夜雨聆风阅读提示：这是一篇写给老板和管理层的文章。它不讨论某个 AI 工具怎么用，而是讨论一个更底层的问题：AI 为什么不是普通的技术升级，而是会重新定义公司的决策、岗位、权力和责任。如果你正在考虑给公司设 AI 岗、买 AI 系统、做 AI 改造，这篇需要一点耐心，但值得读完。
🎧 右上角的小耳机是我自己读的，想边看边听的话直接点开。
最近身边有两家公司，都在为 AI 转型这件事，打算从外部找一个人来专门搞。
一家做了二十年制造业，年营收 30 亿；一家是连锁服务，门店三百多。
两位老板的说法高度一致：
自己公司 IT 部搞不定，外面懂 AI 的人很贵，但咬咬牙开一个百万年薪的 AI 总监岗，应该能干起来。
听完之后，我给的判断也是同一句话：
这条路大概率走不通。
不是因为 AI 不重要，而是因为它太重要，不能被当成一个技术岗位外包出去。
企业 AI 转型真正要改的，不是工具，而是工作如何被重新组织。
这就不是 CTO 一个人能完成的事。
大多数公司 AI 转型最关键的人，不是 CTO，而是老板和人力一号位。
这句话听起来像管理建议，但它背后其实是一道经济学题。
一、公司本质上不是组织架构图，而是一套决策系统
讨论 AI 转型之前，先要把“公司”这件事重新看一遍。
我们平时看公司，容易看成组织架构图：
老板在上面，下面是销售、市场、研发、生产、财务、人力、IT。
但从经济学角度看，公司不是一张架构图，而是一套把信息、决策和责任组织起来的系统。
科斯在《企业的性质》里提出过一个经典问题：
既然市场可以交易，为什么还需要公司？
一个重要答案是交易成本。
在市场上，每件事都靠临时交易，会有寻找、谈判、监督、协调、履约的成本。公司把一部分交易搬到内部，用层级、岗位、流程和制度来降低这些成本。
所以公司内部那些看起来很“笨”的东西，比如部门、审批、岗位说明书、KPI、汇报线，本质上都是为了降低协调成本。
问题是，AI 进来以后，它动的恰恰是这些成本。
它降低的不只是写文案、做表格、查资料的成本。
更重要的是，它开始降低三类过去非常贵的成本：
第一，认知成本。
过去一个人要花几小时读材料、找信息、做初稿、整理逻辑，现在 AI 可以把很多基础认知劳动压缩到几分钟。
第二，协调成本。
过去跨部门开会、对齐信息、解释口径、追踪进度，需要大量人肉协调。AI 如果接进流程，可以让很多信息自动流动、自动解释、自动提醒。
第三，信息准备成本。
真正的判断仍然需要人，但判断之前的资料收集、异常识别、方案生成、历史对比，AI 可以大幅降低这部分准备成本。
这就是 AI 和普通软件最大的不同。
普通软件通常是把已有流程线上化。
AI 则有可能把流程本身拆开，再重新组合。
所以 AI 转型不是“技术升级”，而是公司这套决策系统的重写。
一旦这个判断成立，问题就变了。
真正的问题不是“公司要不要用 AI”，而是四件事：
过去必须靠人完成的决策，哪些可以交给系统预处理。 过去必须跨部门协调的流程，哪些可以被重新串起来。 过去靠信息不对称存在的岗位，哪些必须重新证明价值。 过去靠审批和汇报体现权力的管理者，未来如何改成看异常、设规则、担责任。
这些问题，CTO 可以参与，但 CTO 不能单独决定。
因为这已经不是技术架构问题，而是公司权力结构和责任结构的问题。
二、很多公司误把“工具采用”当成“组织转型”
现在很多公司的 AI 转型，其实还停在第一层。
第一层叫工具采用。
给员工开账号，买 Copilot，接一个大模型 API，办几场 Prompt 培训，让市场部写文案更快，让客服回答更快，让财务做表更快。
这当然有价值。
但这不叫转型。
它只是把原来的工作，用新工具做得更快一点。
第二层叫工作流改造。
不是让一个销售多写几封邮件，而是重做“线索获取—客户分层—跟进节奏—报价—复盘”的整条销售流程。
不是让一个客服回复更快，而是重做“问题识别—自动分流—知识库更新—高风险升级—客户留存”的整套服务流程。
不是让财务报表自动生成，而是让经营数据自动解释、异常自动预警、预算偏差自动追踪。
到了这一层，AI 开始改变的不只是效率，而是流程。
第三层才是真正的组织转型。
一旦流程被 AI 重做，岗位边界就会变，KPI 就会变，部门权责就会变，管理层的决策方式也会变。
过去一个岗位要做十件事，未来可能只剩下三件事，但这三件事更依赖判断、协调和责任。
过去一个部门掌握某个报表，未来报表实时生成，部门价值就不再是“我有数据”，而是“我能解释数据，并推动动作”。
过去管理者靠层层审批体现权力，未来很多低风险决策可以被系统自动处理，管理者的价值就变成设规则、看异常、担结果。
