Openclaw代表的Agent时代来了,几次数字化浪潮,企业真正改变了什么?

企业数字化这件事，每隔几年就会被说成”这次真的不一样了”。

信息化那次，说要改变工作方式。数字化那次，说要改变工作方式。现在大模型来了，又说要改变工作方式。

三十年，同一句话，说了五遍。

但你仔细想想：你的工作方式，真的改变了吗？

改变了。但改变的不是你以为的那个东西。

每次数字化浪潮，表面上改变的是工具和系统，底层真正改变的，是组织里的权力格局——谁掌握新的技术层，谁就重新定义了”谁说了算”。这件事从来没有人把它讲透。

今天试着说一遍。

一、每次浪潮，都有人崛起，有人出局

1990年代，中国企业开始大规模推行信息化：OA系统、ERP进销存、CRM客户管理，流程搬上了系统。那个时代有一句流行的话，叫”流程上系统”。听起来是技术工程，实际上是一次权力重构。

在系统上线之前，企业的流程靠什么运转？靠人。靠那些认识每一个关键角色、摸清每一个环节的老员工。谁知道报销要找哪个人、合同要走哪条路，谁就有隐形的话语权。这种权力是人际化的，分散的，很难被追究，也很难被剥夺。

系统上线之后，一切变了。

所有流程的规则，都由系统来执行。而系统里的规则，由谁来配置？IT部门。

IT部门从”公司的电脑维修组”，变成了”流程话语权的真正持有者”。哪些审批需要几个人签、哪些单据需要附件、哪条流程要加会签——在系统里，这些全是配置项，全由IT说了算。业务部门想改一条流程，先要提需求，再等排期，还要跟IT协商。那一代走出来的IT总监，很多人都体验过那种微妙的权力感：你是流程规则的守门人。

数据化时代，同样的剧情重演了，但主角换了。

随着数仓建成、BI看板普及，企业开始讲”数据驱动决策”。但这句话背后，是另一场权力迁移。

以前，区域总经理汇报业绩，可以选择报哪些数字、怎么解读异常，数字是他的地盘。数据化之后，集团层面统一了口径：什么是活跃用户、什么算增长、如何定义核心指标，这些全由数据平台和数据团队来定义。

一个做数据的30岁年轻人，第一次获得了和区域总经理正面博弈的能力。不是因为他更懂业务，而是因为他掌握了数字的解释权。业务一把手第一次需要认真对待一个从来不跑客户的人，原因只有一个：他控制了新的技术层。

规律开始清晰：每次数字化浪潮，都不只是”多了一套工具”。它在企业内部创造了一个新的技术层，而掌控这个新技术层的人，会从组织边缘走向中心。

这个规律，在大模型时代同样成立。今天，谁在企业里管知识库、谁在做内部AI训练、谁在定义提示词规范，谁就在积累下一轮的话语权。

而Agent时代的权力，会落在哪里？后面再说。

二、卡了三十年的难题

理解了权力迁移的规律，就能理解一个更重要的问题：

为什么企业数字化喊了三十年，大多数人的工作方式却改变得那么慢？

答案是两个字：隐性知识。

每一家运转良好的企业，都有大量的知识没有写在任何文档里。不是没人想写，是根本写不下来。

举一个很典型的场景。

某家制造企业有一位财务对账主管，姓林，在这个岗位做了将近二十年。每到月末，全公司最头疼的时候，是她最平静的时候。几百行数据，她扫一遍，哪些差异正常、哪些需要追查，心里已经有数了。她的判断速度和准确率，是新人的五倍不止。

有人认真请教过她：你怎么判断哪些差异可以不管？

她想了半天，说：有些是汇率波动，有些是系统同步的时间差，有些是供应商的结算周期，还有一些——就是感觉不对。

“感觉不对”四个字，是企业里最昂贵的知识，也是最难迁移的知识。

过去三十年，每当数字化项目想把这类知识”沉淀进系统”，几乎都面临同样的困境：

让林主管把判断逻辑写成文档，写出来的版本不全，而且三个月后就会过时。请咨询公司来梳理业务规则，梳理出来的版本她说”不是这么回事，情况比这复杂”。把规则强行录入系统，上线半年后规则开始频繁报错，没人敢改，最后都绕过系统手工处理。

