编者按：本文来自微信公众号刘润（ID：runliu-pub），作者：海盐，编辑：黄静，创业邦经授权转载。

可能你也有这样一种感觉：做一件事，正变得越来越容易。

打开AI，你可以同时从几百件商品里比价，一天写完过去一周的代码，半天整理好上千份文档。可是，下命令很容易，但真要做选择的时候却犯了难。什么可以交给AI？什么必须留给自己？最后，可能稀里糊涂地变成，让AI决定吧。

选择越来越多，但判断这件事该不该做，却好像越来越难。

怎么办？

前阵子，我读到了麦肯锡最新季刊。报告讨论了很多变化，关于AI，关于消费，关于企业战略，关于产业，以及生意。

我反复读了几遍，有个感觉越来越强：

做事的门槛正在下降，判断的门槛正在上升。真正困难的，正从“怎么做”，转向“做什么、为什么做”。

所以，根据报告，我总结了其中5个变化。同时，也是5个可能正在打开的机会。

今天，与你分享。

01

消费的“自动化上限”

AI进入消费决策，但买什么还是人来定

过去，怎么判断一样东西该不该买？好不好看，好不好用，我需不需要。标准有很多，但有个标准绝大部分人都会用：看它贵不贵。

鸡蛋，是生活必需品。如果一颗卖20块，可能一句“太贵了”就走了。可如果一板30颗，19块9，那是得买。

“贵”，就像个最简单、最好用的筛子，帮你筛掉大部分选项。

但现在，替你筛选商品的，可能不再只是你自己。

麦肯锡有个预测：保守估计，到2030年，全世界可能有3万亿到5万亿美元的消费交易，由AI代理参与。

报告提出了一条“代理式商业自动化曲线”。从低往高，分成六级。

从系统定期补充洗衣液、咖啡豆，到搜索、比较，组装购物车。再到授权后直接购买，甚至围绕“控制家庭支出”这种长期目标。最高一级，是你的AI代理，对接商家、物流、仓储的代理。

看上去，AI似乎会一路接管消费，直到能完全决定。

报告里提到，自动化程度更高，不等于体验更好，而人也不愿意完全放手。

像洗衣液、矿泉水、厨房纸巾这些日用品，需求稳定、情感意义不高、不容易出错。所以只要价格合适、按时送到、买错替换成本不高，大家很容易把这个过程交给AI。

反过来，像奢侈品、婚戒、汽车。一个人可能在下单前，用AI研究保值率、搜索二手行情、去门店试穿。因为价格不菲、情感价值、后悔成本高，所以人们更愿意把付款键攥在手里。

前一种消费，买的是结果。后一种消费，买的是“决策主动权”。

所以，自动化的上限，往往不是技术决定的，而是看消费者愿意交出多少决定权。

当客户把一部分选择权交给AI后，对商家来说，这可能就是机会。

报告里说：

如果你的商品清单、营销活动和价值主张，不是机器可读，那么AI和消费者，根本就找不到你。无论你的品牌多受欢迎。

过去，商家争夺的是人的注意力；以后，还要争取被机器识别和推荐。

对于容易自动化的品类，真实库存、规格参数、履约能力和退换规则，都要变成机器可读取、可核实的结构化信息。把它们，都变成你的营销资产。

但对高情感、高后悔的品类，品牌故事和线下体验依然重要。

所以，商家要清楚：消费者把哪些环节给了AI，哪些还握在手里，再分别设计商品信息和消费体验。

消费者和企业都在把一些活派给AI，那当AI接手的不只是一次任务，而是一整段流程，工作方式也会跟着变。

02

100个AI代理，替人上夜班

从尝鲜工具，变生产系统

麦肯锡给了一个方向：让少数人去监管“AI代理工厂”。

什么是“AI代理工厂”？报告里举了一个例子。

早上8点，伦敦，一家银行。三个工程师推门进来。办公室屏幕还亮着，日志还在滚，机器的嗡嗡声还在响。那是近100个AI agent，刚刚结束夜班。过去12小时，它们一直在打磨一套跨境支付系统。到了早晨，它们把成果整理成修改请求、运行日志和风险提示，交给工程师判断对错、调整优先级。

白天，人决定要做什么、做好的标准是什么。晚上，一堆分工明确的AI代理干活。麦肯锡把这种模式，叫作“AI代理工厂”。

这和大多数人熟悉的“人提问，AI回答”，已经是两种不同的工作模式。

AI工具解决的是一次任务，代理工厂是把多个AI组织起来，组成一套能持续运转的生产系统。

麦肯锡研究了近300家上市公司。表现最好的约前20%，在生产率、上市速度和客户体验上提高16%到30%，软件质量提高31%到45%。一家大型金融服务企业建设代理工厂后，提效40%到70%。航空公司LATAM Airlines团队更小，提效约50%。

