加拿大中小企业 32.7% 在用生成式 AI：决定你同行用不用的是规模和行业，不是国籍
如果你开的是一家温哥华的小店，"加拿大 32.7% 的中小企业已经在用生成式 AI"这句话对你的参考价值接近零。同一份 OECD 调查里，按行业拆开是 11.2% 到 47.3%，按人数拆开是 23.6% 到 45.8%。国别差异只有几个百分点，行业和规模的差异是四倍。你真正的同行率，藏在这两张表里，不在那个国家数字上。
这份调查由 OECD 委托 Ipsos NV 执行，覆盖奥地利、加拿大、德国、爱尔兰、日本、韩国、英国七国共 5,232 家中小企业，定义是雇员 249 人以下、含一人公司。主要问卷在 2024 年 10 月 14 日至 12 月 6 日以电话方式完成，报告在 2025 年 11 月 5 日发布。
源 它是一张有明确时点的快照，不是 2026 年的实时普及率。
七国里加拿大排第四，但差距的来源不是国民性格
德国 38.7% 最高，之后是奥地利 34.1%、爱尔兰 33.0%、加拿大 32.7%、英国 27.7%、韩国 25.2%、日本 23.5%，七国总体 31%。源
OECD 自己解释了这张排名怎么来的，而这个解释比排名本身有用。德国高，一部分原因是它的企业里"2 到 9 人"的比例高于一人公司，而使用率随企业规模上升。日韩低，一部分原因是它们的中小企业里服务业占比更小。报告写明，行业与规模构成只能解释日韩与其他国家差距的一部分，不是全部。源
换句话说，德国和加拿大那 6 个百分点里，有相当一部分是"德国的小公司平均比加拿大的小公司大一点"造成的。
你的行业在哪一格
调查问的是同一句话："贵公司里有没有人，包括您自己，为了工作使用过生成式 AI？"下面是按行业的回答比例。源
| 行业 | 使用率 |
|---|---|
| 信息与通信 | 47.3% |
| 其他服务业 | 45.8% |
| 行政与支持服务 | 40.1% |
| 文体娱乐 | 37.7% |
| 住宿与餐饮 | 36.9% |
| 专业、科学与技术服务 | 36.6% |
| 教育 | 34.1% |
| 金融与保险 | 31.6% |
| 建筑 | 29.4% |
| 房地产 | 28.2% |
| 批发零售与汽车修理 | 26.8% |
| 公共行政、医疗与社工 | 25.3% |
| 运输与仓储 | 24.3% |
| 采矿、电力、供水 | 23.3% |
| 制造业 | 15.1% |
| 农林牧渔 | 11.2% |
对大温读者，两条最常见的生意正好落在总体值两边：餐馆属于住宿餐饮，36.9%，高于七国总体的 31%；零售属于批发零售，26.8%，低于总体。所以"我这行的人还没开始用"这句话，在餐饮业更可能是错觉，在零售业更可能是事实。
一个人干，和十个人干，是两道题
| 公司规模 | 使用率 |
|---|---|
| 50 到 249 人 | 45.8% |
| 10 到 49 人 | 41.5% |
| 2 到 9 人 | 35.8% |
| 1 人 | 23.6% |
一人公司的使用率不到最大档的一半。源 OECD 给了三个可能的解释：规模能摊平学习成本和合规成本；大一点的公司更可能有专门做市场、做 IT 的人，而这两块正是生成式 AI 最常见的落点；以及一个纯统计效应，人越多，公司里"至少有一个人用过"的概率自然越高。
把两张表叠起来算一遍：一家温哥华的一人零售店，行业 26.8% 乘规模 23.6% 这一层层往下走，同行使用率远低于 31%；一家十人餐馆，两个维度都在均值以上。同样一句"31% 的中小企业已经在用"，对这两位老板意味着完全相反的处境。
65% 说绩效提高，26% 说收入增加
在已经使用生成式 AI 的中小企业里，65% 说它提高了员工绩效。但同一份摘要里，说它帮助扩大规模的是 35%，说它帮助与大公司竞争的是 29%，说它带来收入增加的是 26%。源
绩效那一项是收入那一项的两倍半。这不是矛盾，是两件不同的事：绩效说的是同样的人做完了更多活，收入说的是钱变多了。前者不自动变成后者，中间隔着客户、渠道、定价和产能上限。
报告里有一组交叉数据把这层关系说得更死。说生成式 AI 帮他们省了钱的企业，更可能报告工作量下降（36.2%，对比没省到钱的 30.0%）；而"员工绩效提高"和"省到钱"之间，OECD 写明没有这种关联。源 报告给出的一个无法用数据检验的猜测是，这些节省可能来自加班减少。
所以如果你的目标是省钱，该盯的指标是工作量和加班，不是员工表现得好不好。
83% 说用人需求没变，但这个数字被读反了
精确的分布是：83.0% 说生成式 AI 对公司需要的总人数没有影响，9.1% 说减少，5.5% 说增加。源
这个 83% 常被写成"多数企业用了 AI 也没裁员，所以可以放心用"。报告里另一组交叉表指向相反的方向：报告生成式 AI 让收入增加的企业，更可能说总用人需求下降（13.3%，对比 7.5%），也更少说用人需求上升（4.1%，对比 6.0%）。源
