AI员工:让组织变得「智能」的第一步

一键关注 惊喜相赴

我叫单虓晗，之前在华为、蚂蚁、字节做过技术Leader、部门负责人、效能专家，去年离开字节，现在在一家公司负责效能和AI业务。

所以今天讲的东西，不是理论推演——我自己在做效能和AI业务的同时，也在将自己的工作AI化。一边探索AI的上限，一边解自己的问题。

虽然很多干货暂时还不能公开分享，时机未到，但我想给一个别的老师可能不会给的东西：一个行业标准。后面的老师都有各自公司的实践，我就先不代表公司，仅代表个人，从行业视角给大家一个最高标准——企业级AI提效，今年的成功标准应该是什么？当前，在实践、商业模式、产品和技术上还缺什么？这样，大家了解清楚最高标准和当前差距，再听后续老师的议题中的各种角度下的解决方案，会更有体感。

今天讲四件事：理想标准与GAP、深层根因、解法实践、演进趋势与总结。

整个PPT几乎都是我的AI员工写的——除了自我介绍那一页是我自己写的，为什么？为了省点 Token，我就拿了个底页贴了点文字。

一个企业说AI提效做得好，在2026年，至少有四个标准必须同时满足。任何一个断裂，整个体系断路——不是减分，是短路。

回到这四个标准，任何一层断裂都不是减分——是短路。整个体系断路，就谈不上提效。

（2）实践层GAP：三个反模式

BCG+MIT的数据：80%企业用AI × 80%无价值提升 = 64%钱花了没回报。Anthropic的数据更扎心：理论覆盖率94%，实际覆盖率33%，鸿沟61%。

但数据不是最扎心的。最扎心的是三个每天都在发生的反模式：

• 反模式一：给了工具，没提效。大家都说自己在用AI——你随便问一个人，他都说用了。但用的是什么呢？豆包问答，不懂的时候问问DeepSeek，他也说"我也用AI了"。编程里只是用ClaudeCode、用Cursor，就算AI编程了。其实并不是——用工具不代表能提效。

• 反模式二：个人快了，流程没变。很多人觉得自己快了，但从最终产物上还没有变。个人提效了，团队整体没提效。

• 反模式三：组织推广AI了，无法论证价值。每个团队都说提效了，但组织的效能没有变。当CFO或CEO问你的时候——代码生成率30%还是50%？你是没法把它换算成经营指标的（业务营收或经营成本）。

表面上的根因：我们给旧流程里加了很多AI，其实没有改工作流，也没有改组织。但这还不是最本质的根因——我接下来会说我往下去看到了什么。

（3）商业模式层GAP：Token债务

商业模式的GAP在去年常常被忽略，但今年一定会被提出来——各个大厂看起来都是疯狂的推广AI或做AI产品的商业化。但背后是什么？很多光鲜亮丽的AI产品，不管是内部推广还是商业化推广，背后都是巨大的负债。三种常见情况：

1. 商业化：烧钱买用户。这在互联网时代很常见——免费模式，用户边际成本几乎为零，运营烧点钱拉来用户，用户多了，再考虑如何变现，这是被验证可行的商业模式。但AI产品不一样——用户量跟成本成正比，每多一个用户就多一份Token亏损，如果无法变现，背后就是巨大的成本压力。大家用了这么多免费工具，其实绝大部分入不敷出。

2. 内部推广：Token变包袱。大量内部推广的AI工具——Claw也好、AI Coding工具也好——成本分摊不出去。怎么办？公司补贴战略投资，或者硬分摊——公司里很多矛盾就是这么来的。分摊不下去，就开始限制员工使用——很多产品口碑本来挺好的，就是因为换了模型或做了限制，员工又开始怨声载道。

3. 企业整体：Token债务。如果你是一家公司的CTO，带着所有技术人员做了一年AI提效，有很多指标都提升了，比如代码生成率、需求交付周期。结果，公司发现多花了20-30%的Token成本，那么在公司经营视角下是不会被认可的。为什么？对企业而言，花了这么多人力+Token成本，是不是有效的支撑了更多的业务需求，支撑了业务增长？如果不能，Token的成本，能不能换来人力的下降？如果两者都不能，从经营视角看，无疑是失败的。

