2025年生成式AI在中小企业应用分析：近三分之一中小企业已拥抱技术变革

人工智能，特别是生成式人工智能，正以前所未有的速度重塑全球商业格局。长期以来，技术革新的红利往往由资源雄厚的大型企业率先享用，而作为国民经济毛细血管的中小企业，则在数字化浪潮中面临诸多挑战。然而，生成式AI的横空出世，似乎正在改变这一局面。经济合作与发展组织近期发布的一项针对奥地利、加拿大、德国、爱尔兰、日本、韩国和英国超过5000家中小企业的权威调查，揭示了生成式AI在中小企业中令人瞩目的渗透率与应用现状。这份题为《生成式AI与中小企业劳动力：新调查证据》的报告指出，生成式AI已不再是大型企业的专属，它正以“民主化”的姿态深入中小企业，成为其应对技能短缺、提升竞争力的新利器。本文将深入剖析这份报告，从应用现状、劳动力市场影响、技能需求变迁及企业准备度四个维度，全面解读2025年生成式AI在中小企业中的发展图景。

一、应用普及：生成式AI在中小企业中渗透率达31%，德国引领潮流

生成式AI在中小企业中的应用已形成相当规模。根据OECD的调查，平均有31%的中小企业报告其公司内部（包括受访者本人或同事）正在使用生成式AI进行工作。这一数据远超许多国家统计局早期的估算，标志着生成式AI已成为一股不可忽视的技术力量。其应用范围广泛，涵盖了文本生成（91.6%的使用者）、图像生成（34.9%）、视频生成（16.9%）和音频生成（14.7%），显示出技术应用的多样性。

渗透率呈现出明显的行业、规模和国别差异。从行业来看，服务业是生成式AI应用的主战场。信息与通信行业一马当先，使用率高达47.3%，这与其工作内容高度依赖知识创造和代码编写密切相关。相反，农业（11.2%）、制造业（15.1%）等依赖物理生产的行业应用率相对较低。然而，值得注意的是，调查在每一个行业都发现了生成式AI的应用案例，例如建筑业利用其创建建筑设计的视频模拟，住宿餐饮业用于菜单设计和内容创作，这充分证明了生成式AI具有广泛的行业适用性，其影响力将波及整个经济体的劳动者。

企业规模是另一个关键影响因素。生成式AI的使用率随着公司规模的扩大而显著提高。员工人数在50至249人的中型企业使用率最高（45.8%），而单人公司（即个体经营者）的使用率最低，仅为23.6%，不到中型企业的一半。这一现象与传统的AI应用模式一致，可能源于规模效应有助于克服采用障碍、拥有专门职能部门（如市场部、IT部）的可能性更高，以及员工基数大自然增加了使用概率。

国别差异尤为引人注目。德国中小企业的生成式AI使用率拔得头筹，达到38.7%，展现出德国企业对前沿技术的高度接纳性。奥地利、爱尔兰和加拿大的使用率也均超过30%。相比之下，日本（23.5%）和韩国（25.2%）的使用率相对较低。这种差异部分可由各国经济结构（如服务业占比、企业规模分布）解释，但日韩两国在所有行业普遍较低的使用率也暗示了更深层次的原因，可能包括整体数字化水平、大企业与中小企业间的技术鸿沟、劳动力年龄结构以及早期语言模型对本地语言支持不足等历史因素。德国的领先地位与其经济结构中中型企业占比较高有关，而日韩则面临中小企业数字化转型相对滞后等挑战。

二、影响深远：生成式AI成应对劳动力短缺利器，但对整体用工需求影响温和

生成式AI对中小企业最直接的贡献体现在帮助其应对日益严峻的劳动力与技能挑战。调查显示，超过三分之一（36.8%）的受访中小企业在过去两年中经历过劳动力短缺，33.8%的企业面临内部员工技能或经验不足（即技能缺口）的困境。在这些正使用生成式AI且遭遇技能缺口的企业中，高达39.1%表示生成式AI帮助弥补了这一缺口。同样，在面对劳动力短缺的企业中，25.2%认为生成式AI起到了补偿作用。这一效应在德国和日本等劳动力市场紧张的国家尤为显著。

生成式AI主要通过提升员工绩效来发挥补偿作用。高达65.1%的使用企业报告生成式AI有助于提高员工（或经营者自身）的工作绩效。对于那些认为AI提升了绩效的企业，其认可AI能弥补技能缺口的比例（46.3%）远高于不认可绩效提升的企业（21.1%）。这表明，当员工绩效的主要制约因素是技能不足时，生成式AI的辅助作用尤为突出。此外，生成式AI还通过其他方式助力企业：45.2%的企业报告实现了成本节约，35.1%的企业得以执行此前无法完成的任务，34.6%的企业能够提供新的产品或服务。

