ARTICLE · 1053364
发给 20 万人的 AI 工具,没改变干活的方式:微软把自家踩的坑写成了报告
2026-09-21 · microsoft · official blog · 阅读 6 分钟
FIG.01 — 官方博客原文首屏，发文时间 2026-09-17。Source: blogs.microsoft.com
WHO
微软。执笔的是执行副总裁兼首席战略与转型官 Kathleen Hogan，她管的就是「公司自己怎么变」这件事。
WHAT
把自家用 AI 的账摊开：销售成交率 +20%，供应链周期最多砍掉 75%，一个 9 人团队 35 天出货。
今年很多公司的 AI 故事是同一个开头：买了工具，开了培训，热闹两个月，然后没人再提。微软 2026-09-17 发了一篇自己人的复盘，第一段就把这句话说破了——一个发给 20 万人的工具，不会改变工作是怎么完成的。
他们管这个叫「Customer Zero」：先把自己当第一个客户，坑踩完了再卖方案。所以文章里既有数字，也有自己承认没做成的地方。
§1 起点：工具发下去了，活法没变
微软最早把 AI 当一次传统的技术推广做：部署工具、组织培训、盯使用率。销售团队的结果最能说明问题——铺得很广，使用率却停在某个平台上不去，业务结果没出现。
后来他们换了起点：不看采用率，先看客户经理一周怎么过，再按真正卡住的时刻配工具——管销售漏斗的 Analyst、做报价包的 Deal、做客户深挖的 Researcher；同事互带，每周一次小组碰头，把零散实验变成习惯。
BEFORE · 前半年
发工具 → 组织培训 → 盯使用率。工具铺满，使用率停在平台期，业务结果没出来。
AFTER · 换成业务目标起点
先写清业务目标（多拿单、省时间），再按一线卡点选工具，同事互带成习惯。优先用例采用率 ×3，每个客户经理收入 +9.4%，成交率 +20%。
这组销售数据在脚注里写得很克制：样本是内部 687 名使用微软 365 Copilot 的销售，区间 2024 年 1-6 月，对照组是低使用度的同事。
§2 关键节点：先砍流程，再上 agent
「给一条本来就不通的流程加 agent，流程还是不通的。你把其中一步加快了，只会在下一步堆出更长的队。」
— 微软官方博客，2026-09-17
云供应链团队就是这么翻过来的：人先上，流程先简化。供应链专家和工程师坐一起，先把端到端流程画出来、砍掉多余环节，再统一数据源，让所有 agent 从同一份事实出发。然后才是 agent——分到计划、寻源、履约、物流，100 多个（脚注：到 2026 年 9 月是 111 个）。
这些 agent 会盯需求变化、算运力，比较空运、陆运、海运在成本、时效、碳排放上的差别；在定好的权限和审批阈值内，已经从「回答问题」走到「直接改单或取消采购订单」。
FIG.02 — 官方原文的供应链段落。Source: blogs.microsoft.com
§3 最后怎样：三组数字，一个 9 人团队
+20%
销售团队成交率提升（内部 687 人样本）
75%
选定供应链流程的周期缩短上限
35 天
9 人团队从立项到首个版本
供应链那边的口径更具体：2026 年 4-8 月五个计划周期测下来，平均周期从约 10 个工作日压到 2.5 个工作日以内；需求计划排查以前要 5-7 天才能给出人验证过的解释，现在几个小时，有些不到 20 分钟。脚注补了一句——这些结果只适用于这些流程和统计期间。
那个 35 天的团队做的是 Copilot Cowork：9 个人，从第一天就把 AI 嵌进去干活，角色慢慢变成 meta-engineer、meta-designer、meta-PM，出完首个版本再把做法写下来给别人抄。脚注同样注明：这是单个项目，不代表全公司研发水平。
FIG.03 — 官方原文讲 Camp AIR 的段落。Source: blogs.microsoft.com
§4 复盘：五条教训
#01 从业务结果开始，不从技术开始。工具铺满 ≠ 转型完成，先问这季度的目标是什么。
#02 重做整条流程，不是给单个环节提速。先简化，再让 agent 进来。
#03 把人放在中心。多周 AI 加速营 Camp AIR 已铺到 3,000 多名工程师；经理自己示范用 AI，团队感受到的价值高 17 点、信任高 30 点；有心理安全感的团队，高频使用 agent 的概率是 1.4 倍。
#04 用 AI 扩大人能做的事。他们给了个公式：持续改善（CI）把浪费拿走，AI 把能力加进来，合起来才是「Capability Add」。最新一期 Work Trend Index：58% 的 AI 用户说 AI 帮他们做成了以前做不了的事，重度用户里是 80%。
#05 学习是双向的，知识得攥在自己手里。人教 AI 什么算干好，AI 帮人学得更快；他们还特意写明，不想依附任何单一的模型供应商。
FIG.04 — 官方原文交代这五条教训的出处。Source: blogs.microsoft.com
§5 说句实话
这篇复盘最值钱的不是数字，是顺序：先流程后工具、先人后采用率。国内不少公司正好反过来——先把最贵的模型买回来，再让流程迁就它，最后抱怨员工不用。
也要看清，这本质是一篇卖「Frontier Playbook」的文章。但脚注很老实：哪些数据来自 687 人的内部样本、哪个案例只是单个团队，都标了边界。愿意标边界的公司，话比只给结论的可信。
真想动手，先挑一件小事：找一条你团队每周都在重复、结果能算清的流程，从头到尾画一遍，看哪几步只是在搬数据。这一步不需要 AI 预算，但微软那 75% 就是从这里砍出来的。
📌 结论
手里有 AI 预算的人：别再从「买了多少席」汇报，从「哪条流程的周期变了」汇报。
带团队的中层：你自己用不用 AI，直接决定团队信不信——官方给的是价值高 17 点、信任高 30 点。
看数字的人：所有漂亮结果后面都跟着限定条件，先看脚注，再决定要不要抄。
📖 本文参考
The Official Microsoft Blog · What we've learned from Microsoft's own AI transformation · Kathleen Hogan · 2026-09-17
https://blogs.microsoft.com/blog/2026/09/17/what-weve-learned-from-microsofts-own-ai-transformation