AI让人人能造工具,大公司要重画边界

美的集团2026年半年报里，有两组值得放在一起看的信息：员工自主搭建的智能体累计突破2万个；集团同时把订单管家、供方引入、物料管控等六类业务，列为端到端变革项目。半年报还写到，美的建设统一AI入口，集中管理智能体的注册、鉴权和跨领域调度，并通过沙箱隔离代码运行与风险操作。

这几项披露不能拿来算一个“2万个智能体里有多少成功进入主流程”的转化率，它们也不是一项外部审计过的组织实验。但放在一起，至少揭示了大型企业正在面对的两种力量：一线创造工具的能力快速扩散，集团又必须决定哪些工具可以被更多人使用、进入正式流程、触碰核心数据。

最近读Replit创始人Amjad Masad与同事写的《自驱公司》，我更能理解这种张力。他们描述了智能体参与代码审查、故障调查、数据分析和客服处理，也明确说，人仍要决定方向、处理取舍并承担结果。Replit甚至为内部智能体配置访问策略、审计日志和受控的系统连接。ceo Amjad谈极小团队能创造巨额价值，指出的是一部分能力不必再通过固定岗位才能取得；这与“大公司不再需要组织”之间，还隔着很长一段现实。

我认为，对大公司最有穿透力的变化在这里：AI正在降低一个人把局部问题做成可运行工具的成本，却没有同步降低这个工具成为组织承诺的成本。前一件事发生在员工和小团队手中，后一件事牵涉权限、数据、系统、维护、客户和责任。企业AI转型的深水区，是重新划定这两者之间的边界。

一、过去很多问题，根本到不了“立项”那一步

设想一位区域销售负责人，每周都要从几个系统导出数据，整理经销商的异常订单，再请同事核实原因。她知道怎样改进这件事，也能把规则说得很清楚。可如果请研发部门做一套系统，需求调研、开发、测试、上线与维护加起来，成本可能超过这个问题本身带来的收益。于是团队继续用表格、群消息和个人经验维持运转。

这类需求不是“没人想到”。它们只是没有跨过大型组织的软件生产门槛。统一系统优先覆盖跨地区、高频、标准化的主干需求；小范围、变化快、带有现场细节的工作，常常只能靠人补上。

AI编码工具和智能体改变的首先是这笔账。问题的发现者可以自己做出原型，验证规则是否可行，拿着能运行的东西与同事讨论。一个想法不必先排进半年后的研发计划，才有机会被检验。Replit的产品路线之所以值得大企业关注，也正在于它试图把表达意图、生成应用、运行测试和部署连接起来；代码由谁写，开始不再是唯一的瓶颈。

这件事接回企业原有的三条组织约束，就更清楚了。过去，一人掌握不了全部专业知识，工作只能拆给不同岗位；把任务切窄，也能以较低成本购买标准劳动；最后，交付结果必须有人负责。AI不均匀地松动了前两条约束：懂业务的人能借模型跨过一部分技术门槛，小工具的制作成本也下降了。第三条约束却还在：工具一旦改变了公司的正式记录、客户权益或生产动作，仍需要一个具名的人确认结果并承担后果。

所以，大公司受到冲击的，不只是IT部门有多少开发需求。更深的变化是：过去由组织决定一个问题值不值得被做成软件，如今员工可以先做出来，再倒逼组织决定能不能让它承担业务。

二、“能做出来”与“公司敢依赖”，中间是一道新边界

一个员工为自己做的订单核对工具，只读他有权看的数据，结果由他本人复核，出错后还可以回到原流程。此时，试错成本相对有限。同一工具如果被整个区域销售团队使用，其他人就会依赖它的口径。再往前一步，如果它自动更新主数据、触发补货或向客户发送承诺，一次错误就会越过创造者本人，影响库存、财务和客户关系。软件的功能可能只增加了一点，组织后果却发生了跃迁。

这就是大企业内部最容易被忽略的一道边界：个人能够创造，不等于组织已经批准依赖。过去，开发成本高，许多需求会在入口处被筛掉；现在入口宽了，筛选点必然移到后面。谁给数据授权？谁确认业务口径？谁判断安全性？应用的创建者离职后谁维护？出了错怎样停用、回滚、通知受影响的人？这些问题不会随着生成速度提升而自动消失。

Replit自己也遇到同样的企业问题。它在2026年面向企业客户推出审计日志、管理接口和工作区设置时，公开解释：应用从少数原型扩散到更多团队后，IT和管理人员要处理越来越多的权限、访问审查和策略例外。这段说明来自供应商自身，有产品叙事的立场；但它恰好揭示了一个常被忽略的后续成本：应用的生产被分散了，管理应用的工作却可能集中涌向少数平台团队。

如果继续沿用“业务提需求、IT排期、所有应用同一套审批”的办法，企业可能很快把AI降低的开发成本，又花在新的排队和协调上。若所有人都能直接把原型推向生产，组织又会积累难以维护的系统、重复的口径和看不见的风险。真正需要重画的，是原型、团队工具与正式业务系统之间的升级路径。

三、中国企业的实践，已经显露出三种不同的组织动作

美的的半年报呈现了第一种动作：允许员工广泛试验，同时把少数端到端场景、统一入口、注册鉴权和运行隔离放进集团级安排。员工搭建超过2万个智能体，表明局部创造正在扩散；六类端到端项目和统一平台，说明集团还要选择哪些能力进入主干流程。不能仅凭这份报告判断每个智能体的长期使用情况，但可以看到“广泛创造”和“集中治理”并行。