这才是 AI 转型真正难的地方。
它不是把机器接进公司。
它是让公司承认：
很多工作不应该再按原来的方式存在。
麦肯锡在 2025 年关于 AI 价值捕获的研究里提到，生成式 AI 真正产生 EBIT 影响，最关键的变量之一不是模型本身，而是工作流是否被重新设计。
BCG 讲生成式 AI 转型时，也反复强调一个 10-20-70 的框架：算法只占一小部分，数据和技术占一部分，真正的大头在人员、流程和文化变化。
这些咨询公司说得很抽象，但放到企业里，其实就是一句话：
如果流程不改，组织不改，AI 只能变成更贵的办公软件。
三、真正做成转型的公司，都不是先招一个 AI 总监
真正做成数字化或 AI 转型的公司，路径通常不是“招一个 AI 总监，然后让他去推动全公司”。
更接近真实世界的顺序是：
老板先下场，业务再入场，最后组织跟着改。
先看长城汽车。
先说明口径：长城这个案例讲的是前 LLM 时代的数字化转型，不是今天严格意义上的 AI 转型。但它揭示的组织规律，对 AI 转型同样适用，甚至会更强。
长城是一个很好的样本，因为它的数字化转型不是一句口号，而是有清楚时间线的。
2018 年，魏建军开始亲自筹备数字化战略。
他做的第一件事不是招人，而是自己跑。按 36 氪报道，他拜访字节跳动，约见蔚来等新势力，也找业内专业人士聊方案。
同一年，长城与阿里云合作做中台项目。结果这件事没有顺利落下去。
报道里的表述很关键：
仅停留在 IT 层面数据聚合，业务线未实现数字化，最终不了了之。
这句话几乎可以解释很多企业 AI 转型失败的根本原因。
技术全到了，平台也建了，但业务线不动，这件事就落不下去。
到了 2018 年底，魏建军与李鹏第一次见面。李鹏此前做过大陆汽车中国区业务总监，也做过地平线智能驾驶事业部总经理。
打动魏建军的，不是一份简历，而是一份 3-5 年规划。
2019 年初，李鹏加入长城任副总裁。但他不是一入职就直接接手全部数字化，而是先做了一年仙豆智能的 CEO。
同一年，长城成立数字化委员会，请德勤入驻一整年，梳理组织，推动从“本部制”到“部制”的调整。
2020 年 4 月，李鹏正式出任 CDO，数字化中心作为一级部门正式挂牌。
从 2018 年筹备，到 2020 年挂牌，这件事至少走了两年。
更重要的是，这两年里发生的不是“买系统”，而是老板认知、外部操盘人、组织架构和业务线配合，一起重做了一遍。
所以长城这个案例真正值得看的，不是它找到了一个厉害的人。
而是老板先下场，想清楚方向，再给这个人配组织、配权力、配业务线协同。
第二层，是业务必须入场。
蒙牛的案例讲的是另一件事。
蒙牛的范式不是先问“哪个大模型最强”，而是先问“公司哪些业务能力能被 AI 重做”。
蒙牛官网披露过几个关键动作：
发布 MENGNIU.GPT 营养健康领域模型；把供应侧和消费侧做成 AI 驱动的双飞轮；已有 100+ 业务能力通过 AI 提效；超过 100 名来自业务一线的员工接受训练，成为业务提示词工程师。
这里最值得注意的，不是“100+”这个数字，而是“业务一线”这四个字。
真正的 AI 转型，不是技术团队在会议室里写 Prompt。
它要让业务一线的人知道：
我的销售预测、用户洞察、数据分析、渠道管理，到底哪一段流程可以被 AI 重做。
这件事如果只放在 IT 部门，很容易变成工具采购。
只有进入业务流程，才可能变成组织能力。
第三层，是组织最后必须跟着改。
这就到了美的。
方洪波在 2025 年分析师会议上讲过一个判断：转型本质上是转人。团队结构、思维、知识结构和能力如果不转，转型就是空谈。
这句话比很多 AI 转型方案都重要。
因为 AI 改造到最后，一定会碰到人。
哪个岗位还需要存在？
哪个岗位要换能力模型？
哪个管理者的考核口径要重写？
哪个流程不再需要层层审批？
美的当然有自己的 AI 研究院和全球研发体系，但方洪波真正强调的不是“我们技术多强”，而是人和组织不转，转型就落不下去。
所以长城、蒙牛、美的不是三个孤立故事，而是一条证据链：
老板下场。 业务入场。 组织改造。
这三件事少一件，AI 转型都很容易变成一场热闹的试点。
模型买了，培训办了，海报贴了，但业务流程还是原来的业务流程。
四、为什么 CTO 不够：AI 改的是四种边界
这也是为什么我说，AI 转型最关键的不是 CTO。
不是 CTO 不重要。
而是 CTO 通常能回答的是技术问题：
用什么模型。 数据放在哪里。 Agent 框架怎么选。 系统怎么接。 安全和权限怎么控。
