朴谷分享 | AI转型下半场:工具已进场,组织还没变

    科特把紧迫感放在首位。他给出一个经验判断：约75%的管理层发自内心认为Business-as-usual无法继续，大规模变革才具备较好启动条件。否则组织惯性容易在后面重新占上风。

    今天CEO谈AI，战略写AI，员工参加培训，业务找场景，技术建平台。对趋势焦虑看似很高，但“焦虑”与“愿意改变组织原有运行方式”之间仍有距离。管理者接受AI帮员工提效，却未必准备改变自己的管理方式；接受AI辅助写代码，却未必接受研发流程、团队规模和岗位分工随之调整；接受员工用AI做材料，却仍保留原来的会议、汇报和审批。一家公司完全可能拥有80%的AI使用率，同时运行一套按过去工作方式设计的组织系统。

    Deloitte 2026 Global Human Capital Trends数据显示：85%领导者认为提升组织和员工持续适应能力已非常重要，只有7%认为自己领先。麦肯锡调查发现，AI High Performers比其他企业高出3.3倍，更倾向未来三年用AI对业务进行根本性改造，而非只获取效率收益。

    AI时代的紧迫感需要再进一步。企业要形成共识：哪些业务经济性已经变化，哪些过去合理的工作方式正在变成竞争劣势，哪些管理机制已经限制新的生产方式。如果高层觉得AI紧迫，中层看到的仍是今年KPI，一线感受到的只是多了一项AI任务，转型就容易退化成工具推广。衡量紧迫感是否足够，可以问：管理层是否接受，AI不仅改变员工怎么工作，也改变自己怎么管理。

    科特第二个失误，是没有形成足够强大的Guiding Coalition。成功案例中，这个联盟不能只依赖CEO，也不能主要交给一个Staff Function。它既需要拥有正式权力的人，也需要具备专业知识、内部声誉、信息和关系网络的人。大型组织中，这个联盟甚至要逐渐扩大到20到50人。科特还提醒，如果大型变革主要由HR、质量、战略等职能负责人推动，却缺少强势业务管理者参与，很难形成足够组织力量。

    今天企业AI转型常见动作是成立AI委员会、AI办公室、数字化部门、AI Hub或专项工作组。问题在于组织潜意识容易默认：既然有了AI团队，AI转型就是他们的工作。于是AI团队找场景、推工具、办培训、做Agent、收案例，业务部门配合观察。结果是AI项目越来越多，主营业务和核心流程没有同步变化。AI团队可以掌握模型、平台和方法，却很难单独改变业务目标、资源配置、绩效机制和跨部门流程。

    BCG今年7月研究值得参考。90%的CEO表示已看到AI初步价值，但多数企业仍不清楚如何规模化。BCG观察到，表现更好的企业会让CEO承担总体方向和监督责任，把最优秀的人放到优先级最高的AI项目上，同时让Finance从第一天介入价值核算；高绩效企业为全部AI项目明确P&L影响的概率，约为其他企业的5倍。

    展示得更清楚：AI转型不能只交给AI部门。要改变业务目标、资源配置、绩效机制和跨部门流程，需要真正掌握资源的人共同推动。中心是AI转型领导联盟，连接CEO、业务负责人、一线关键角色、技术与数据、风险治理、HR、财务。底部一句话值得记住：AI团队负责能力建设；领导联盟负责让企业因AI发生改变。

    科特认为，失败企业不一定缺少计划。很多失败转型拥有大量计划、目标、流程和项目，却回答不了一个简单问题：最后准备把企业带到哪里。没有清晰愿景，财务做自己的流程再造，HR做绩效改革，销售做文化项目，每件事单独看都有价值，合起来却无法形成共同方向。科特的标准很实用：如果变革愿景无法在五分钟以内讲清楚，并让对方既理解又感兴趣，这个愿景还没有成熟。

    AI转型里，这个问题越来越明显。企业擅长建立Use Case清单：研发有Coding Agent，销售有销售助手，HR有招聘Agent，客服有智能客服，员工有知识助手。场景数量增加，并不会自然形成AI时代的组织图景。企业仍需回答上位问题：未来工作的基本单元还是岗位，还是开始转向任务和Human+Agent组成的工作系统？哪些工作直接交给Agent，哪些需要Human in the Loop？AI节省30%的时间之后，这些时间进入更多产出、成本优化，还是更高价值工作？未来管理者主要管理人的执行过程，还是同时管理目标、判断、人和Agent？

    麦肯锡9月最新研究提供有价值数据：在AI High Performers中，接近四分之三的企业已经因AI根本性地重新设计工作流，其他企业只有约四分之一。麦肯锡因此强调，领先企业关注End-to-End Domain，而不是大量彼此割裂的Use Case。关键词正从Use Case转向Workflow和Operating Model。写材料快了，审批没变；开发快了，测试成瓶颈；个人效率提高，跨部门协作依然低效——这些都说明局部提效尚未形成组织层面的重新设计。