失败的原因是一样的：传统系统要”吸收”这类知识，需要先把它转换成精确的结构化规则。而隐性知识的本质是情境化的判断——情境在变，判断在变，规则永远赶不上。

这不是管理问题，是信息论层面的结构性困难。过去三十年的信息化和数据化，本质上都在处理”结构化数据”和”明确规则”，处理得很好。但企业里大量真正有价值的知识，从来不是结构化的。

大模型改变的是这件事的性质。

它第一次让系统能处理非结构化的、情境化的经验描述。林主管不需要把判断转成规则，她可以直接用自己的话描述：”科目A和科目B的差异，如果超过某个幅度，一般是供应商结算问题；但如果是12月末，通常是年底调账，不用追；除非同时出现了科目C的异动，那就必须单独查。”

这段话，大模型可以理解，可以结合上下文工作，可以在新情况出现时结合历史判断给出建议。

这不是说问题被解决了。准确的说法是：过去是”几乎不可能”，现在是”极其困难，但第一次真正有可能”。

这两者之间的差距，是三十年来第一次真正意义上的突破口。而这个突破口，正是下一代数字化架构的核心赌注。

还有一件没人提起的事：林主管今年已经五十三岁了。等她退休，那二十年的判断经验，会跟着她一起消失。这件事在每一家企业都在发生，只是以前没有人有办法。

三、下一代架构在做的三件事

理解了难题在哪里，下一代数字化架构的设计逻辑就清晰了：它试图在三个层面上，系统性地回答”怎么把林主管的经验变成持续运转的能力”。

底层变化：让系统能被机器调用

传统业务系统在设计上默认操作者是人。人看界面、点按钮、填表单，系统响应。机器调用这类系统，代价极高：要么模拟人的操作，脆弱易出错；要么重新开发接口，昂贵且周期长。

下一代系统需要同时面向人和Agent开放能力接口。

一个具体场景：某连锁零售企业，总部运营有一项日常工作——每天早上汇总各门店的昨日销售数据，判断哪些门店的指标有异常，发给对应区域负责人关注。这个工作在业务上很重要，在执行上极度重复：登录系统、导出数据、粘贴到模板、发邮件，每天如此，做了多年。

改造之后，系统暴露了标准的数据接口。Agent每天定时读取数据，按运营人员事先定义的规则自动判断哪些门店需要关注，生成报告推送出去。

运营人员的工作变了：她不再做数据搬运，而是在做”这份报告应该关注哪些指标、什么程度算异常”的规则定义，以及处理那些真正复杂的、Agent判断不了的情况。

工作量减少了，工作质量的要求提高了。

中层变化：把经验转成可执行的策略

这一层直接面对那个最难的问题。

某家做企业软件的公司，客服主管徐姐做了十二年。她处理客户投诉的方式，新员工学两年也学不会——不是技术问题，是判断问题：哪个投诉背后隐藏着续费风险、哪个客户的强硬态度其实是在试探、哪种情况需要立刻升级到销售层面处理。

现在的做法是：把徐姐的决策过程以结构化的方式记录下来。不是SOP那种”标准情况怎么处理”，而是”在哪种情境下，她会做哪种不一样的判断，依据是什么”。这个记录，变成Agent处理工单时可以调用的决策策略库。

徐姐的工作变了：从每天处理五十个工单，变成每周审查Agent的处理结果，识别哪些判断是错的，更新策略，专门接手Agent无法处理的复杂投诉。

她的经验没有消失。它被放大了，变成了整个客服体系的能力基础。

顶层变化：员工角色的根本升维

这两层变化叠加在一起，指向一个结果：员工从”执行者”变成”规则定义者和异常处理者”。

林主管的月末工作，不再是对着几百行数据核对到深夜。她在做的事，是持续告诉系统”什么样的差异值得追查、什么情况可以忽略”，并在系统遇到真正罕见的情况时介入判断。她掌握的不再是一个操作技能，而是判断标准本身。

