有了AI,你把AI当工具还是当同事?

每逢佳节聚会加倍，这两年，老友们一碰面⼏乎都在谈 AI。在C端应用上，大家都是受益者，从看体检报告、分析股票、P照片到帮忙写点年终总结之类的，都感觉受益匪浅。然而，对于在企业中的领导/管理者，每个人在说要搞AI，也干了很多事情，部署⼤模型、采购Token、做知识库、开发 Agent，但谈到企业获得的收益，反倒没有那么像C端那么有信心了。

之前也有很多文章谈过这个话题，有说要场景牵引AI建设，有说要组织层面的AI转型，等等，众说纷纭。

就我自己的观察来看，B端的AI建设，看上去⼤家都在做同⼀件事，所谓的搞AI。但如果打破沙锅问到底的话，会发现可能大家第一天的出发点就不太一样：到底把 AI 当成⼀个“⼯具”，还是⼀个“同事”？（从企业主来说是员工，但真正在企业落实AI推进的都是中层和基层，对于他们来说，更多的是同事）

这不是⼀个措辞上的区别。它会直接决定⼀家企业的AI之路，如何选择场景、如何设计系统、如何调整流程、如何分配⼈与AI 的职责，甚⾄最终会形成完全不同的组织形态。

第⼀种思路，是现在最常⻅的：AI 是员⼯⼿⾥的⼀个新⼯具。常见的例子有：原来⼀个市场⼈员⼀天写 3 篇内容，现在借助 AI 可以写 10 篇；原来⼀个程序员⼀天完成⼀个功能，现在借助 AI Coding 可以更快写代码、查 Bug、⽣成测试；原来销售需要⾃⼰整理客户资料，现在 AI 帮他做会议纪要、⽣成跟进建议、撰写邮件。这种思路的核⼼⽬标是：提⾼现有员⼯的效率。

⼈的岗位没有发⽣根本变化，原来的组织结构也基本不变，只是每个⼈⼿上多了⼀套更聪明的⼯具。所以我们经常会看到企业⽤这样⼀些指标衡量 AI：节省了多少⼯时；提⾼了多少⼈效；⼀项⼯作从两⼩时缩短到多少分钟；员⼯ AI 使⽤率有多⾼；有多少岗位已经使⽤ agent了。。。这条路没有问题，⽽且⾮常重要。因为对绝⼤多数企业来说，AI 的第⼀步往往就是从这⾥开始的。

但还有第⼆种完全不同的思路：AI 不只是员⼯的⼯具，⽽是组织中的⼀种新型劳动⼒。这时候，问题就变了。企业的关注点从“这个⼈怎么⽤ AI 把⼯作做快⼀点？”转向“这件事情，到底应该由⼈做，还是由 Agent 做？”，甚⾄进⼀步：“如果今天重新设计这个部⻔，这项⼯作还需要按照现在的岗位⽅式来组织吗？”。这就是从“AI 提效”，⾛向“有了AI如何做事”的革命性里程碑。

如果我们用第一种思路在企业中推进AI，那么整个改造逻辑通常是：围绕岗位、分解⼯作任务、找 AI 提效点。⽐如⼀个采购⼈员每天需要：查询库存、整理需求、⽐价、催供应商、⽣成采购单、写汇报。企业会逐项分析：哪些动作可以让 AI 辅助？于是，可能得到：AI 帮忙查库存；AI 帮忙整理供应商报价；AI 帮忙写催货邮件；AI 帮忙⽣成采购⽇报。最终形成“⼈驾驶，AI 副驾驶”的模式。这种模式的优势⾮常明显。它改造成本低，容易推⼴，对现有组织冲击⼩，⽽且员⼯可以快速感受到价值。所以在 AI 普及的早期阶段，它往往是⼀条⾮常现实的路径。

但是，这个思路很快会遇到其自身的天花板：因为流程本身没有被重新设计，原来⼗个⼈完成⼀条业务流程，现在还是这⼗个⼈，只是每个⼈做得更快了，AI 被嵌⼊了原来的⼯作⽅式而已，每个人的岗位职责、KPI还是原来的样子。究其原因，企业在推动AI的时候，并没有思考：有了AI之后，这件事情还应该这么做吗？

这件事情最容易被忽略。很多企业嘴上说要建设“AI 原生组织”，实际项⽬推进⽅式却还是典型的⼯具思维。⽐如：先收集员⼯有什么痛点。再问：“哪⾥可以接⼀个⼤模型？”，最后做出⼏⼗个 AI ⼩功能。当然，

这也能在一定程度上提高效率，但它更接近“AI 功能建设”，⽽不是“AI 原⽣组织建设”。

第一种思路的起点是：现有岗位。思考⽅式是：这个⼈现在有哪些⼯作，可以让 AI 帮忙？于是通常会得到：AI 助⼿、Copilot、知识库、AI 搜索、内容⽣成、代码⽣成、会议总结等能⼒。最终⽬标是：让⼀个⼈完成更多⼯作。

第二种思路的起点变成：业务⽬标。思考⽅式是：为了完成这个业务⽬标，需要哪些⻆⾊和能⼒？其中哪些应该由⼈承担，哪些可以交给 Agent？于是企业需要重新设计：任务边界、流程、权限、决策机制、数据访问、异常处理、⼈机协同机制。最终⽬标不是单纯提⾼某个⼈的效率，⽽是：让整个组织以“⼈ + Agent”的⽅式重新运⾏，这里有效率的提升，更可能会产生新的业务形态进而产生创新。

从中可以看出，这两条路最⼤的区别在于：⼯具思维是在现有组织⾥加⼊ AI，把AI当同事的话则是在 AI 存在的前提下重新设计组织，也就是很多文章中说的AI原生组织。

为什么大家喊口号的时候都是第二种思路，而真正做的时候都是第一种思路？！因为，很多企业开始做 Agent 以后，会很快发现⼀个问题：Demo 很容易，真正进⼊企业运⾏，⾮常难。

如果 AI 真的是⼀个“员⼯”，它⾯对的问题就不只是模型能⼒。⼀个真正的员⼯，需要知道很多事情：我是谁？我的职责是什么？我可以访问哪些信息？哪些事情我可以⾃⼰决定？哪些事情必须经过审批？遇到异常怎么办？我完成⼯作的标准是什么？我怎么和其他⼈协作？做错事情以后，谁来追责？

如果我们要把Agent当成员工，这些问题对 Agent同样存在。所以，⼀个真正进⼊组织的 Agent，背后需要的是⼀整套企业运⾏机制：身份、权限、知识、上下⽂、流程、⼯具、规则、审计、评价和治理。这也是为什么很多企业做出来的 AI Demo 看起来⾮常惊艳，但⼀进⼊真实业务就遇到困难。因为 Demo 解决的是：“AI 能不能做这件事？”。企业真正需要解决的是：“AI 能不能⻓期、稳定、可控地承担这项职责？”

这是两个完全不同的问题。当然，“⼯具”和“员⼯”并不是⾮⿊即⽩。现实中，⼤多数企业都会经历⼀个渐进过程。

企业不是必须⼀步⾛到最后，但必须意识到这⼏种状态的不同，这样，即使今天做⼀个 AI ⼯具的时候，就应该开始考虑未来AI当同事时需要面对的问题，这会影响今天的很多技术和管理决策。

过去两年，企业讨论得最多的是⼀句话：“不会⽤ AI 的⼈，会被会⽤ AI 的⼈替代。”。这句话放在个⼈层⾯或许有⼀定道理，但对于企业来说，能不能管理“人+AI”的共生组织才是基业长青的关键。期待着有一天看到一张不仅有人，还有agent的组织架构图。