表面上的根因：SaaS的账本算不了AI的账——用斤去量温度，量纲不对。

（4）产品层GAP：百团大战

在互联网时代，百团大战算是个褒义词——鼓励赛马，跑出来的产品一定是最好的，最后再合并掉，对企业来说，整体利大于弊。但在AI时代，百团大战是个贬义词，它代表了组织能力的问题。

因为AI产品和SaaS产品有2个本质区别：

1. 研发成本：SaaS产品的研发成本不高，业界早有非常成熟的框架、代码和实践。但AI产品从0到1非常容易，随便搞个Agent很容易，从1到100却非常非常难——稳定服务、规模交付、持续提升效果、构建记忆系统、知识库等等，哪一样都不容易。这意味着百团大战里99个产品可能都是半成品，大量重复建设——就像做了100款山寨机，可能只有一个是iPhone，大部分投入都浪费了。

2. 使用成本：SaaS产品每新增1个用户的边际成本几乎为0，但AI产品更像制造业，用户量和使用成本成正比。如果一家公司造出了一堆"半成品"的AI产品，当它们都开始疯狂的拉用户，用户量越大，成本越高，这又带来了进一步的浪费。

还有更有意思的事在发生：原来SaaS软件的领域是垂直划分的——研发领域自己发展所有工具链，飞书在企业办公领域自己发展。但做AI产品发现有交集了——飞书做了通用AI能干很多事，研发效能也能做通用AI能干好多事，大家都能写PPT、做调研、分析数据等等。SaaS产品的边界很清楚，AI产品边界不清晰，终极AI产品甚至可以说是无边界的——它什么都能干。

同时，每个领域的内部也在分化。我原来见到某大厂的研发效能领域，好几十个垂直方向的产品，每个产品都有一个Agent。从0到1很容易，从1到100很拉垮——每个小组都把自己的功能AI化，各自为战，独立建设，内部也开始竞争起来。

Anthropic有个资深技术大神叫Barry Zhang，他一直在提：一个Agent加上完整的Skills体系足以搞定很多事情。但大家选择性忽略。为什么？组织结构使然、人性使然，每个小组都想做AI Agent、都想研究AI技术，就像手机时代，大家都想做操作系统 + 应用，而不只是做"微信里的小程序"。

表面上的根因：组织架构决定产品架构。组织能力不足，造成了一家公司内的"AI产品"百团大战，不仅带来了大量的浪费，由于力量分散，也很难跑出真正厉害的AI产品。

（5）技术层GAP：追赶范式，没有方向

技术层面我们一直在跟随：

• 去年年初做垂直Agent → Manus火了做通用Agent。
• 编程方向，一开始抄Cursor → ClaudeCode来了又抄ClaudeCode → 最近开始抄Codex。
• Claw来了开始做个人助理Agent → Hermes Agent做跨系统协调。

大家不停地变，技术架构满天飞。

其实有很多人看清楚了——架构背后有一条主线：Agent的自主进化。但表象上看，就是各种架构混合在一起。各垂直Agent自己建设，10套记忆系统10套调度框架，各自低水平循环。

表面上的根因：追赶者永远在别人定义的赛道上跑——技术认知落后是代际的。

如果我按原来做效能工作的思路，四层GAP有四个表面解法——推实践、改计费、统一产品、升级技术架构。但我发现，在AI时代，这些解法不太有用了，这是我碰到的一个巨大的问题。为什么？后来我发现——所有问题背后的根结就在于组织问题。

（1）理发师悖论：从效能时代到AI时代

这时候我想到一个现象叫理发师悖论——一个非常厉害的理发师没法给自己剪头。

在研发效能时代，理发师悖论体现在什么情况呢？虽然有点丢脸，但确实是我之前不论在哪家大厂都总会遇到的问题：

• 效能团队不效能：做研发工具的团队，自己的效能不太好。一个新的研发平台建设，交付质量不行，甚至延期半年。
• 质量团队不质量：做质量平台的团队，自己经常出线上故障。
• 产品团队不用自己的产品：做研发工具链的产品经理，服务的是技术，但自己不是技术，不用产品做开发，顶多跑跑产品验收。

