42% 的 CMO 还在拿 AI 改文案、写标题、做摘要。
这不是一个”还在观望”的故事——这 42% 的人自认为已经在积极使用 AI 了。他们投了预算，建了团队，上了培训。问题是，他们把 AI 接在旧流程的尾巴上，而不是让工作重新绕 AI 的组织方式展开。
BCG 2026年面向全球 300 位 CMO 的调查揭开了这个真相：96% 的 CMO 说 AI 正在推动营销部门端到端的转型，但只有不到三分之一真正让 AI 代理接管了部门重要环节，仅 8% 在运行多代理自主协同的营销活动 [1]。
口径差了整整 88 个百分点，这是 2026 年营销行业最诚实的一面镜子。
01｜96% 说在转型，但多数人只是在”用 AI”，不是”被 AI 改造”
BCG 这份报告叫《Making the Agentic Marketing Transformation a Reality》，于 2026 年 6 月发布 [1]。它没有否定 CMO 的信心——信心是真的。96% 的人说 AI 在驱动端到端转型，不是违心，是因为他们确实感受到了变化。
但感受和现实之间，隔着一个操作系统的差距。
调查把 AI 使用程度分了四个阶段。第一个阶段是”任务级辅助”——用生成式 AI 改文案、草拟邮件、写摘要。42% 的 CMO 停在这里。第二个阶段是”流程嵌入”——AI 被接入一两个具体工作流，但仍以人为主导。第三个阶段是”代理主导部门”——AI 代理端到端完成多步骤流程，人只在关键节点审核。不到三分之一的 CMO 到了这一步。第四个阶段是”自主协同活动”——多个 AI 代理协调完成从策略到执行到优化的完整循环，人只设定边界和策略。仅有 8% 到达了这个水平。
换句话说，多数营销团队的 AI 变革就是”原来怎么做，现在还怎么做，只是有人手里多了一个 ChatGPT 窗口”。
Gartner 在同一时期给出了另一个视角。其 2026 年 CMO 支出调查覆盖 401 位营销负责人，数据显示 CMO 将平均 15.3% 的营销预算投向 AI，最成熟的 AI 采用者更是到了 21.3% [2]。但仅有 30% 的 CMO 认为自己的组织具备规模化部署 AI 的基础设施成熟度。70% 的人承认，内部流程还没准备好。
这个 15.3% 对比 30% 的缺口，是结构性矛盾的信号：钱在前面跑，能力在后面追。
02｜从”用 AI”到”被 AI 改造”，中间隔着的不只是预算
BCG 的调查里有一条被很多人忽略的数据：约一半的 CMO 表示，AI 投资决策权已经从 IT 和技术部门转移到了营销部门 [1]。同时 43% 的 CMO 报告其所在企业的 AI 营销投入超过 1500 万美元，比上一年的 28% 大幅上升。
钱是自己管了，能力还没长出来。
Comviva 2026 年全球 CMO 调查进一步量化了这个问题：90% 的组织在过去两年增加了 AI 营销投资，其中 47% 增幅超过 50%。但只有 12% 能够严格量化 AI 带来的增量收入。88% 要么根本没法衡量，要么只能给出一个粗糙估算 [3]。
这 88% 是隐藏在 BCG 那 96% 的信心数字背面的事实。没有人会因为你”在用 AI”给你一个肯定，但所有人最终都会问：”所以 AI 到底帮你多赚了多少钱？”
更尖锐的信号来自 Gartner 的另一项判断。2025 年 6 月，Gartner 预测到 2027 年底，超过 40% 的 Agentic AI 项目将被取消，原因是成本失控、商业价值不清、风险控制不足 [4]。到 2026 年 4 月，Gartner 的最新数据显示，仅有 17% 的企业部署了 AI 代理，但超过 60% 计划在两年内部署——这是所有新兴技术中最激进的采纳曲线，也是最大的幻灭风险 [5]。
70% 的人说想成为 AI 领导者是今年关键目标，同时 70% 的人承认内部流程不成熟——愿望和组织能力之间精准对称，一个完美的 70-70 僵局。
03｜”Agent Washing”：大多数”AI 代理”其实只是换了名字的聊天机器人
Gartner 分析师 Anushree Verma 在 2025 年 6 月创造了”Agent Washing”这个词——指供应商将现有的 AI 助手、RPA（机器人流程自动化）和聊天机器人重新包装为”Agentic AI”，但没有增加实质性的自主能力。Gartner 估计，在数以千计自称”Agentic AI”的供应商中，真正具备代理能力的只有约 130 家 [6]。
这个警告在 2026 年 5 月被再次重申，这次聚焦供应链规划技术领域。Gartner 的论述逻辑很清楚：正在发生的不是一次技术升级，而是一轮标签更换。买家付的是”代理”的价格，买到的是”自动化”的产品。
这就是为什么那 42% 的人停在了”任务级辅助”——买的就不是真正能改变工作流的系统，买的是更贵的辅助工具而已。