    科特认为，大多数企业对变革愿景的沟通远远不够。制定完愿景后开一次全员会，CEO做几次演讲，投入很多宣传资源，但核心管理者实际行为依旧按旧规则运行。员工很快看明白：公司嘴上倡导什么是一回事，什么人获得资源、晋升和认可又是另一回事。Communication既来自语言，也来自行动，而且行动往往影响力更大。

    今天不少企业把AI沟通理解成AI培训：告诉员工大模型是什么，教Prompt，教工具，做比赛，请外部专家讲趋势。这些可以解决Knowledge问题，却无法解决员工在转型过程中的大量Sensemaking问题。员工会关心：AI用了以后我的工作怎么变？节省出来的时间怎么办？AI犯错谁负责？AI生成内容出问题算谁的？AI使用率会不会影响绩效？我应该继续积累原来的专业能力，还是投入更多精力学习AI？如果管理层长期不回答，组织内部会形成自己的解释。

    Deloitte今年把这种现象称为AI Cultural Debt，即AI文化债务。其针对9000多名企业和HR领导者的研究发现：42%员工表示所在组织很少评估AI对人的影响；80%领导者、管理者和员工担心，同事可能借助AI让自己看起来比实际更加高产；34%企业已认为文化正在直接阻碍AI转型；65%认为AI会要求企业文化发生显著变化，但只有5%认为自己在处理这些文化问题上取得很大进展。

    AI转型中的沟通最终会落到管理行为上：CEO自己怎么使用AI，高管会议怎么讨论AI，业务复盘是否开始讨论新的工作方式，管理者如何面对AI试错。这些日常信号，会比一场全员宣讲更持续地塑造员工行为。

    科特第五个失误，特别适合今天企业重读。他指出，员工可能已经理解新方向，也愿意参与，但组织系统本身正在阻止他们。障碍可能来自组织结构、岗位边界、薪酬体系、绩效评价，也可能来自拒绝改变的管理者。当员工需要在公司倡导的新方向和自己的现实利益之间反复权衡时，变革很难持续。

    大量企业AI转型正在进入这个阶段。培训已经做了，员工也觉得AI有价值，再往下走却发现：数据不能接，知识权限不完整，Agent调用不了业务系统，安全审批很慢；员工想重新设计流程，又发现跨部门接口不能调整；AI已明显减少工作量，绩效仍按工作数量评价；管理者担心团队大幅提效后影响编制；员工也会思考，把自己的经验和最佳实践沉淀成Agent以后，自己的价值在哪里。此时继续增加AI培训，很难解决问题，因为问题已从Skill进入System。

    Meta最近关于Tokenmaxxing的调整是典型例子。今年9月，Meta在内部Memo中明确告诉工程师，公司不会用AI Adoption Dashboard或Token Count评价员工Impact。新的评价重点转向Output Quality、Velocity、Problem Complexity和Scope；Memo同时提到，目前Meta有93%的代码变更已得到AI Agent辅助，但管理层强调Adoption本身并不是目标。此前Meta内部曾出现员工通过大量消耗Token证明自己AI Native的Tokenmaxxing现象。这个案例提醒企业一个基本组织规律：考核什么，员工就会优化什么。考核Token，组织会得到更多Token；考核Agent数量，会得到更多Agent；考核案例数量，会得到越来越厚的案例集。

    AI转型进入第二阶段后，更值得检查的是数据权限、跨部门流程、岗位分工、绩效激励和管理者行为。很多时候，旧的组织系统已经成为AI转型最大的Legacy System。

    把短期成果分成三层：01 ACTIVITY，有人在用，包括使用人数、日活率、Token/Agent数量、培训场次；02 OUTCOME，产生结果，包括流程时间缩短、质量与客户响应改善、产品迭代加快、进入P&L；03 CAPABILITY，可以复制，包括团队形成Workflow、其他人可以复用、跨部门持续扩展、沉淀为组织能力。底部一句总结：更有价值的短期成果，是证明一种新工作方式可以成立，并且能够被复制。

    科特认为，短期胜利不应靠偶然出现，而应被主动规划。它的作用不是证明“转型已经完成”，而是证明方向可信、争取继续投入的资源、维持组织信心，并压制怀疑力量。没有短期成果，变革容易失去动力；只有短期成果，却未连接到深层机制，转型又会停留在项目层。

    AI灯塔项目、效率提升、周期缩短、错误率下降，都可以成为阶段证据。但企业需要进一步追问：这些成果是否改变了工作流？是否进入绩效和资源分配？是否被复制到相邻团队？是否沉淀为新的组织能力？如果短期胜利只是孤立案例，它很难自动扩散，也难以支撑下一阶段更艰难的组织调整。

    科特第七个失误，是过早宣布成功。他观察到，不少企业在第一个重大项目产生结果后开始庆祝，项目团队撤离，管理层注意力转移，组织逐渐回到原来的运行方式。一些企业两三年后宣布转型结束，再过两年，之前形成的大量变化已经慢慢消失。科特认为，短期成果应成为继续推动更深层变革的资本，而不应成为结束变革的理由。