在劳动力市场影响方面，生成式AI展现出复杂而微妙的影响。最显著的变化体现在工作负荷上。近三分之一（32.7%）的使用企业报告生成式AI降低了员工的工作负荷，这对于工作压力大的员工或经营者而言无疑是积极的。同时，14.3%的企业表示减少了对外部承包商的依赖，这意味着生成式AI使它们能够将部分以往需要外包的任务内部化。然而，与一些担忧相反，生成式AI并未引发大规模的裁员潮。绝大多数企业（83.0%）报告AI对整体员工需求没有影响。仅有9.1%的企业表示需求下降，而5.5%的企业甚至表示需求增加。这种温和的整体影响可能源于多种因素的抵消：一方面，自动化替代了部分人力；另一方面，生产率提升可能刺激业务增长从而创造新的岗位。当前，大多数中小企业可能更倾向于观望，而非立即进行大幅度的内部人员调整。日本企业在报告工作负荷降低方面比例最高（50.7%），而英国企业则在报告员工需求减少（18.3%）和增加（8.6%）两方面都最为显著，反映了不同市场环境下企业反应的差异性。

三、技能重塑：AI时代技能需求不降反升，数据分析与创新能力成焦点

一个关键的发现是，生成式AI并未消除对高技能人才的需求，反而加剧了技能需求的升级。调查明确显示，生成式AI的应用与技能需求的“升级”密切相关。19.7%的企业表示，生成式AI增加了企业对高技能员工的需求（相对于低技能员工），这一比例是报告技能需求下降企业（9.4%）的两倍以上。这意味着，生成式AI的应用正在推动工作岗位组合向更高技能水平倾斜。

具体到技能层面，生成式AI显著提升了多项技能的重要性。数据显示，数据分析和解释技能（46.4%）、创造和创新技能（41.9%）被认为是因AI而变得更为重要的前两大技能领域。紧随其后的是沟通和表达技能（38.5%）、批判性思维和解决问题技能（35.5%）。相反，文秘和行政技能（12.6%）、体力和手工技能（9.5%）报告重要性下降的比例相对较高，尽管报告“无影响”的仍是主流。这一趋势揭示了生成式AI的互补性特征：它擅长处理模式化、信息整合类任务，从而将人类劳动者的价值推向更需要批判性思考、创造性产出、复杂数据解读和人际交互的领域。

这种技能重塑对中小企业提出了新的挑战和机遇。中小企业普遍在员工培训投入上不及大企业，面临单位培训成本高、人员流动性风险大等制约。然而，若能有效引导员工适应新的技能要求，生成式AI将成为中小企业提升人力资本质量、增强创新能力的催化剂。政府和社会在促进AI素养普及、提供针对性培训支持方面扮演着关键角色，特别是在帮助中小企业克服培训投资障碍方面。

四、挑战与准备：适用性与法律风险是主要障碍，企业自身准备度有待加强

尽管前景广阔，但中小企业在采纳和有效利用生成式AI的道路上仍面临不少障碍。对于尚未使用生成式AI的企业，最主要的障碍是认为该技术“不适合公司所从事的业务类型”（57.3%），这在农业、制造业以及部分专业服务领域尤为突出。其次，对版权、法律或监管问题的担忧（54.1%）以及对输入生成式AI模型的信息如何处理存在疑虑（52.5%）是两大核心障碍。近一半（49.8%）的非用户将“员工缺乏使用生成式AI的正确技能”列为原因。

值得欣慰的是，态度本身并非普遍性障碍。绝大多数中小企业（85.9%）对生成式AI持中立或积极态度，只有11.2%持不利态度，2.5%明确禁止使用。德国企业的态度最为分化，既有最高比例的支持者（32.7%），也有较高比例的反对着（14.8%）和禁令实施者（7.7%）。日韩两国虽然使用率较低，但持负面态度的企业比例也最低。

在企业为负责任地使用生成式AI所做的准备方面，现状仍有较大提升空间。在已使用生成式AI的企业中，仅有23.6%报告其员工参与了AI相关培训，日本这一比例低至11.3%。只有35.6%的企业就相关的版权、法律或监管问题进行了研究（自行研究或咨询专家）。28.6%的企业为员工制定了关于使用生成式AI的内部指南。这些数据表明，当前许多中小企业对生成式AI的应用可能仍处于自发、零散的初级阶段，缺乏系统的风险管理、技能提升和规范引导。这种准备度的不足，可能限制企业充分释放生成式AI的潜力，并潜藏数据安全、知识产权侵权等风险。

中小企业普遍期待外部支持来克服这些挑战。在所有受访中小企业看来，政府提供“培训”被认为是最有帮助的支持形式，其次是资金援助、信息宣传和商业指导。这种需求因国而异，例如在德国，信息宣传被认为最重要；在日本和奥地利，资金援助最受青睐。这提示政策制定者需要提供多样化、有针对性的支持措施，以帮助中小企业，特别是那些尚未使用生成式AI的企业，克服障碍，并帮助已使用企业更安全、更有效地利用技术。

以上就是关于2025年生成式AI在中小企业中应用的分析。综合来看，生成式AI正在迅速融入中小企业的运营肌理，其31%的渗透率标志着技术扩散进入新阶段。它不仅是提升效率的工具，更是中小企业应对技能与劳动力短缺、增强韧性的战略资产。然而，技术的普及也伴随着技能结构的深刻变革，对高技能人才的需求日益凸显。当前，中小企业在法律风险认知、员工培训和内部治理方面的准备尚不充分，这为政府、行业组织和服务提供商提供了明确的行动方向。未来，生成式AI在中小企业中的深度应用，将取决于技术本身的持续进化、企业自身能力的建设以及外部支持体系的有效协同。这场由生成式AI驱动的中小企业转型浪潮，才刚刚开始，其深远影响值得持续关注。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）