这些问题在过去一直都有，但它是慢性病——是能解的，我有好多方式来解决。

但在AI时代，理发师悖论变成了死结：

• 做AI产品的团队自己在用传统SaaS的敏捷流程、传统分工在做——相当于用手工的方式造火箭，非常难。
• 做Agent基建的AI Infra团队，自己不做Agent。以前做低代码平台的团队至少自己是懂软件开发的——低代码本身也是软件。但Agent基建是用SaaS软件的方式去做的——它不是AI产品，但它服务的Agent是AI产品，是两种物种。Agent基建团队自己其实不懂Agent，只能天天跟着人家Agent怎么做然后去出功能——就像没有开过车的人在设计驾校一样。

（2）效能时代：扳手拧一拧就行

为什么以前还行？不是因为团队更好，是路径太成熟了。

• 实践方法——CI/CD/DORA体系成熟，先在线化再标准化再数字化，不会的话BAT大厂都做过，照着学就好，无非慢一点。
• 商业模式——SaaS怎么收费、怎么推、规模怎么运营，我也清楚。
• 产品形态——几百个工具合到一起，一站式研发平台怎么做、平台工程怎么做，都有实践。
• 技术路线——云原生容器化，照着做就好，无非慢一点。

像我们这样专门做效能的专家，有很多方式来修正——就像给机械系统做维修，扳手拧一拧还是有机会扳回理想状态的。

（3）AI时代：四样全在变，慢病变死结

但到了AI时代所有东西都在变。今天中午跟张乐老师吃饭时还在讨论——两个月前聊的东西现在已经变了，技术迭代，两周前关注的东西现在也变了。在这么快的变化里，在没有标准答案的前提下去修这个机器，肯定修不好。

原来"理发师悖论"在效能时代算是个慢性病，不致命，还有得治。但在AI时代变成了死结——属于某种绝症。

机械系统能扳扳手，正在变异的有机体扳不了。这是我从慢性病到死结的真实感受。

（1）智能的本质：自闭环进化系统

回到一个点——到底什么是智能？

原来，我们在组织设计也好、做软件开发也好、做产品也好，脑子里都是机械系统——严格的输入输出执行，就是最开始做Agent时那种workflow的感觉。智能系统不一样——能自闭环、自进化，自己发现问题自己迭代。这是两种完全不同的系统。

举个例子：

• 人就是生物系统，我们造出来的手机就是机械系统。所以可以说智能的特征——至少它是一个自闭环的进化系统。
• 汽车是机械系统：输入→执行→输出，没有反馈闭环，出故障靠外部维修，不能自己进化。免疫系统是生物系统：感知→反思→决策→执行→进化产生抗体，全程不需要外部指令，自己发现问题自己解决自己进化。

很多大厂的组织更像汽车——流程驱动替代了自反思，年度复盘替代了实时进化，KPI替代了自目标设定。

我们需要从"汽车型组织"进化为"免疫型组织"。听起来很理论，但仔细想想，这恰恰是理发师悖论的根因。

（2）个体有智能，组织没智能——集体降智

我为什么发现原来的组织会出现理发师悖论？每个个体都非常聪明——在技术、在产品上非常有追求，工作以外什么炒股、买比特币有很多玩法，能把自己活得很好，但把这么一群智力密度很高的人聚在一起，却做不出厉害的东西。为什么？因为设计组织的时候还是按老办法——产品做这几个模块、技术做这几个模块、前端做这几个模块。你还不能跨界——大家都是聪明人，你跨界了，超出流程，做的越多错的越多。

我观察到的现象是：组织如果没有用很好的方式去优化，个体很聪明，但把这些人加起来就是集体降智。整个组织没有智能，缺少自我反思、自我进化的过程。

（3）四个公理：让组织更有智能

我的解法是我最终总结出来的四个公理——AI时代怎么做好技术、怎么做好产品？我其实想了很久才敢用"公理"这个词，因为听起来很霸道。但我确实觉得这四条推导下来是自洽的，没有一条能跳过。

• 公理一：具有自反思、自进化、自服务能力的系统，是具备智能的基本条件。我需要的是智能——我做的产品是智能的，做出产品的团队也是智能的。
• 公理二：AI-Native的团队（"组织"有智能 + AI化），才能做出真正厉害的AI技术和产品。
• 公理三：每个成员都是AI超级个体，才能构成厉害的AI-Native团队。
• 公理四：团队的负责人自己必须先是AI超级个体。今天上午听了TiDB的CTO黄东旭老师的分享，非常有共鸣，他自己就是深度使用AI的技术负责人。否则，作为业务负责人，自己如果没有真的动手深度使用或构建AI相关的东西，根本不理解逻辑是怎么构建出来的——怎么可能做出好的AI产品？

