采用率已近乎普及，财务回报却并非如此。两者之间的差距只在一个地方弥合：CEO 办公室，以及围绕这项工作组建的领导团队。
如今，几乎所有大型企业都在业务的某个环节使用 AI，但几乎没有一家能在财报中体现成果。麦肯锡十年的调查数据、三年的 Agent 试点，以及数十亿美元的企业投入，得出一个始终不变的结论：瓶颈已不再是模型，而是领导力设计。
Christian & Timbers 专门为企业寻访能够弥合这一差距的高管。以下是我们对“CEO 如何引领这场变革”相关证据的解读，以及这些证据对董事会需要哪些人才在场的启示。
用数字看价值差距
麦肯锡第十次年度《AI 现状》调查于 2026 年 5 月 4 日至 6 月 8 日开展，覆盖 97 个国家的 1,719 位领导者，为这一问题给出了确凿的数据：
- 89% 的组织在至少一个业务职能中常态化使用 AI
- 80% 的用户报告自身生产力有所提升
- 37% 报告 AI 对 EBIT 有任何正向贡献，与 2025 年持平
- 约 6% 可称为高绩效企业，其超过 5% 的 EBIT 可归因于 AI
- 40% 营收超过 10 亿美元的企业正在规模化部署 Agent，高于此前的 27%
- 32% 因 Agentic 编码工具使其能够自建而放弃购买至少一款软件产品
- 39% 预计未来一年 AI 相关的员工人数将下降，而过去一年有此情况的仅为 14%
五分之四的员工感觉变快了。但只有不到三分之一的财务职能看到了实际差异。对 CEO 而言，一切关键都在这两个数字之间。
80% 靠业务，20% 靠技术
麦肯锡北美区主席 Eric Kutcher 将这项工作描述为 80% 的业务转型和 20% 的技术转型。
这个比例解释了 EBIT 曲线为何持平。大多数企业已经完成了那 20%：采购了工具、选定了平台、资助了试点，也确实出现了一些好的成果。但这些成果没有累积起来，因为周边的流程原封未动。
麦肯锡调查工作中的三项发现指向同一个方向：
- 工作流重构在所有被测的组织属性中，与 EBIT 影响的相关性最强。
- CEO 亲自监督 AI 治理在营收超过 5 亿美元的公司中相关性最强。只有 28% 的组织报告由 CEO 担任这一角色，只有 17% 报告由董事会层面负责。
- 由 CEO 主导的数字化转型，其成功概率约是由技术团队主导的项目的 1.5 倍。
把 AI 议程交给 CTO，得到的是一个技术项目。而 AI 价值来自一个包含技术组件的业务项目。
领先的 CEO 们正在采取的五个举措
1. 他们选择自建，而不是听汇报
旧的技术领导模式是“赞助式”：出资投资、提出尖锐问题、信任专家。Agentic 系统打破了这一模式，因为工作的单位不再是工具，而变成了活生生的工作流。麦肯锡对二十多项 AI 转型的评估发现，采纳速度超过了领导层的准备速度，最快的组织会推动高管亲自构建 Agent。有一种沉浸式培训形式是让领导者为一个个人问题构建一个 Agent，纯粹是为了制造 AI 从概念变为协作者的那个时刻。
亲身经历过局限性的领导者能够设定预期，既不过度吹捧，也不危言耸听。这种可信度无法伪装。
2. 他们设定足够宏大、能打破旧流程的雄心
增量式目标用现有流程加一个副驾驶就能达成。那些取得企业级成果的 CEO 们，会提出当前流程无法交付的结果：四年内股价翻三倍、一个职能部门的客户群翻三倍、将周期时间缩短一个数量级。雄心迫使流程重构，温和的目标永远做不到这一点。
3. 他们在部署 Agent 之前先重构工作流
端到端的重构涵盖角色、决策权、交接、治理和排序。将 AI 应用于未加改变的流程的公司，继承的是该流程的约束；围绕人类与 Agent 能力重建流程的公司，继承的是一条不同的成本曲线。
