RM新时代有限公司

摘要：技術(shù)能力，不會(huì )自動(dòng)轉化為組織生產(chǎn)力。

AI讓個(gè)人變快了，為什么公司卻沒(méi)有變快？

大模型正在大幅降低智力供給的成本。過(guò)去依賴(lài)專(zhuān)業(yè)人才完成的寫(xiě)作、分析、設計和編程工作，正在變成可以隨時(shí)調用的能力。智力越來(lái)越充裕，判斷力和組織能力開(kāi)始變得更加稀缺。

個(gè)人使用AI，效率提升立竿見(jiàn)影。但在企業(yè)中，個(gè)人產(chǎn)出增加也可能帶來(lái)更多錯誤、返工、審核與協(xié)作成本。技術(shù)能力，并不會(huì )自動(dòng)轉化為組織生產(chǎn)力。

上海交通大學(xué)博士生導師周曦博士做客中歐EMBA“合一講堂”，分享企業(yè)邁向AI原生（AI Native）組織的關(guān)鍵路徑。以下是講座內容的整理。

周曦

上海交通大學(xué)博士生導師

云從科技集團股份有限公司董事長(cháng)、總經(jīng)理

01

企業(yè)真正的瓶頸

過(guò)去一段時(shí)間，很多企業(yè)推廣AI的方式很直接。發(fā)賬號、買(mǎi)額度、鼓勵員工多用，甚至把Token消耗量當作“擁抱AI”的指標。

一個(gè)員工原來(lái)一天完成10件事，現在完成20件事，如果他的產(chǎn)出需要更多人審核，錯誤率上升，返工增加，下游又接不住，企業(yè)最終得到的未必是更高的利潤。

因為個(gè)人效率與組織效率不是一回事。

企業(yè)真正的瓶頸，往往不在一個(gè)員工的生產(chǎn)速度，而在于整個(gè)系統是否穩定協(xié)同：

? 跨部門(mén)如何配合？

? 質(zhì)量如何控制？

? 上一個(gè)崗位的輸出，如何穩定成為下一個(gè)崗位的輸入？

? 出了問(wèn)題由誰(shuí)判斷，由誰(shuí)負責，如何回滾？

? 人的經(jīng)驗如何沉淀，而不是隨著(zhù)人員流動(dòng)一起消失？

如果舊流程不變，只是在每個(gè)員工身邊增加一個(gè)AI助手，企業(yè)很可能只是讓原有系統“跑得更快”，卻沒(méi)有改變系統本身。

而一個(gè)本來(lái)就充滿(mǎn)部門(mén)墻、審批、匯報和反復協(xié)調的組織，跑得越快，甚至可能制造更多混亂。

02

從技術(shù)突破到生產(chǎn)力

中間還隔著(zhù)什么？

理解今天的AI，需要把時(shí)間拉長(cháng)。

蒸汽機、電力、信息化，過(guò)去幾次重大技術(shù)革命都經(jīng)歷了相似的過(guò)程。先有技術(shù)突破，再出現新的生產(chǎn)工具，最后才是組織重構和生產(chǎn)力躍遷。

真正的生產(chǎn)力革命，往往發(fā)生在技術(shù)被重新組織之后。

以電力革命為例。最初，人們只是用大型電機替代蒸汽機。電機更便宜、更穩定，但工廠(chǎng)布局和生產(chǎn)流程沒(méi)有根本變化，因此效率提升有限。

真正的轉折，是小型電機成熟以后。每個(gè)工位可以有獨立動(dòng)力設備，加上零件標準化、精密制造，以及泰勒科學(xué)管理等新的管理思想，最終才出現了福特流水線(xiàn)。

流水線(xiàn)的誕生，不只是因為“電更先進(jìn)”。它至少等待了三件事：

? 單工位的生產(chǎn)工具成熟；

? 不同工位能夠標準化連接；

? 新的管理方法能夠駕馭新的生產(chǎn)系統。

ChatGPT的出現，像當年的電燈泡；Claude Code等單工位工具是小電機；AI Native組織才是福特生產(chǎn)線(xiàn)。

今天的AI，大致處在類(lèi)似電力革命1910年的階段。大模型已經(jīng)出現，面向專(zhuān)業(yè)崗位的工具開(kāi)始形成，但真正成熟的集成生產(chǎn)系統，以及與之相匹配的管理體系，尚未建立。

因此，今天企業(yè)的AI轉型推進(jìn)不順，并不奇怪。不是企業(yè)不努力，而是很多基礎條件，本來(lái)就還在形成之中。

03

AI Native

不是“全員都在用AI”