鞍钢集团披露的另一组数字，提醒我们不要把“开发了”直接写成“上线了”：截至2026年10月，其自主开发智能体超过100个，其中53个正式上线运行。企业还介绍了来自不同业务领域的数智领航员、设备故障诊断助手以及生产现场的应用。公开材料没有说明其余智能体处于测试、待审还是停用阶段，因此不能替它推断淘汰率；但至少可以确认，开发数量与正式运行数量是两种不同口径。大型企业要把这两种状态分开管理。

第三种动作发生在AI编码工具普及之前。中国一汽在2024年介绍数字化管理体系时，披露已把1000余条流程细化为3万多个业务单元，每个单元包含角色、输入输出、标准和规则等要素；员工工作台按角色触发任务，业务IT一体化团队在统一平台上开发和交付应用。这项实践不能被改写成“中国一汽已经完成AI原生转型”。它的启发是另一件事：当工作本身的输入、规则、交付物和责任人能够被清楚描述，后续引入AI时，组织才更容易判断哪一段可以交给机器，哪一段必须由人复核。

这三家企业的行业、规模和系统条件都不同，不能拼成一条所有公司都该照搬的成熟路线。但它们分别把同一个难题的三个部位照亮了：让问题发现者有能力动手，把“已经做出”与“正式使用”分开，为进入流程的工具留出明确的任务和责任位置。

四、组织真正要设计的，是应用的“升格”规则

如果一家大企业明天开放AI工具，让员工自己搭应用，最先需要写清楚的是：什么情况下，一个个人作品可以成为别人工作的一部分。

我倾向于把应用分成三个状态。

个人试验。员工在许可的数据和沙箱里验证想法，自己使用、自己核对结果。企业提供工具、培训和明确的数据边界，让小问题能迅速被试出来。这个阶段的目标是发现有效需求，不要求每个想法都变成集团项目。

团队依赖。工具开始被他人持续使用，就要有业务负责人、基本测试、版本记录和维护安排。尤其要写清楚：团队依赖的是哪项规则，规则变化由谁更新，原作者离开后谁能接手。即便没有外部客户，这一步已经形成内部服务承诺。

正式经营。工具接入主系统、修改生产数据、影响对外承诺或承担高后果任务时，要进入统一身份权限、架构检查、上线验收、运行监控和异常处置。它是否由员工最初做出，已经不再决定治理强度；真正决定强度的是它影响了谁、发生错误能否撤回，以及企业准备让多少人依赖它。

这不是给创新再加一串审批。三个状态之所以要分开，恰恰是为了让大量低风险试验轻装上阵，让少量进入正式经营的工具承担与其影响相称的检查。应用一旦“升格”，升级的也不只是代码质量，还有数据权、签字权、维护预算和停机责任。

管理者的工作因此会发生变化。只负责转发需求、催进度、汇总状态的动作，可以交给系统完成更多；判断哪些问题值得扩大、哪些错误不能放行、谁对跨部门结果负责，仍需要有经验的人。IT团队也会从接每一张小需求单，转向提供可信的数据接口、运行环境和升级标准。业务部门则要对问题定义、实际采用和经营效果负责，不能把“应用做出来了”当作终点。

一把手还应看一组更难统计的数：有多少个人原型被团队持续使用？有多少团队工具进入主流程后仍能稳定运行？异常由谁发现、多久修复？原作者离开之后，服务是否还在？这些数字不一定好看，却能告诉我们企业究竟积累了组织能力，还是只积累了应用清单。

五、边界越被重画，越要承认不同工作的后果不同

并非每个业务问题都适合“员工自己造工具”。涉及客户隐私、资金流转、核心生产控制、法定审批或复杂系统集成的任务，仍需要专业团队和严格发布条件。AI降低原型成本，并不意味着安全测试、长期维护与合规责任也按同样速度变便宜。

同样，大公司也不应为了追求“自建”而拒绝成熟产品。若外部软件拥有可靠的行业数据、合规认证、持续服务和明确的责任安排，购买可能比自己维护更经济。Replit介绍用内部应用替换一款高价SaaS，证明的是它自己做过一次选择；不能据此推出大型企业都该把现有系统推倒重来。每一项自建决策都要把开发、集成、验证、维护和平台依赖算进同一张账。

所以，我不会把Amjad关于极小团队的判断直接照搬为“大公司要变成许多一人公司”。小团队的优势，来自固定能力获取成本的下降；大公司的价值，还包含跨部门协同、规模化交付、可信承诺和风险承担。AI会让内部许多局部问题更容易被个人发现并解决，也会迫使组织更精确地说明：哪些成果仍是个人试验，哪些已成为公司的正式能力。

这一轮转型里，公司的边界未必先从外部被打破。它可能先从内部松动：过去必须经过多个岗位和排期才能造出的工具，如今业务人员就能动手；过去由一个部门垄断的交付，开始在更多地方发生。创造可以分散，承诺必须有归属。这正是三条旧约束在AI时代的新排列：知识和生产的边界变松了，结果必须有人签字的边界，反而要画得更清楚。

瀚博元哲，二十年组织发展与头部企业服务经验，现专注于 AI 时代的工作重做与组织重构。

如果你的企业正在推进 AI 转型，欢迎交流。