这一问题正成为制约企业 AI 应用落地和战略转型的主要瓶颈。 企业普遍缺乏对 Al 的专业认知和技能 3.1 知名管理咨询公司科尔尼 (Kearney) 联合 Futurum Group 发布了研究报告《CEO 是否 已准备好把握 AI 潜力？》，该报告调研了全球 200 多位企业年收入超 10 亿美元的 CEO，揭示了企业 AI 落地的现状与挑战。 调研发现，虽然 89% 的受访 CEO 认可 AI 的战略重要性，超半数的 CEO 表示正面临 来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面 整合 AI 做好充分准备。 这一调研结果反映出当前大部分企业在 AI 战略落地过程中面临的现实挑战：企业对 AI 的认知与应用之间存在显著鸿沟。对企业来说，如何缩小这一差距，将成为未来发展的关 键命题。 企业 AI 应用落地核心挑战： 认知偏差与人才短缺 3 数据来源：IBM，数据截取统计数据前 10 的选项 缺乏 AI 专业知识/技能 数据太复杂 缺乏 AI 工具/平台 尚未定义场景和用户 供应商限制 道德顾虑 项目太复杂 缺乏 AI 模型管理能力 尚未定制全面的 AI 战略 价格太高 31% 30% 29% 29% 29% 27% 25% 25% 24% 20% 21% 26% 17% 15% 14% 10% 12% 8% 10% 15% 企业 AI 应用难点 问题：有哪些因素阻碍了您所在的企业成功应用 AI ？ 正探索 AI