    AI转型特别容易出现这样的Victory。账号开通率90%，Copilot覆盖全部研发，培训完成率100%，几十个Agent上线，几个灯塔项目拿到漂亮数据，这些都是阶段性进展，却无法单独证明AI已经变成企业的组织能力。AI还有一个特殊之处：模型能力和工具形态一直在变化。今天合理的Human in the Loop，半年后可能可以进一步自动化；今天设计出来的团队规模，Agent能力提高后还可能重新调整；第一轮提效之后，也会出现新的瓶颈。

    Meta最近出现一个值得观察的组织调整。过去一年，Meta一直在削减部分中层、扩大管理跨度，一些Manager被转成Individual Contributor。但Business Insider 9月10日报道，Meta大约7000人的Applied AI部门又开始询问一部分此前转为IC的员工，是否愿意重新承担People Manager职责，目前是自愿选择。这个案例说明，AI组织设计不会一次完成。AI减少一些信息传递和监督工作后，管理跨度可能扩大；团队规模快速增长后，人才发展、协调、资源配置和反馈又会产生新的管理需求。AI转型因此更像持续的组织重构，企业需要形成持续重新设计工作的能力，而不是等待一个AI转型完成日。

    科特最后一个失误，是没有把新做法真正植入组织文化。他认为，只有当新的行为成为“我们这里的做事方式”，变革才开始稳定。他特别强调两个机制：第一，帮助员工理解新的行为为什么带来经营结果；第二，新的要求必须进入管理者选拔、晋升和继任，否则一次错误的高层继任，都可能让多年积累重新倒退。

    这一点放到AI时代，需要把AI文化理解得更具体。AI文化不等于每个人都会写Prompt，也无法简单用ChatGPT日活率衡量，因为工具一定会变化。更值得沉淀的是新的工作习惯：拿到任务后，员工会自然判断哪些自己完成、哪些可以委托Agent；管理者设计岗位时会同时考虑Human和Agent；业务团队重新设计流程时会主动检查哪些步骤已经失去必要性；员工能够利用AI，也能够质疑AI，对最后结果承担责任；优秀Workflow可以进入团队知识系统，而不是停留在少数AI高手的电脑里。

    Deloitte今年的调查发现，65%的组织已经认为AI会要求企业文化发生显著变化，但只有6%的领导者表示自己在人机工作设计方面取得了明显进展。麦肯锡《State of Organizations 2026》还有一个值得注意的数据：当AI释放员工时间以后，只有30%的领导者看到这些时间进入批判性思考、创造力等更高价值任务，13%看到员工能够同时承担更多任务，还有约一成领导者认为并没有看到有意义的产出增长。AI给员工节省时间，只完成了技术层面的第一步，组织还需要回答这些时间最终流向哪里。招聘什么样的人、什么样的人可以晋升、管理者如何评价、绩效如何定义、什么行为得到奖励，这些机制逐渐改变之后，AI才会进入组织的默认运行方式。

    把八点放在一起看，AI转型正在发生重心迁移。之前企业最关心的问题是：AI能做什么？现在越来越重要的问题变成：企业如何重新组织自己，才能把AI能力转化成组织效率和经营结果？

    科特在这篇三十年前的文章开头就提醒，成功的变革需要经历一系列阶段，跳过步骤往往只会制造速度假象；其中任何一个关键阶段出现重大错误，都有可能抵消前面已经取得的成果。把这种迁移概括为上下半场：上半场是AI如何进入企业，关键词是模型、工具、平台、培训、场景、Agent；下半场是企业愿意改变多少，关键词是工作流、人机分工、岗位、管理者、绩效、文化。底部三句话很关键：工具采用只是入口；组织能力决定价值能否兑现；企业最终要回答：AI进入以后，这家企业到底愿意改变多少？

    AI进入一家企业已经越来越容易。接下来更难的一关，是AI进入以后，这家企业到底愿意改变多少。

    朴谷认为，AI转型的本质不是一次工具升级，而是一场Operating Model重构。科特八项失误在AI时代依然成立，原因在于技术可以快速嵌入，组织却只能逐层吸收。企业若把使用率、培训率、Agent数量当作转型终点，就会陷入“局部提效、系统照旧”的速度幻觉。真正有效的路径，应以端到端业务域为单元，由CEO与业务负责人共同承担转型责任，让财务从第一天介入价值核算，让HR、风险治理和一线管理者同步参与工作系统设计。同时，用短期胜利验证方向、争取资源，但绝不提前宣布胜利；最终通过数据权限、跨部门流程、岗位分工、绩效激励、选拔晋升等机制，把Human+Agent的新工作方式变成组织默认能力。AI能否留下，不取决于员工会不会写Prompt，而取决于企业是否愿意重写自己的运行规则。

END