Dentsu 在 2026 年 7 月推出的 dentsu.Connect 4.0 可以看作对这个问题的正面回应。这是一个建立在定制小语言模型和 Google Gemini、Meta Llama 等前沿模型之上的代理系统——让 AI 代理自主编排工作流、生成实时洞察、改善全营销生命周期决策，而不只是提供单点任务辅助 [7]。
Dentsu 战略的特别之处在于它强调”互操作性”——不强制替换客户现有 Martech 技术栈，而是作为一个编排层接入。对于 43% 已经在 AI 营销上花费 1500 万美元以上的 CMO 来说，推倒重来的成本远比接入一个新编排层更高。这是对”Agent Washing”的反向操作：不是再多卖一个工具，而是让已有的工具通过代理系统真正联动起来。
04｜为什么卡住了——数据、人才、治理，不是技术
几乎所有的论述最终都指向同一个结论：卡住你的不是 AI 能力，是你组织里的三件事。
第一，数据。 BCG 的调查报告显示，数据碎片化是代理式 AI 最大的基础设施障碍。AI 代理需要跨 CRM、广告平台、分析工具、CMS 获取实时数据才能自主决策。但大多数企业的这些系统彼此孤立。Forrester 2026 年 6 月的报告说得更直白——约四分之三的企业自称采用了 Agentic AI，但只有极小一部分在超越”代理型聊天机器人”层面的实际生产中落地 [5]。
第二，人才。 BCG 的数据显示，约 80% 的领头 CMO 已经在 AI 专门技能培训上做了重大投入 [1]。Gartner 的调查则指出，劳动力成本占营销预算的比例从 21.9% 上升到了 24.5%——AI 投入增加了，人力成本也涨了 [2]。原因是同一个：你现在需要的是既能理解营销策略，又能设计和监督 AI 代理工作流的人。这批人不便宜，而且稀缺。
Comviva 的调查补充了一个关键细节：86% 的营销领导者在过去 12 个月内被董事会或 C 级管理层要求提供 AI 商业影响的硬证据，但只有 16% 有信心以量化数据来捍卫自己的 AI 预算 [3]。这不仅是”用 AI”的问题，而是要回答”我为什么批准你花这些钱”的问题——而绝大多数团队还没准备好答案。
第三，治理。 当一个 AI 代理有权限自主分配广告预算、调整出价策略、决定展示哪个创意变体时，信任门槛立刻从”别写错别字”上升到”别烧掉几十万”。Gartner 2026 年的研究指出，对代理的治理不应该”一刀切”——不同代理的权限级别、系统范围和故障影响完全不同，需要差异化的控制框架 [5]。
05｜从 42% 到 8% 的路径：不是买更多 AI，是改一个工作流
BCG 的调查揭示了另一个乐观面：31% 的 B2C CMO 和 20% 的 B2B CMO 已经报告其 Agentic AI 转型带来了显著的、可衡量的收入影响 [1]。不是”理论上的 ROI”，是已经在 P&L 上体现出来的结果。
这些跑在前面的人做对了什么？他们的共同点不是”更有钱的 AI 预算”，而是”先改一个完整的工作流”。
以下是可复用的五步路径：
第一步：选一个闭环流程，不是选一个任务。 不要问”AI 能帮我写文案吗”——这个问题你已经知道答案了。要问”从策略制定到创意产出到投放优化到效果报告的完整链路中，哪一段最适合先交给代理系统？”最适合的通常是流程清晰、输入输出可量化、失败成本可控的环节，比如预算分配优化、A/B 测试自动化、效果报告自动生成。
第二步：在启动前定义”成功”。 Comviva 的数据里最刺眼的一条是：只有 12% 能证明 AI 的增量收入影响 [3]。原因不是 AI 没产出，是没人事前定义”什么叫产出”。不要用”提高效率”当 KPI——给一个具体数字和截止日期。命名那个度量标准，命名那个对它负责的人。
第三步：修数据管道，不要绕过去。 如果你的 CRM 和广告平台之间的数据不能自动流通，代理 AI 没有任何可以行动的基础。这步无聊，但 70% 的通不过去的人都是放弃在这一步。
第四步：设置护栏，再放权。 预算上限、品牌安全规则、审批阈值——在代理上场前写好。自主性没有护栏 = 预算被一夜烧完。但护栏做好了，代理的价值是真实的：Dentsu 的 Creator & Trends Studio 已经在英国将创作者发现时间从”数小时”缩短到”数分钟”，整体策划和激活工作流加速高达四倍 [8]。
第五步：证明一个，再要预算。 86% 的营销领导被要求提供 AI 投资的证据。如果你能证明一个工作流从”任务辅助”升级到了”代理自主”、并且在时间、成本或质量上有文件记录的实际改进，你就是那 12% 里的人了。带着一个证明，去谈第二个工作流的预算。
总结
BCG 报告里那 96% 对 8% 的鸿沟，不是一场”相信与不相信 AI”的辩论。所有人都信。落后是因为信任没有转化成行动，行动没有转换成新的组织方式。
问题不是”AI 能做多少事”，而是”你愿不愿意把工作重新设计成 AI 能主导、人能校准的样子”。