很多企業(yè)把AI Native理解成員工都有AI賬號，公司接入了大模型，內部部署了知識庫。這些當然有價(jià)值，但還不足以構成智能體組織。

真正的AI Native組織，至少有三個(gè)特征。

第一，Agent運行在業(yè)務(wù)主路徑上。

所謂“主路徑”，指企業(yè)完成一次核心業(yè)務(wù)所必須經(jīng)過(guò)的執行鏈路。如果每一次任務(wù)都必須等一個(gè)人打開(kāi)郵件、看材料、判斷、轉發(fā)、匯報，再進(jìn)入下一步，那么人的處理速度仍然是整個(gè)系統的瓶頸。

當客戶(hù)規模擴大10倍時(shí)，企業(yè)所需的人力增長(cháng)趨近于零，才真正接近AI Native組織形態(tài)。

第二，專(zhuān)家能力可以沉淀和復制，實(shí)現知識平權。

過(guò)去，一個(gè)優(yōu)秀銷(xiāo)售離職，一部分客戶(hù)經(jīng)驗可能就沒(méi)了；一個(gè)技術(shù)骨干離開(kāi)，很多隱性的判斷方式也會(huì )隨之消失。

在智能體組織中，理想狀態(tài)是，一個(gè)專(zhuān)家解決了一個(gè)問(wèn)題，這種能力不只屬于這個(gè)人，而可以被沉淀進(jìn)系統，復制到100個(gè)、1000個(gè)智能體實(shí)例中。

專(zhuān)家能力由稀缺供給，轉化為可復制的組織能力。

第三，管理從“周期性匯報”轉向“實(shí)時(shí)反饋”。

企業(yè)之所以需要周報、月度分析會(huì )和季度經(jīng)營(yíng)會(huì )，很大程度上是因為人的信息處理能力有限，只能定期匯總、集中判斷。

但對一個(gè)持續運行的智能體系統來(lái)說(shuō)，一個(gè)問(wèn)題既然今天已經(jīng)出現，為什么要等到月底才討論？

未來(lái)很多管理機制，可能會(huì )從“發(fā)現問(wèn)題—匯報—開(kāi)會(huì )—決策—層層下發(fā)”，變成“實(shí)時(shí)發(fā)現—即時(shí)判斷—更新規則—同步到所有執行節點(diǎn)”。

AI改變的，不只是崗位，也可能是企業(yè)管理節奏本身。

04

企業(yè)Agent落地

還缺三樣東西

如果把企業(yè)生產(chǎn)系統拆開(kāi)看，今天至少還有三道真正的難關(guān)。

第一，單工位AI工具還不夠成熟。

今天多數人使用AI，主要還是通過(guò)一個(gè)通用對話(huà)框。用戶(hù)需要自己提問(wèn)、拆任務(wù)、驗證結果，這很像早期計算機的“命令行”。

但真正推動(dòng)信息化生產(chǎn)率提升的，從來(lái)不只是PC，而是后來(lái)針對不同崗位出現的CAD、ERP和大量專(zhuān)業(yè)軟件。

AI時(shí)代也會(huì )經(jīng)歷同樣的過(guò)程。

企業(yè)真正需要的，不是所有人面對同一個(gè)聊天框，而是財務(wù)有財務(wù)Agent，銷(xiāo)售有銷(xiāo)售Agent，研發(fā)有研發(fā)Agent。每一個(gè)高價(jià)值工位，都需要真正針對工作場(chǎng)景設計的專(zhuān)業(yè)生產(chǎn)工具。

第二，多人、多Agent的集成系統還不成熟。

一個(gè)人使用AI，相對簡(jiǎn)單。但一旦變成幾個(gè)人和多個(gè)Agent共同工作，問(wèn)題立即復雜起來(lái)。

誰(shuí)可以給Agent下指令？不同指令沖突時(shí)聽(tīng)誰(shuí)的？上下游崗位如何交接？什么時(shí)候系統自動(dòng)執行，什么時(shí)候必須由人介入？信息如何共享，權限如何隔離？

傳統流水線(xiàn)之所以高效，是因為輸入、輸出和協(xié)作方式已經(jīng)被系統設計好了。工人不需要反復“求人幫忙”，也無(wú)需每天匯報自己擰了幾顆螺絲。流程本身就在推動(dòng)工作向前運行。

而今天很多白領(lǐng)組織依然高度依賴(lài)人際協(xié)調。加入AI以后，如果沒(méi)有新的集成系統，很可能變成一群人圍著(zhù)一群AI，協(xié)作關(guān)系反而更加復雜。