是怎么做到的？

各家公司，方法很多。但有一条比较普遍：在这批表现最好的企业中，约80%已经把生成式AI目标，写进产品经理和开发者的考核。

过去，AI只是公司鼓励大家尝试的工具。现在，这些公司把AI变成一项必须交付结果的工作。

所以，如果你有自己的生意，就不能只说“鼓励用AI”。否则文案用，但设计不用，剪辑只用它整理素材……公司看上去用上了AI，但只是浅尝辄止。

也许，可以试试其他办法。

比如，从最影响生意结果的流程入手。

麦肯锡分析了美国经济中的190个业务流程，发现约60%的潜在生产率提升，集中在各行业自己的核心业务流程里。

与其让员工零散地用AI写文案、做海报，不如先找到从获客、成交到复购中，最影响收入和成本的那一段。真正值得改造的，往往是最影响生意结果的工作。

比如，把工作变成AI能理解的工单。

每一步都要说清楚：给AI什么材料，要它交出什么结果，做到什么程度才算合格，遇到什么情况必须交还给人。AI可以帮你干活，却不能可靠地猜出你的意图。

所以，你要清楚，AI不只是替你干活的工具，而是一个需要你学会带领的团队。

当AI从一次工具变成一套生产系统，它改变的就不只是工作效率，还有生意的成本结构。

03

重新计算生意的盈亏线

过去太小不值得做的生意，今天能做了

报告里讲了IBM董事长兼CEO阿尔温德·克里希纳的一个故事。

IBM大约有4万名程序员，其中约8000人用AI辅助开发，生产率提高了45%。按理说，既然AI提高了人效，那大公司是不是要裁员了？

结果，克里希纳给出了截然相反的回答：

“我要增加4000人，因为开发产品变得更便宜了。我可以开发更多产品，吸引更小、更细分的受众；过去，我可能会说，这样做太贵了。”

AI带来的一大变化，是重新计算了很多生意的盈亏线。

过去，一门生意要成立，市场得够大、客单价得够高，否则覆盖不了团队成本。AI压缩了调研、开发、销售、客服的成本，让更小的团队也能服务更多需求。

麦肯锡提到一家B2B企业。过去只能服务最重要大客户，尽管小客户有成千上万，但销售团队没有足够时间顾得上。后来，引入了AI代理。自动评分、自动外联、自动跟进、自动约会议……结果就是，原本顾不过来的小客户，终于得到了接近定制化的服务。而这套新流程，预计带来7%到12%的年收入增长，节省销售30%到50%的时间。