所以解法不是加工具、改流程、换架构——是让组织本身变成自闭环进化系统。听起来很理想主义，但我确实没有找到第二条路。

（4）从公理四逆推：先让自己AI化

实践从公理四逆推——负责人必须先是AI超级个体。

我的第一步不是让团队AI化，是让自己先AI化。怎么做的？大概从今年年初开始一直在做这件事——把自己所有的文章思考、所有的工作项目、包括团队全部输入到AI员工里。所有重复工作，我称之为AI First和Skill First——但凡能用Skill做的，不会自己动手；但凡能AI做的，不会自己去写，包括这个PPT。

在做这件事的过程中我发现——原来的AI产品不能用工具的方式来操作，必须把它理解成一个人。它要懂我、要主动、能记住我所有的东西、我交给它的事能越做越好——就跟我招了一个人是一样的。这就是AI员工的逻辑。

这听起来有点怪——把一个软件当人看？但这是我在实践中不得不得出的结论。不是哲学选择，是现实逼的。

不是换了工具，是换了范式——工具是消耗品，员工是搭档。

（5）AI员工架构：三层 + 自进化引擎

有了这种输入之后，我对AI产品的终态非常非常清楚——不只是Believe，因为我基于现有所有工具做了大量的磨改，改造之后发现这样的产品是我真正要的，因为它能帮我提效。它有三层架构：

• 能力层：Skills体系，可插拔专业能力——数据分析、文档写作、代码生成、专业领域Skills。
• 记忆层：覆盖短期上下文加长期偏好、决策历史、教训积累；灵魂层是价值观、边界感、人格锚点——让它知道该做什么、不该做什么。
• 自进化层：还有一个非常重要的——自进化引擎。自进化引擎怎么理解？就跟招人一样——同样招了两个同学，一个可能没那么聪明，一个非常聪明，同样做一件事，他吸收的经验是不一样的。同样做一个技能，过了一天过了两天，技能提升速度不一样。这就是所有Agent产品最底层的内核——跟人一样的道理。如果一个Agent的进化速度比别人强，它最终能在很短的时间内上手你所有的工作帮你解决。

从技术角度翻译——现在有两个路线。有些同学假设多个Agent组成，上层有调度器调度。但我们的架构更偏向Anthropic的思路——有个AgentCore作为非常核心的内核，像强大的操作系统。上面的能力是Skills，像APP。整个系统所有记忆都是系统级的——能记住所有东西。灵魂也是系统级的。只需要构建一部分基础能力，上面所有表达都能去优化。

Agent = AgentCore + Skills + Memory + Soul + 自进化缺任何一层都是"工具"不是"员工"。

（6）关机之后还在工作——员工与工具的分界线

判断自己AI产品是不是真的用好了，达到AI员工的程度：它是否可以独立工作。所谓独立工作，不是像每天给你发一下AI调研之类的，是真的能够把你本来一部分做的工作完全替代掉——不是辅助你。

我自己实践过来发现：刚开始接触AI产品觉得它不太行，持续用了两周左右开始有起色，一到两个月之后，它已经成长得非常厉害了。我让我的AI员工自己算了一下——现在大概50-60%的工作交给AI员工，包括日常管理工作、原来自己做的小工具、沟通协调，所有出东西的事都在让它做。

培养路径大概是三段：新手期0-2周——10x效率，频繁指令明确边界；成长期1-2月——记住偏好，减少指令给自主空间；搭档期持续——主动预判，我判断它执行。

从"用"到"养"——用是消耗，养是投资。我自己大概是从"觉得它不太行"到"离不开它"，中间就两周的适应期和一两个月的成长期。

（7）AI能干的三类事

最后实践下来，我发现AI能干的事，从生产力角度分三类：

1. 第一类——产出某种副文本，包括PPT、图片、Excel、文字等。副文本专门用来跟别人沟通——写文章可以给很多人看，写PPT用来给领导汇报，汇报完就可以扔了。这些工作完全可以让一个有记忆、能持续了解你的知识、积累你的经验的AI来做。

