企业 AI 使用率两年翻倍，为什么小企业仍然落后？
从 OECD 2025 年企业 AI 使用数据出发，解释大、小企业采用差距背后的流程、数据、技能和投入条件。本文结合统计口径分析差距成因，并给出中小企业可执行的起步路径。
本文目录
企业 AI 的使用率正在快速上升，但“越来越多企业在用”和“不同企业都能用好”是两回事。
OECD 2026 年 1 月公布的数据显示，在有可比数据的成员国中，2025 年有 20.2% 的企业报告使用 AI，高于 2024 年的 14.2% 和 2023 年的 8.7%。两年间，这个比例增加了一倍以上。
同一组数据里，大型企业的使用率达到 52.0%，小型企业只有 17.4%。增长是真实的，差距也同样真实。
这组统计不能直接代表中国企业。各国调查年份、企业规模定义和“使用 AI”的口径也可能不同。它更适合用来观察一个方向：通用工具把试用门槛降了下来，但把 AI 放进核心业务，仍需要数据、流程、技能和持续投入。
先看增长，也要看增长发生在哪里
| 年份 | 报告使用 AI 的企业比例 |
|---|---|
| 2023 | 8.7% |
| 2024 | 14.2% |
| 2025 | 20.2% |
数据上升得很快，一个重要背景是生成式 AI 工具更容易获得。员工不需要先组建算法团队，就能用现成产品写邮件、整理材料、生成图片或辅助分析。
但“有人打开过 AI 工具”与“企业形成稳定工作流”之间，还有很长一段路。前者只需要账号和一些尝试；后者需要明确输入、输出、权限、验收和异常处理，还要接入知识库或业务系统。
OECD 的数据也显示行业分布并不平均。2025 年，ICT 企业的 AI 使用率为 57.3%，专业和科学服务业为 36.8%。这些行业本来就拥有较多数字化资料、专业人才和可在线完成的知识工作，更容易找到第一批场景。对纸质资料多、系统分散或现场环节重的企业来说，模型只是最后出现的一层。
大、小企业的差距，不只是预算差距
资金只是最显眼的那一层，下面还有更深的结构性问题。
大型企业更有资金购买工具和算力，这是最直观的解释，却不是完整答案。
第一层差距是数字化基础
没有可用的输入，模型再强也无从着力。
AI 需要读取可用的输入。客户资料散在个人电脑里，产品名称没有统一编码，会议结论只存在聊天记录中，模型就很难稳定工作。大型企业不一定数据更干净，但通常已有更多业务系统、接口、权限制度和数据团队，可以更快把资料接入试点。
OECD 关于中小企业 AI 采用的讨论文件把连接能力、数据与算力等 AI 输入、技能和融资列为四类关键条件。报告也提醒，跨国比较要谨慎，因为年份和统计定义可能不同。
对中小企业而言，最现实的限制往往不在于完全没有数据，而在于数据没有围绕任务整理。报价单有很多版本，却无法自动识别哪份有效；客服记录数量不少，却缺少统一的问题类型；采购文件都已电子化，字段和单位仍各不相同。
第二层差距是能否从外围工具走进核心流程
写文案容易，进流程难。
中小企业用生成式 AI 写宣传文案、翻译或总结资料并不难。这些工作出错后容易修改，也不需要复杂集成。真正拉开差距的是下一步：能否让 AI 参与销售跟进、采购审查、客服处理、排产或质量检查等持续发生的流程。
OECD 的中小企业报告指出，处于早期阶段的企业通常使用内嵌工具处理外围任务；数字成熟度更高的企业，才会把多种工具接入不同职能乃至核心运营。这里的差别，与其说在于提示词写得长不长，不如说在于企业能否把任务边界、数据来源和责任关系写清楚。
想找到第一批可做的任务，可以从每天重复的五类工作入手：查找、整理、起草、比较和跟进。它们比“建设一个企业智能助手”更容易取得样本，也更容易判断结果好坏。
第三层差距是有没有人持续负责
工具可以是通用的，责任必须落到具体的人。
AI 项目不只需要技术人员。业务负责人要决定什么叫合格，实际使用者要反馈哪些结果不能用，管理者要明确数据边界和错误后果。缺少其中任何一环，试点都可能停留在演示。
大型企业可以设立专门的 AI、数据和治理团队；小企业很难复制这种组织结构。更适合的办法，是把责任压缩到一个具体流程：一名业务负责人、一名熟悉系统的人，再加一组真实样本。范围小了，持续改进才不至于变成额外负担。
三个容易读错的数据结论
数字本身不会说谎，但解读方向容易偏。
第一个误读，是把 20.2% 当成成熟应用率。统计中的“使用”覆盖不同深度，无法证明项目已经进入核心业务，更不能证明获得了确定回报。
第二个误读，是认为小企业必须先补齐大型企业的全部基础设施。很多场景可以从现成工具、人工确认和少量系统连接开始。问题不在于架构是否宏大，而在于结果能否被验证、错误能否被接管。
第三个误读，是只比较模型和软件价格。真正的投入还包括资料整理、权限配置、员工学习、复核、系统集成和后续维护。便宜的工具如果需要大量返工，完整成本并不低。
中小企业可以怎样缩短这段距离
差距不是命运，关键是把步子迈小。
先选一条反复发生、输入已经电子化、结果容易核对的任务，不要同时改造一个部门。用AI 场景筛选表检查频率、数据、流程边界、可验证性、失败恢复和责任人，再决定是否进入试点。
第一版尽量保持简单。能通过检索和一次模型调用完成的任务，不必先建设多 Agent 平台；能由员工确认后写入系统的动作，不必立刻全自动。记录处理时间、人工修改和常见错误，用结果决定是否扩大范围。
员工培训也要跟着场景走。通用提示词只是起点；团队还要知道哪些资料可以输入、怎样核对来源、什么情况下必须转人工。关于这一点，可继续阅读《企业 AI 培训别只教提示词》。
企业 AI 使用率继续增长并不意外。更值得关注的是，企业能否从偶尔使用工具，走到稳定完成一项真实工作。账号数量只反映入口，把技术变成流程能力的速度才会拉开企业之间的距离。
本文引用的数据来源：
参考资料
- AI use by individuals surges across the OECD as adoption by firms continues to expand — OECD
- AI adoption by small and medium-sized enterprises — OECD