Gartner 预测 40% 以上的 Agentic AI 项目将被取消，并不是说技术会失败，而是说组织会失败。组织失败的表现形式很固定：预算给了、工具买了、流程没变。然后成本高过产出，然后 CFO 按了取消键。
Dentsu 的转型为什么值得看？因为它不讲”我们用 AI 策划广告”，它在讲”我们重建了一个系统，让 AI 代理能在客户已有的 Martech 之上工作，而不是让他们再买一个新工具”。前者是演示，后者是工作流。
42% 的人把 AI 接在旧流程的尾巴上。8% 的人重建了流程。差距不在技术，在谁先承认：自己不是在转型，只是在用。
写在最后
如果你是品牌方或代理方的营销负责人，今天可以做三件事：
1. 打开你的团队使用的 AI 工具清单。圈出那些仅仅被用来”辅助某个人的某个任务”的项目——这些是最容易被市场淘汰的区间。
2. 选一个你团队最熟悉、输入输出最明确的工作流，问一句：”如果把决策权交给代理系统、把人放到审核位，这个流程能快多少？”如果答案是”不知道”——那就值得试。
3. 给你目前在用的所有”Agentic AI”工具做一个简单的测试：它能独立完成多步骤任务吗？还是你每次都要开口下指令？如果是后者，恭喜你——你可能已经给 RPA 付了代理的价格。
引用与参考资料：
[1] BCG, “Making the Agentic Marketing Transformation a Reality,” June 2026. 基于全球 300 位 CMO 调查及 50 位深度访谈。https://www.bcg.com/publications/2026/how-agentic-ai-transforms-marketing
[2] Gartner, “2026 CMO Spend Survey,” May 2026. 覆盖 401 位营销负责人（2026年1-3月调查）。https://www.gartner.com/en/marketing/research/cmo-spend-survey
[3] Comviva, “Global CMO Survey Report 2026.” 覆盖 200 位零售、电商、电信行业高级管理者。https://www.comviva.com
[4] Gartner, “Predicts 2026: Agentic AI — Over 40% of Projects Will Be Canceled by End of 2027,” June 2025. 分析师 Anushree Verma。https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
[5] Gartner, “2026 Hype Cycle for Agentic AI,” April 2026. 分析师 Rajesh Kandaswamy。基于 2026 CIO and Technology Executive Survey。
[6] Gartner, June 2025 同名发布中首次定义 “Agent Washing” 及 “only ~130 of thousands of self-described agentic AI vendors are real”。另见 Digital Applied 综合分析。https://www.digitalapplied.com/blog/agentic-ai-project-cancellations-gartner-40-percent-2026
[7] EMARKETER, “Dentsu.Connect 4.0 targets the gap between AI pilots and real workflows,” July 15, 2026. https://www.emarketer.com/content/dentsu-connect-4-0-targets-gap-between-ai-pilots-real-workflows
[8] AdTech Today, “Dentsu UK&I Creator & Trends Studio launch,” July 8, 2026. https://adtechtoday.com/dentsu-uki-to-help-brands-move-faster-with-creators-and-culture-in-metas-creator-marketplace/
免责声明：
本文中引用的所有数据、调查结果和研究结论均来自公开来源，已在正文中标注引用编号。本文不构成对任何品牌、产品或服务的推荐或背书。meitAI 与文中提及的各公司无商业合作关系。文中观点仅代表 meitAI 基于公开信息作出的专业分析，不构成投资建议或商业决策依据。如涉及数据引用有误，请联系我们更正。