2. 第二类——完成功能性 & 事务类任务。以前想做一些小事会选SaaS工具——去美图秀秀里修证件照、改视频、日常做项目管理、发周报、盯人催进度等等。这些偏事务型或一次性的交付类工作，都可以让AI员工干——因为他有编码能力。已经沉淀成Skills的自己干，没沉淀的他可以自己写代码来干——写个功能干就好了，干完就抛了。以后不用再去下载各种垂直功能的APP来完成了。

3. 第三类——参与严肃生产类任务。作为职能必须交付出给非常多人用的功能——典型写代码就是，做软件开发。还有数据分析——交一份完整的数据报告，这类任务的核心是一套专业的WorkFlow。这些WorkFlow在企业原来的SaaS工具里面，里面包含了领域知识和SOP。需要把企业原有的生产工具跟AI员工结合，能解决一部分生产的问题，但还需要人做审核。

这只是第一步——公理一的落地。后续还有公理二三四，今天时间有限，大家可以期待后续的更多分享了。

（1）实践层 + 商业模式层：AI员工 + Token经济学是今年的重点

实践层面——原来关注我用工具能不能提效，当下关注的是：如果有了一个AI员工，它能不能帮我解决百分之多少的工作量？这个工作量是能够兑换成人力的。这个人力背后对应的商业模式——今年有个很火的词叫Token经济学——这些人力消耗的钱、Token兑换成的钱，是不是跟提效的价值比起来，ROI是否打得正？这是今年的重点。实践背后一定要看成本，他俩加起来才是一个完整的企业级提效实践。

这步走通了之后，再往后很好理解——以前有外包公司卖人力外包，再往后就会卖AI的生产力——AI外包、AI运营，往这个方向发展。再往后可能就是Agent之间的经济了。

AI不再卖"功能"，而是卖"AI生产力"，等价于过去的人力。组织内模式：人力成本+Token成本统一属于团队人力成本——Token是AI员工的工资。

（2）产品 + 技术：从工具到社会组织——三大时代七阶段

技术和产品的演进路径，我叫从工具到社会组织。去年做的所有实践，全部是工具时代到AI时代的过程产物——包括调AI工具做Chat、Copilot、单Agent，尤其那种假Agent（实际是用WorkFlow串流程，中间过程调用大模型的），统一可以归类为工具时代。

现在做的所有工具和技术都是在研究怎么让AI开始像人——能不能独立工作、能不能自我进化，这是AI员工阶段。一旦今年突破了这个领域，再往后一定是AI组织——多个Agent团队。有些实践听起来非常fantasy，但在某些公司某些团队其实已经发生了。

三大规律：能打分的任务先被自动化——因为结果可量化、验证成本低；协议出现即新阶段——A2A协议的发布标志着Agent从工具进入协作时代；审查带宽是并行上限——人能审核的Agent数量决定了系统膨胀的极限。反直觉：多Agent不是越多越好。Gartner预测S4渗透率从5%到40%（2026）。

（3）四三二一：完整逻辑闭环

如果大家是团队负责人或技术leader，应该能体会到我自己的实践感受——所有变化想真正让它发生，不是在产品层面、实践层面做很多工作，首先我们要变化的是自己。

• 四个公理——具备智能的条件：自反思、自进化、自服务，从个体到组织。
• 三个转折——工具到员工（认知），用到养（关系），被动到主动（能力）。
• 两个范式——工具思维到员工思维，管理驱动到智能驱动。
• 一个起点——负责人先成为AI超级个体。

四个公理，三个转折，两个范式，一个起点——四三二一，从体系到行动，从复杂到简单。

我自己能不能有一个AI员工——它能够持续帮我做百分之多少的工作？

第二点——我自己做工作的时候是不是AI First？当我想发日报、做汇报、做团队管理或分析洞察的时候，第一反应是不是AI能给我做，而不是我自己去做，或者我让下属帮我做。

大概到一个月之后关注的就是你的组织了——你自己做好了，那你下面的每个同学，-1也好、-2也好、一线同学也好，他自己的工作是不是这样？如果我们能够把最小的闭环转起来——Leader带动个人，再带动组织，最终会带动产品和业务。

（4）给你的三个行动

• 今天——给自己找一个AI员工：持续运行、能记住你、能主动做事的Agent，不是工具。
• 这周——检查你自己：工作方式是AI-Native的吗？如果不是，从公理四开始。
• 这月——检查你的组织：有没有自闭环进化机制？如果没有，你还在汽车模式，不是免疫系统模式。