铺得开，接不住：8月企业AI的尺子从装了多少换成干了多少

8月最后一周，两份重量级调研前后脚落地。麦肯锡8月的《State of AI》显示，年收入超10亿美元的大企业中，已有 40% 在规模化部署AI智能体，一年前还是27%。德勤8月12日的调研给出另一面：501位所在企业已在试点或部署智能体的美国高管中，认为自己的业务流程已为智能体做好准备的比例只有21%，"高度准备好"的仅5%。

一个在往上走，一个趴在地板上。它们量的是同一件事的两面：智能体铺得开，但企业接不住。整个8月，行业都在为这件事换尺子。

进场指标已经到顶了

先看铺开的速度。麦肯锡的数据里，大企业规模化智能体的比例一年从27%涨到40%，中小企业同期停在22%，差距不是缩小而是拉大。Salesforce 依据自家平台统计，单个组织平均激活的智能体数一个财年接近翻三倍，从5个到13个，创建到部署的平均时间缩短53%，只剩约1.9天。

当"装了多少个"变得又便宜又快，它就不再是能区分企业的指标。

整个8月，大家都在换尺子

8月最值得注意的不是任何一个数字，而是各家不约而同换了计量单位。Salesforce 造了"智能体工作单元"，一个单位等于智能体完成的一件离散任务。KPMG 在覆盖20个国家、2145位高管的调研里给出另一个角度：对AI运营成本有完全可见性的企业，报告已确立投资回报的可能性，是看不清这笔账的企业的5倍。麦肯锡的尺子最硬，直接问AI有没有影响到息税前利润。

国内也能看到同一个信号。QuestMobile 9月1日的报告显示，2026年7月AI效率办公赛道月活1.02亿，同比只增8.2%，总使用次数却同比增长112.4%。人没多多少，次数暴涨来自工作流嵌得更深——路径越短，用得越勤。

口径变了：从"部署了多少"，转向"干成了多少、花了多少、赚回多少"。

尺子一换，成绩单就不好看了

新口径下，很多企业立刻露了出来。麦肯锡样本里，表示AI给息税前利润带来至少一些影响的占37%，与一年前基本持平；"AI高绩效者"也停在6%左右。同一份报告里，80%的人说AI提升了自己的个人生产力，50%说帮他们做出更好的决策。个人层面人人有感，企业层面原地踏步，这道缝8月被量得很清楚。

德勤那个5%更扎人——它访问的不是围观者，是所有企业都已在动手的那一批。而在这批里，已规模化部署智能体的那部分，认为流程准备好的也只有46%：规模化本身并没有把流程修好。

流程为什么总也修不好

德勤补充的20场高管访谈里，多数人承认自己采取的是"叠加"而不是"重设计"：把智能体加在现有流程上，而不是按智能体真正能做什么重新设计流程。这个选择完全理性——叠加几周见效，重设计要耗几个季度，还得拉上财务、法务和流程负责人。

代价是账记错了地方。叠加上去的智能体会继承底下流程的全部病灶：没有文档的例外处理、三套互相打架的客户状态、只有运营部某位同事知道怎么走的那一步。智能体在这些地方失败时，故障单上写的是"模型问题"或"集成问题"，几乎从不写"流程问题"。于是流程永远修不好——每一次失败都被记在了别人的账上。

德勤的数据把这个死循环钉得很实：74%的受访者预计四年内近一半业务流程要围绕智能体重构，但只有约五分之一说自己现在具备重设计的能力。都知道重做是迟早的事，几乎没人配好人。

STARBOX视角：先把计数单位定义在自己手里

8月这几份报告读下来，最强烈的感受是：能算出回报的企业，共同点不是模型更强，也不是智能体更多，而是它们先有了自己的计数单位。KPMG 那5倍的差距来自成本可见性，Salesforce 造工作单元是为了让不同部署放在同一把尺子上比，麦肯锡直接用息税前利润——三家找的是同一个东西：一个能把"AI干了活"翻译成"业务拿到结果"的单位。

而这个单位不该等厂商发给你。平台给你的工作单元，量的是平台上的动作；你自己账上需要的，是"干完一件什么样的活、怎样算干完、花了多少钱、下次能不能更快"。这一条落在三层架构的组织层，由它定义什么叫做完一件活及验收口径，BOX层沉淀这件活要用的知识、规则和历史记录，智能体层在边界内执行并写回一条可回查的完成记录。

所以才强调先定义再部署——不是流程图好看，而是这一步决定了后面所有数字有没有意义。

9月开工，先问一句：下次汇报，你打算报平台给你的调用量，还是你自己定义的干完了多少件活？这两个数字之间的距离，就是8月留给企业的作业。