ARTICLE · 1032401
AI转型最大的瓶颈,是人和流程
每一次技术革命，都在重写同一个问题：一家公司真正的资产是什么?
蒸汽机时代是机器，互联网时代是流量，AI时代回到了人——判断、品味、对用户的理解。
当模型成为人人可租的基础设施，拥有工具不再构成优势，竞争开始发生在工具之外。所以我们的判断是：未来的公司，不是“用AI的公司”，而是“成为智能体的公司”。
这是一次身份的重写，不是一次工具的升级。
Agent，这个季度就能买到；而 Agentic transformation——变成一家不一样的公司——只能靠企业自己。
9月24日，特赞创始人范凌将在混沌带来课程《商业成为智能体 Agentic Transformation》。
以下10个核心判断，都将在这堂课上完整解读。
AI 是一个内卷的技术
所有技术的本能都是优化：更高、更快、更强、更准。AI是这件事的极致版本——它能把所有人在同一个方向上做到最优。
但这里有一个根本性的陷阱：当一个工具人人都有，它就不再是优势，它变成新的及格线。
供给侧的优化，没有天花板，也没有差异化——因为目标函数是公开的，所有人用同样的工具朝同一个方向跑。
企业再也不能卷极致性价比了。要找到一群被精准理解的人，用最好的产品和服务，满足他们未被满足的需求。
降本增效是今天的底线，不是明天的壁垒。
机会不在自动化，在“不一样”
自动化是所有人都在做的事，用的是同一套工具，跑向同一个终点。这条路的结局是：效率更高，差异更小。
真正的机会在另一边：能不能让你的品牌变得 distinctive——把那些让你不一样的东西规模化延续下去。
具体来说，是品味、判断、和用户之间的亲密感。这些东西在今天之前无法规模化，它们活在少数几个有经验的人身上，一次对话一次对话地传。
AI第一次让这件事变得可能——不是让你更快地产出更多内容，而是让你独特的那部分，可以以规模运行。
主观世界模型，重新理解人
数字化时代，我们对用户的理解是通过标签。CRM、CDP，里面有大量描述：女性，28 到 35 岁，一线城市，高客单，浏览过三次，买过两次。
这些数据每一个都是真的。但你没办法用它们把一个人拼回来。
标签是行为结果，不是行为动机。再多的点，也不会告诉你：她为什么买，她希望这个东西替她说出什么，以及什么会让她停下来。
真正理解一个人，需要的不是更多标签，而是能够理解她的内心逻辑、矛盾和偏好的模型—— 一个具体的谁，而不是一个分层。 这正是AI刚刚开始能做到的事。
最有价值的上下文，还没被写下来
企业的数据分两类。一类是结构化数据——能放进Excel的东西，ERP、CRM、销售记录。过去三十年的数字化，解决的基本都是这类。
另一类是非结构化知识：为什么这张图行而另一张不行，这个口味三年前试过为什么砍掉，这个联名数据看起来好但不像我们。
这些判断活在评审会的讨论里、被否掉的方案里、返工的记录里。它们是企业真正积累的知识，但没有一条是机器可读的。
过去不是没人想整理，而是介质不对——没有技术能处理这些。现在AI可以了。
而这些非结构化的默会知识，才是企业竞争力真正所在的地方。
默会知识是复利，显性知识是负债
知识哲学家 Michael Polanyi 有一句话：我们知道的，多于我们能说出来的。
最好的创意总监能看着两张几乎一样的图，告诉你哪一张对——但你让她把规则写下来，她写不出来。不是她藏着，是“知道”本来就大于“说得出来”。
这两类知识，价值完全不同。凡是能被清楚表达的、能写进手册的，AI都能学走——而且会越来越快。 这类知识，每年都在贬值。
但默会知识不一样。做得越多，它通过AI的沉淀，产生的是复利效应。三十年的手感，不是一年手感的三十倍，它是另一种物质。你持有它越久，越固执地做下去，量就会变成质。
个人生产力提升，公司生产力原地踏步
去问你们组织里任何一个人——AI让他快了两三倍。再看整个公司的产出——基本没变。
这是当下几乎每家企业都在经历的悖论。原因并不神秘：我们把“业务”当成了常量，把技术当成了变量。所以技术的工作，是让我们把原来的事情做得更快、更省钱。流程一寸都没动。
要跨越这道坎，需要把业务本身也变成变量——重新想自己在做什么，哪些环节应该由AI主导推进，哪些判断节点需要人介入。
这件事不难理解，但它意味着不是买更好的AI工具，而是重新设计那张“平面图”——就像当年电气化工厂花了三十年，才把围绕蒸汽机排布的布局，改成围绕工作流程排布。
人用AI，是每次触发才发生——你打开对话框，提问，得到输出，然后结束。
不触发，就不发生。这种方式已经能让个人效率大幅提升，但它有一个根本局限：如果人不在，它就停下来了。
真正改变组织的，是另一种模式：AI 7×24 小时在后台持续运行，不需要人天天下指令。它自己推进流程，在需要人类判断的节点才来问你。不达目标不罢休——今天不行，明天再试。
更重要的是，这种Agent不会重置。第五天，它对你这家公司的理解，好过第一天。每一次你否决一个方向，都在教它一点东西。这才是让“越用越懂你”成为真实的机制，而不是一句营销。
企业AI转型瓶颈：1:2:7
我们每年做一个非正式问卷，问企业家朋友：你们AI转型最大的瓶颈是什么——模型、数据，还是人和流程？样本约100人，一半外企一半民企。
2023年，最大瓶颈是数据；2024年是模型；2025年三项比较平均。到了 2026 年，出现了断崖式变化：10% 是模型，20% 是数据，70% 是人、流程和组织。
这个数字背后有很清晰的逻辑：大家租的是同一个模型，所以模型不再是差异；世界上大部分知识已经在模型里，数据的边际价值在降低。
剩下的70%，是你怎么组织、怎么决策，以及你敢问什么。花更多钱买技术，动不了这个数字。你所有的钱都花在了那10%上。
工业化的核心逻辑是超细分：把一件复杂的事拆成各个工序，每个人专注一环，通过专业积累走向成功。这个范式运行了两百年，也让我们每个人变得越来越“窄"。
AI把0到80分变得容易，让“先干后学”第一次真正可行。
你不用先学完 JavaScript 才能写代码，不用先学完设计才能做出一个原型。你可以先动手，感兴趣再深入，不感兴趣就不需要。
这是文艺复兴式人物的工作方式——在多个领域同时推进，靠品味和判断整合，而不是靠单一专业积累。
机器拿走了计算，把那个让我们真正有趣的部分还给了我们。不是更快的执行，而是判断力本身。
如果 Agent 可以可靠地交付前80分，那80分就不是需要补上的差距——它是你开始的地方。
错的问题是：“ 现在人来完成最后那20，我们就到100了。”——那还是旧的野心，100一直都是那个目标，而且所有人都会到那儿。
对的问题是：如果我们从80分开始，能走到多远？110？120？200？
我们问过一个合作伙伴，他们用AI做产品研发，从0到80分交给 Agent，人再接手。
“ 做到了多少分？”他们说：90分。我们说有一点失望——“ 原来只能做到 100，现在我们应该能做到更多。80分应该让你去做一件你原来做不了的事，而不是把原来八小时的活变成两小时。"
没有人知道上限在哪里。因为从来没有人从 80 分开始过。
9月24日周四下午，在上海
线下3小时闭门分享，扫码预约 👇
限时免费，仅限20席。
报名需审核，审核结果与具体地址将通过邮件发送。
————推荐阅读————