其实，一直有大量的小众需求，只是过去服务成本太高，经济上不划算。而今天，AI把成本打下来的同时，也激活了这些小需求。

这对很多创业者来说，是个好消息。

过去做一个产品，需要设计、开发、运营各种协作，现在可以先用更小的团队验证。过去得服务十万人才能成立的产品，也许几百个高需求用户就能成立。

不过要注意，这里的“成本下降”不等于“任何小众生意都能赚钱”。

一个细分市场要想成为生意，至少还要看用户是不是真的有需求、愿不愿意付钱、服务能不能标准化、获客成本是否可控。

如果每个人都有不同需求，实现难度大，付费意愿低。那AI再便宜，也没法凭空创造好生意。

所以，如果你在为你的生意找机会，或许可以试试问自己这样几个问题：

1）过去最贵的环节，AI能省下多少？

2）最少需要多少付费用户，才能覆盖成本？

3）获客和交付，能不能被标准化？

真正的机会，不在“AI能做什么”的清单里。而是看“哪笔过去不划算的账，今天算得过来了”。

但一门生意算得过来，只说明你可以上场。想要赢，还要决定有限的资源应该投在哪里。

04

十年里，超60%的行业洗牌率加速

企业要分清两件事：赢，不输

今天，行业里的领先位置，正变得越来越不稳定。这种同一个行业里，领跑者和落后者交换位置的速度，麦肯锡给出了一个衡量指标：洗牌率。

过去十年，超过60%的行业洗牌率在加速，中位数提高11%。

当企业的位置变得越来越不稳定，企业越需要回答一个问题：

有限的资源，到底该投向哪里？

很多企业会有一种本能：对手有什么，我也要有什么；业内什么能力最强，我也要掌握。

麦肯锡发现，顾客可能并不在意你是否拥有每项能力。

一家家电企业开发了许多复杂功能，自认技术领先。结果发现，顾客最在乎的是好不好用。只要基础功能做得“足够好”，你做得功能再复杂，也不会提高太多购买意愿。

这也是麦肯锡给出的一个建议：企业要先分清“赢”和“不输”，是两码事。

不输，是达到市场最基本的预期。酒店必须干净，电商必须能履约，银行必须安全。低于这条线直接出局，超过很多却未必有额外回报。

赢，是顾客最终选你而不选别人的理由。可能是品牌、渠道、独家技术，也可能是更低的成本或更好的服务。这些能力既影响顾客选择，也很难被对手复制。

所以，不输，只是留在牌桌上的资格。赢，才是顾客选择你的理由。

那么，跟我有什么关系呢？

如果你有自己的生意，或许要考虑资源重新分配。

比如，把顾客真正在意的因素分成三类。能让你“赢”的，加大投入；决定“不输”的，做到行业正常水平；顾客不在意的，停止投入。

如果你是求职者或创业者，也许可以思考：我的不可替代性是什么？

如果写作是你的核心优势，持续投入；如果基础数据处理只是门槛，保证“不输”；如果某项技能不影响结果，不必因为别人都在学就盲目跟风。

真正的聚焦，不是简单地少做几件事，而是把更多资源，留给真正决定输赢的事。

当然，今天帮助你赢的能力，明天可能只够让你不输。银行网点曾经是优势，网上银行普及后，它的价值就下降了。

那么，怎么提前发现下一项决定输赢的能力？

麦肯锡给出的方法是：跟着钱走。

05

跟着1.4万亿美元，找到下一轮产业地图

新厂建在哪里，机会可能就在哪里

怎么看钱往哪儿走？可以看哪里在建新工厂，哪里有岗位招聘，哪里有上下游公司聚集。但往往这些结果已经发生的时候，趋势已经变得格外明显。留给你的机会，未必很多。

也许，还有个办法：把观察点往前移向FDI（外国直接投资）。

为什么？因为，跨境投资往往是已经宣布投入、但还没有完全建成的项目。它不是已经发生的结果，而是一笔准备落地的承诺。

麦肯锡分析了过去10年间，近20万个已公告的绿地项目，包括跨境新建工厂、数据中心等生产设施。结果发现，实际落地率在60%到80%之间，截至2026年初，2022年以来重点产业宣布的项目中，超60%已投产或取得实质进展。

那么，这些钱在往哪儿走？

2022年以来，年均1.4万亿美元。约四分之三的跨境绿地投资承诺，流向了“塑造未来的产业”：半导体、数据中心、电动车与电池，以及支撑它们的能源和矿产。其中，超过10亿美元的项目，占了全部投资承诺的一半。

这里面，全球每年约有1150亿美元承诺建设半导体工厂，1100亿美元流向电动车和电池，数据中心则达到约1700亿美元。

厂建在哪里，机会就可能在哪里长出来。

所以，你可以做的，是在看见公告后，继续追踪土地、电力、融资、订单和人才流入是否同步变化。

一个上亿美元的项目落地，往往会同时打开一连串的需求。半导体工厂需要设备和化学品，数据中心需要电力、制冷和通信，大型项目周围还会增加物流、住房、酒店、餐饮和维护需求。预计到2030年，数据中心用电可能占全球总量约5%，能源、冷却、配电、运维，每一条都是真实的生意线，更是机会。

不过，麦肯锡也提到，公告不等于产量。贸易政策、电力短缺、供应链等问题，都可能导致项目延期甚至取消。比如亚洲电池厂商在美国建厂，面临供应链依赖中国供应商的难题。

方向可以先看，行动还需要更多证据。

FDI会告诉你未来在哪，但不会告诉你怎么参与。后半句要你自己写。

最后的话

好了。麦肯锡最新季刊，我们就聊到这里。

总结一下，报告里的5个变化。

1）消费者在重新判断，哪些决定可以交给AI；

2）企业在重新判断，人和AI该怎么协作：

3）创业者在重新判断，什么生意值得做；

4）市场在重新判断，什么才是竞争优势；

5）普通人要重新判断，下一轮产业机会会在哪里出现。

这些变化背后，其实是同一件事：

一些事情正在变得容易，真正的困难也换了位置。

过去，难的是做不出来、成本太高。现在，难的是判断：哪些决定可以交出去，哪种需求值得服务，什么能力值得投入，哪条信号值得相信。

好在，让人感到希望的地方，在于机会和普通人的距离，正在缩短。

过去需要一家大公司、一支大团队、一笔大投资才能开始的事情，今天可能先由几个人、一个小市场、一次轻量尝试做起来。

机会没有消失，只是从“谁能做出来”，转向了“谁能先看懂、先选对，再把它做深”。

所以，在做事变容易的时代，越要去找那些依然困难的事情。

因为，容易的部分，很快会被复制。困难的部分，反而能体现你的价值。

参考资料：

McKinsey Quarterly 2026 Q2 ：A Time For courage

本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。