也就是说，AI 真的带来收入的那一批企业，恰恰是人手需求往下走的那一批。83% 这个大多数里，装的主要是"AI 还没改变什么"的公司，不是"AI 改变了很多但我们保住了岗位"的公司。OECD 自己的措辞是，变化迹象只是"温和"的，中小企业似乎更愿意先等一等再动内部编制。
另一条同方向的线索：主要把生成式 AI 用在重复性任务上的企业，说用人需求下降的概率比用在一次性任务上的企业高出五成以上；主要用在复杂任务上的企业，说用人需求上升的概率接近用在简单任务上的两倍。源
真正省下的那笔钱，出现在外包账单上
这是整份报告里最贴近小店现金流、却最少被转述的一条。14.3% 的中小企业说生成式 AI 降低了它们对外部承包商的依赖，6.3% 说提高了。源
加拿大在这一项上是七国最高的三个之一。报告写明，加拿大、英国和日本的中小企业最可能说生成式 AI 减少了外包依赖，三国都超过 17%。源 一人公司在这一项上也是各规模里最高的，16.5%。
对一家小店，这条比 83% 实用得多。你原本外包出去的英文文案、社交媒体图、菜单翻译、基础报表整理，是最先能收回自己做的部分。省的是这笔钱，不是员工工资。
反方向也要看清：主要把生成式 AI 用在复杂任务上的企业，说外包依赖上升的比例是用在简单任务上的两倍多（11.7% 对 4.5%）。源 想做的事越复杂，越可能反过来要花钱请人帮你搭。
不用的人，理由不是讨厌它
在没有采用生成式 AI 的中小企业里，57.3% 说它不适合自己做的这类工作，这是第一大障碍；54.1% 担心版权、法律或监管问题；52.5% 担心输入模型的信息会被怎么处理；50% 认为员工缺乏所需技能。源
态度不是障碍。86% 的中小企业对生成式 AI 持中立或正面态度，只有 2% 明令禁止使用。源
真正的洞在另一边。已经在用生成式 AI 的中小企业里，只有 28.6% 给员工定了使用规则；没用的企业里这个数字是 8.6%。国别差距极大，德国 45.4%，日本 5.3%。而在已经定了规则的企业里，还有 30.7% 担心员工并不遵守。源
把这两组数放在一起看：超过一半的非采用者把法律和数据顾虑列为不用的理由，而已经在用的那批里，七成以上根本没写过一条内部规则。担心的人不用，用的人不担心，这中间没有人在管。
这份调查该怎么用
先算你自己的同行率。找到你的行业那一行，再找到你的人数那一行，两个数都看一眼。如果两个都在均值以下，"别人都在用"这个压力对你是假的；如果两个都在均值以上，你可能确实落后了。
再决定你要买的是哪一样。如果要的是省钱，先看外包账单里哪一项能收回自己做，那是数据上最可能兑现的地方；如果要的是提效，那 65% 是真的，但别指望它自动变成 26% 里的收入增加。
最后把规则写下来再放开用。这一步只要花一个下午，而 71% 的同行还没做。哪些客户信息不能贴进去、哪些结果必须有人复核、出了错找谁，写清楚这三条，你就已经在这份调查的前 29% 里了。
顺着去读：如果你关心的是宏观层面的"AI 会不会让我失业"，各国官方数据的横向对照见AI会不会让我失业：加美中官方数据 vs 传言；如果你要落地写那份内部规则，BC 省隐私法下的逐条自查见BC 小企业主用 AI 的 18 项合规检查清单。
这篇哪里可能过时或不适用
调查现场期是 2024 年 10 月 14 日到 12 月 6 日，报告 2025 年 11 月 5 日发布。生成式 AI 的企业采用在这一年里变化很快，本文所有比例都应该读成"2024 年底那个时点"，不是今天的水平。OECD 若发布下一轮同口径调查，31%、32.7% 和各行业各规模的数都要重算。
七国不含美国、法国、意大利、澳大利亚等主要经济体，所以"七国总体 31%“不等于"OECD 国家 31%”，更不等于全球水平。
加拿大 32.7% 这个数覆盖全加拿大，不是 BC 省或大温地区的抽样。本地的行业结构、企业规模分布和移民经营者比例都可能与全国不同，本文没有找到大温层面的同口径数据。
行业和规模两张表都是七国合并后的平均值，不是加拿大单独的行业分布。把"加拿大 32.7%"和"住宿餐饮 36.9%"相乘去推算"加拿大餐饮业的使用率"是错的算法，报告没有提供这个交叉表。
所有比例都来自企业受访者的自我报告，不是财务记录或雇佣记录。“收入增加”“省了钱”“用人需求下降"都是受访者的判断，调查也无法证明这些变化由生成式 AI 造成——报告本身多处使用"可能”"一种解释是"这样的措辞，本文在引用交叉数据时保留了同样的分寸。
OECD 出版物页对机器抓取返回 403，本文引用的国家、行业、规模和交叉表数据取自该页链出的完整报告 PDF，抓取日为 2026 年 8 月 26 日。
标记：源＝OECD 出版物页与该报告 PDF 原文。