这个升维是真实的，不是乐观叙事。但它有门槛——而这个门槛，恰好是大多数人没意识到的地方。后面会说。

四、反直觉：数字化历史越长，这件事越难

说到这里，很多企业管理者会觉得：那我们过去在数字化上投入越多，这次就越有基础吧？

恰恰相反。

一家在信息化、数据化阶段大量投入的成熟企业，今天拥有的是：

十几套互相打通（或者没完全打通）的业务系统，其中有几套是二十年前定制开发的，换掉的代价比当初建造的代价更高。几百条固化在审批流程里的规则，这些规则背后，站着一批职业生涯和旧系统深度绑定的内部专家。以及无数当年的”最佳实践”，随着时间推移，变成了今天无法轻易动的历史债务。

改造这些系统的代价，不亚于当年新建它们。而且改造的阻力更大——因为有人的饭碗绑在上面。

与此同时，有一批新的企业正在被”AI原生”地创建。

这些企业没有历史系统包袱。它们从第一天起，就把Agent作为运营基础设施。没有OA要迁移，没有ERP要对接，没有固化的审批流程要改造。它们跳过了信息化、数据化所有阶段，直接从Agent层出发。

一家成立两年、团队只有几十人的公司，它的业务运转自动化程度，可能超过一家有五百人IT部门、运营了二十年的传统企业。这不是危言耸听，是结构性差距，在今天已经实际出现。

这意味着：传统企业面对的竞争压力，不只来自同一赛道里同样背负历史债务的对手，也来自那些从第一天起就没有历史债务的新进入者。

对企业管理者来说，这个问题无法绕过：我们现在做的，是在存量系统上打补丁，还是在真正构建新的能力层？

这两件事，外观上可能很像，预算数字也差不多。但方向是根本不同的。一个是在维护旧资产，一个是在构建新竞争力。

五、谁会升维，谁会消失

最后说最实际的问题。

正在消失的工作

有一类工作，它的本质是”把A系统的数据搬到B系统”。有一类工作，它的本质是”按照固定规则，把请求路由给正确的人”。有一类工作，它的本质是”把纸面信息录入电子系统，再从电子系统导出成报告”。

这些岗位，不是将来面临威胁，是正在消失。不是比喻，是事实，在很多企业里已经发生了。

正在升维的人

能清晰表达判断逻辑的人。能看懂Agent的输出、知道它在哪里会出错的人。能持续定义”什么算好的结果”、不断优化规则的人。

真正的分界线

这里有一个常见误解：很多人以为，未来的分界线是”懂不懂技术”、”会不会用AI工具”。

不是。

分界线是：你有没有真正的业务判断，并且能不能把它说清楚。

这两个条件，缺一不可。

只有判断、说不清楚，风险很大。林主管就在这个位置——她的判断是真实的，价值很高。但因为那些判断从未被显性化过，随着日常操作被Agent替代，她的独特价值越来越难以被证明和传承。更现实的问题是：如果有一天她要向新的管理层证明自己的不可替代性，她说不清楚。

只会说、没有真实判断，也不行。那只是在重复别人的框架。Agent在重复框架这件事上，比人高效得多。

真正安全的位置，是：在自己深入参与的业务领域，有多年积累的真实判断，并且有意识地把这些判断显性化。

从现在可以做的一件事

不是学AI工具。工具会变，今天学的明年可能就过时了。

更有价值的事是这个：把你工作里的例外决策写下来。

不是SOP。SOP是”正常情况怎么处理”，那是可以被系统执行的。有价值的是这个格式：

“遇到X情况，我通常做Y而不是Z，因为……”

这份文档，记录的是你在这个岗位上独有的情境判断。它是你在下一个数字化时代里最难被替代的资产，也是把你的经验从”感觉不对”变成”可以传授、可以扩展”的第一步。

三十年，五次浪潮，每次真正改变的，都不是工作方式本身，而是组织里谁在掌控新的技术层。

下一代数字化不是让人学会用AI工具，而是让人学会表达自己的判断。

能说清楚自己怎么想的人，才能真正驾驭Agent。说不清楚的人，迟早会被Agent取代。

你工作里有没有哪个判断，是你凭经验做的，但从来没有解释清楚过？评论区聊聊。