第三，也是最難的一關(guān)，新的管理學(xué)還沒(méi)有出現。

過(guò)去管理的是人，未來(lái)企業(yè)需要同時(shí)管理人和智能體。

AI出錯，責任如何歸屬？誰(shuí)負責審查？如何設置質(zhì)量門(mén)禁和回滾機制？員工的經(jīng)驗被沉淀進(jìn)系統后，知識貢獻如何衡量？

甚至，AI本身也是全新的管理對象。它可能能力很強、速度極快、充滿(mǎn)創(chuàng )造力，同時(shí)也可能毛躁、犯錯、不穩定。

怎樣“管理一個(gè)AI同事”，今天并沒(méi)有成熟答案。

技術(shù)問(wèn)題可以通過(guò)研發(fā)逐步解決，但組織問(wèn)題往往更難。因為組織變革，本質(zhì)上會(huì )重新定義權力、利益和責任。

當系統可以直接根據數據分配資源，原來(lái)的管理者做什么？當智能體可以跨部門(mén)完成工作，原來(lái)的部門(mén)邊界是否還需要存在？當知識可以自動(dòng)沉淀，過(guò)去依靠信息差形成的崗位價(jià)值會(huì )不會(huì )下降？

所以，企業(yè)轉型最大的阻力，往往來(lái)自?xún)炔俊?/span>

技術(shù)可以買(mǎi)，賬號可以發(fā)，模型可以接入，但組織中的利益、權力和責任結構，不會(huì )自動(dòng)改變。

這也是為什么，老板一個(gè)人想變，往往不夠。

05

今天該做的三件事

既然很多基礎條件還沒(méi)有完全成熟，企業(yè)今天最需要做的不是宣布“全面AI Native”，而是找到可落地的路徑。

第一，舊廠(chǎng)裝小電機，新廠(chǎng)做新物種。

對于成熟運行的業(yè)務(wù)，先用被驗證有效的AI工具，提高關(guān)鍵工位效率。

并且，管理者自己先用，形成對AI能力邊界的真實(shí)體感。什么事情AI擅長(cháng)，什么事情容易出錯，哪里必須審查，什么情況下需要回滾。與此同時(shí)，逐步建立質(zhì)量標準、審查機制、異常處理和回滾機制。

對于新業(yè)務(wù)、新團隊，從一開(kāi)始就按照智能體組織的方式設計，不必背負舊流程和舊利益結構。

第二，不做幾十個(gè)Demo，先跑通一條“微生產(chǎn)線(xiàn)”。

全公司幾十個(gè)部門(mén)一起上AI項目，看起來(lái)熱鬧，最終卻容易形成大量彼此孤立的Demo。

企業(yè)需要的不是更多試點(diǎn)，而是跑通一條閉環(huán)的業(yè)務(wù)鏈。

選擇一條相對短的流程，崗位不要太多，協(xié)作關(guān)系不要太復雜，參與者愿意擁抱變化，業(yè)務(wù)價(jià)值可以清楚衡量。然后把多個(gè)工位連接起來(lái)，形成穩定、可復用、可衡量的智能體業(yè)務(wù)閉環(huán)。這就是“微生產(chǎn)線(xiàn)”。

衡量它的，也不應該是Token消耗量，而是結果。質(zhì)量有沒(méi)有提高？周期有沒(méi)有縮短？返工有沒(méi)有下降？客戶(hù)規模擴大時(shí)，人力是否仍然線(xiàn)性增長(cháng)？組織知識是否在持續沉淀？

Token是成本，不是產(chǎn)出。

第三，在實(shí)踐中發(fā)明新管理學(xué)。

真正領(lǐng)先的企業(yè)，不能只等技術(shù)公司解決問(wèn)題，而要一邊使用新技術(shù)，一邊創(chuàng )造新的組織方法。

包括人和Agent如何分工，如何設計授權和審查，如何處理異常和責任，如何衡量組織產(chǎn)出，以及如何分配知識貢獻帶來(lái)的價(jià)值。

一條跑通的“微生產(chǎn)線(xiàn)”，最終應該沉淀出四類(lèi)東西：清晰的業(yè)務(wù)流、明確的質(zhì)量標準、可復用的規則，以及與新分工相匹配的崗位和利益機制。

這些東西，比做幾十個(gè)AI Demo更有價(jià)值，它們才是未來(lái)規?；瘡椭频幕A。

每一次技術(shù)革命，最先改變的往往是工具，真正拉開(kāi)企業(yè)差距的，卻是后來(lái)發(fā)生的組織重構。

模型讓AI擁有智力，組織讓AI形成生產(chǎn)力。

未來(lái)企業(yè)真正的AI競爭力，不是誰(shuí)先用了更強的模型，而是誰(shuí)先建立起一套能夠駕馭智能體的組織系統。