5 min read
86% 的小企业在使用 AI。或者说，不到 20% 的小企业在使用。这两个数字都是严肃的机构在 2026 年发布的，而且就各自的测量对象而言都是准确的。前者来自 Goldman Sachs 的一项调查。后者来自美国人口普查局，描述的是员工不超过四人的企业，也就是像你这样的企业。
如果你曾经读完某个标题，暗暗觉得自己落后了，那么这个差距就与你有关。下面是关于小企业采用 AI 的五种说法，只要看看问的是谁、问的是什么，它们就站不住脚了。
误区 1：“几乎每家小企业都已经在用 AI”
结论：至少根据最可靠的公开数据，对最小型的企业来说并非如此。
ANI 报道的 Goldman Sachs 报告显示，采用率为 86%，高于 2024 年的 56%。但其样本是该银行 10,000 Small Businesses 项目的 2,473 名校友，而调查结果也只适用于这些企业，并不代表所有美国小企业。这些经营者都是主动报名参加成长项目的人，算不上随机抽样。
Thryv 在 2026 年对 561 名决策者的调查显示，采用率为 66%，高于之前的 55%。Thryv 销售的是 AI 驱动的营销平台，阅读时要记住这一点，不过它确实使用了独立的调研样本库，并排除了自家客户。
美国人口普查局的商业趋势与展望调查讲述的却是另一番情景。2025 年 12 月至 2026 年 5 月期间，全部企业中有 17% 到 20% 表示在使用 AI，而员工不超过四人的企业中，这一比例不到 20%。
误区 2：“这些数字里一定有一个是错的”
结论：错。它们回答的是不同的问题。
造成差距的因素有三个：
- 问的是谁。积极上进的项目校友、决策者样本库，还是覆盖面广的政府抽样。
- 什么才算“使用”。人口普查局问的是企业在过去两周内是否在任何业务职能中使用过 AI。而一项不设时间限制、只问“你用 AI 吗？”的调查，连春天试过一次 ChatGPT 的经营者也会算进去。
- 谁的使用才算数。经营者私下用聊天机器人起草一封邮件，在一项调查里可能回答“是”，在另一项调查里却未必觉得这算企业“使用 AI”。
有用的解读是把它看成一个范围，而不是一个单一的事实：不少经营者试过 AI，真正依赖它的要少得多，而这个比例很大程度上取决于你怎么问。对待任何单一的采用率数字，都要像对待聊天机器人信心满满的回答一样：转述之前先查清它的来源。
误区 3：“采用了就意味着 AI 在经营业务”
结论：错，即使在最热衷 AI 的群体中也是如此。
得出 86% 的同一份 Goldman Sachs 调查发现，受访企业中只有 15% 已将 AI 完全融入核心运营，约占使用者的 18%。也就是说，即使在现有最拥抱 AI 的样本中，也有八成以上的使用者仍只把它当作边缘性的帮手。
这应该让你安心。上了新闻标题的那些企业，做的大多和你一样：起草、总结、尝试。如果你想了解如何在一项工作上深入下去，而不是什么都同时上，可以看看我们讲述的园林师从浅尝辄止到稳定可靠的故事，其中的模式一目了然。
误区 4：“用得顺手就等于用得好”
结论：错，经营者自己也这么说。
在 Thryv 的调查中，86% 的人表示使用 AI 很顺手，而 70% 的人表示需要更多培训才能用好它。这两点可以同时成立。顺手说的是工具打开和使用起来是否轻松。能力说的是知道答案什么时候是错的、哪些内容不该粘贴进去，以及哪些工作不该交给它。
同一份调查给出了一条线索：57% 的人通过 YouTube 和社交媒体学习，49% 的人通过在线资源和网络研讨会学习。免费学习没问题，但这类内容往往偏爱炫目的演示，而不是枯燥的检查。如果你想要一个实用的标准，就写下你会用 AI 做什么、不会用它做什么。我们的一页纸 AI 政策所花的时间，大约相当于看几个视频。
误区 5：“如果你一直没动手，现在已经太晚了”
结论：基本不成立。时机取决于你所在的行业。
人口普查局发现，员工至少 20 人的企业使用 AI 的比例有所上升，而规模更小的企业没有明显变化。行业的影响更大：信息业约 40% 的企业表示在使用 AI，而零售业只有约 14%。
而且，不采用也并不总是出于无知。旧金山联储的一份简报基于 2024 年小企业信贷调查发现，持观望态度的经营者提到的原因包括对准确性和知识产权的担忧、人际接触对其业务的重要性，或者认为 AI 根本不适用于自己。这些都是商业判断，其中一些会是对的。
话虽如此，这并不是说可以忽视 AI。Thryv 的受访者确实反映节省了时间，较大的企业也在行动。重点是你有时间把这件事做好，而不是可以跳过它。
比全国数字更值得跟踪的数字
全国采用率数据对你的业务几乎没有参考价值，它们主要是用来推销东西的，也包括推销焦虑。Thryv 发现，53% 的受访者每月在 AI 工具上至少花 $100，这个数字很容易被看成一个目标。但它不是。把这些统统换成你自己的三个数字：
- 上周节省的小时数，老实计算，扣除检查所花的时间。
- 每月在 AI 上花的钱，涵盖每一项订阅。
- 在到达客户之前发现的错误数量。
跟踪一个月。如果节省的时间少、花费却高，就砍掉一个工具。如果错误在增加，就放慢脚步。如果某项工作确实省下了时间，就在这项工作上继续深入，而不是因为某个标题说别人都有了，就再添一个应用。
下次看到一个很大的采用率数字时，问两个问题：调查的是谁，“使用”指的是什么？你最近看到的最令人意外的 AI 统计数据是什么，它经得起这两个问题吗？