4. 他们为人类与 Agent 团队重建管理层
管理者越来越多地在人员、Agent 和系统之间协调工作。产出速度更快，质量差异也更大，这使管理工作转向判断力：答案是否正确、答案是否相关、团队是否能捍卫其逻辑、风险在哪里。团队会把低质量的 AI 产出交给领导者，管理者需要具备识别问题并辅导产出者的判断力。
实际的机制是存在的。一家全球生命科学集团重新设计了每周运营评审，设置轮换的“挑战者”角色，其职责是反驳主导结论，并记录 AI 的提议与人类的决策之间的差异。速度提升了，问责制也得以保留。
5. 他们掌控治理和 Agent 资产的生命周期
今天运行 15,000 个 Agent 的企业，明天就会运行 30,000 个。如果没有对退役、版本管理和访问权限的掌控，这些资产就会变成拥有决策权的技术债。这类治理属于 CEO 和董事会，而不属于某个工作组。
组织架构图的中层正在变薄
Kutcher 对未来组织的预测是：更扁平的结构，更多行使判断力的员工，更少的协调型管理者。学习快的人和愿意挑战的人会晋升，建立在例行协调之上的角色则会被压缩。
这对继任规划带来两个后果：
- 流畅度如今自下而上流动。 初级员工对技术的实际掌握往往超过指挥他们的高管，这使得反向导师制成为结构性要求，而非一种姿态。
- 学徒制仍然需要投入资金。 砍掉职业早期阶梯解决的是一年的成本问题，却制造了十年的判断力问题。没有哪家企业能靠招聘获得一批资深运营人才，却不给他们成长的空间。
这对高管招聘意味着什么
上述 CEO 议程需要有过实际经验的人才，而这样的人才市场非常稀缺。
- 所有权从实验室转移出来。 业务部门对 AI 赋能的问题解决承担问责，而不是把需求转给中央团队，这提高了公司每一位损益负责人的标准。
- 新头衔承载着真正的损益权重。 首席 AI 官、AI 转型负责人、物理 AI 与机器人负责人。Christian & Timbers 正是因为这一职责如今已进入最高决策层，才为 Hui Cheng 博士安排了物理 AI 与机器人负责人的职位。
- 部署人才是关键瓶颈。 我们对前沿部署工程师市场为期六个月的研究发现，美国大约只有 2,000 名精英 FDE，而预计需求增长为 2,100%。争夺那些能把模型转化为可用工作流的人才的企业，实际上是在与前沿实验室争夺同样那几百个名字。
- 薪酬的重新定价速度超过了大多数委员会的建模速度。 我们的 2026 企业 AI 薪酬研究对上市公司 AI 领导岗位的基本工资、奖金和股权进行了基准测算，市场水平与过时内部薪酬区间之间的差距正是大多数招聘搁浅之处。
给董事会的七个问题
- 谁亲自负责 AI 治理？这个名字是否出现在 CEO 的记分卡上？
- 哪些端到端工作流被重新设计了，而不仅仅是增强？
- 我们将多少比例的 EBIT 归因于 AI？依据什么方法？
- 过去 90 天里，有多少位高管用这项技术构建过东西？
- 抱负是什么？当前的流程能否让抱负得以实现？
- 我们如何退役、审计和版本管理已投入生产环境的 AI Agent？
- 我们的薪酬区间是否与计划中所列岗位的市场水平相匹配？
无法回答前四个问题的董事会，治理的是一个技术项目，而不是一场转型。
十年调查数据得出的证据汇聚于一点。从 AI 中获取财务价值的公司，其 CEO 会亲自使用这项技术、重新设计工作、掌握治理，并在计划之前完成招聘。另外 94% 的公司面临的是价值问题，只是披着技术问题的外衣。
Christian & Timbers 为第一类公司打造背后的领导团队。我们的 2026 企业 AI 薪酬研究为董事会和 CHRO 提供了争夺这些人才所需的基准数据。