这些都很重要，但它们不是转型的全部。
企业 AI 转型真正会改四种边界。
第一，任务边界
过去一个岗位里，很多任务混在一起：收集资料、整理表格、写初稿、做判断、对客户解释、对结果负责。
AI 进来以后，前面几项可能被机器大幅接管，人真正要保留的是判断、沟通、责任和异常处理。
这意味着公司不能只问“这个岗位会不会被 AI 替代”，而要问“这个岗位里的哪些任务会被拆掉”。
第二，岗位边界
任务一拆，岗位就会变。
一个市场专员可能不再只是写内容，而要会定义用户画像、判断转化链路、管理 AI 生成的素材池。
一个客服主管可能不再只是排班和质检，而要会维护知识库、分析高频问题、重新设计服务分层。
一个财务经理可能不再只是出报表，而要会解释经营异常、参与业务决策、推动预算动作。
这就不是买工具能解决的。
这是岗位重构。
第三，权力边界
AI 转型最容易卡住的地方，往往不是技术，而是谁有权改流程。
销售线索分配是否重做。 客服工单是否自动分级。 采购审批是否减少层级。 门店排班是否交给算法建议。
这些决定都会碰到部门利益、管理惯性和既有权力。
一个新来的 AI 总监，如果没有老板背书，没有业务负责人共同负责，没有人力系统跟进，就只能变成协调员。
第四，责任边界
AI 给了建议，责任仍然要落到人。 系统自动筛掉一个客户，必须有人解释标准。 模型生成一份报告，必须有人签字确认。 AI 推荐一个库存策略，如果导致缺货或者积压，必须有人承担结果。
没有责任边界，AI 就只能停在辅助工具。
因为越重要的流程，越不可能只靠“模型建议”自动跑完。
所以，AI 转型表面是技术问题，底层是公司治理问题。
它问的不是“谁最懂 AI”。
它问的是：
谁有权重新定义工作。 谁有权重写岗位。 谁有权改变 KPI。 谁有权承担结果。
这些问题的答案，不在 CTO 手里。
五、老板和人力一号位，应该怎么真正下场
所以这篇文章最后不应该落到“招不招 AI 总监”。
招人只是一个结果，不是起点。
真正的起点，是公司要先画出四张表。
第一张表：价值流表
不是问“哪里可以用 AI”，而是问“公司的利润表和客户体验里，哪条流程最值得被 AI 重做”。
获客成本太高。 销售转化太慢。 客服响应太差。 库存周转太低。 研发周期太长。 财务分析滞后。
AI 转型不能从工具清单开始，应该从价值清单开始。
第二张表：任务拆解表
选定一条流程以后，把里面的任务拆开：
哪些任务可以自动化。 哪些任务只能增强人。 哪些任务必须保留人工判断。 哪些任务必须由负责人签字。
这张表做不出来，公司就不知道 AI 到底改的是哪里。
第三张表：组织权责表
一条流程被 AI 重做以后，权责必须重新写清楚：
谁是流程负责人。 谁提供数据。 谁维护知识库。 谁负责模型输出质量。 谁对最终业务结果负责。
很多 AI 项目失败，不是因为没人干活，而是因为每个人都只负责自己那一小段。
IT 说系统通了。
业务说员工不用。
人力说培训办了。
老板说效果没看到。
最后每个人都没错，但公司没有变。
第四张表：人才账本
哪些岗位要重新定义。 哪些人要培训。 哪些人要转岗。 哪些岗位以后少招。 哪些新能力必须补进来。
这就是为什么人力一号位必须在场。
AI 转型不是简单减少人，而是重新定义人在哪里创造价值。
如果人力只在最后负责招聘和裁员，这家公司对 AI 的理解就已经晚了。
在人力系统里，真正重要的是把岗位、能力、绩效、激励和组织结构一起改。
这件事 CTO 做不了。
老板不推动，也没人敢做。
六、真正的 AI 转型，是把一个端到端流程跑通
所以，对很多公司来说，最务实的第一步不是全公司铺开，也不是先设一个宏大的 AI 战略部。
而是选一个足够具体、足够有价值、又能衡量结果的端到端流程。
比如：
销售线索从哪里来，到谁跟进，到怎么报价，到怎么复盘。
客服问题从哪里进入，到怎么分流，到怎么升级，到怎么沉淀知识库。
门店从预测客流，到排班，到补货，到异常处理。
财务从经营数据生成，到异常识别，到预算追踪，到业务部门动作。
然后用 60 到 90 天跑一轮完整试点。
不是为了证明 AI 很酷。
而是为了回答五个问题：
业务指标有没有变好。 流程步骤有没有减少。 员工时间有没有释放。 岗位能力要求有没有变化。 责任边界有没有被重新定义。
如果这五个问题答不出来，AI 项目就很容易停留在演示层。
如果这五个问题答出来了，公司才知道下一步该招什么人、买什么系统、改什么组织。
也就是说，AI 总监不是来替公司想方向的。
他应该是在公司已经知道要重做哪条价值流以后，帮助它工程化、产品化、规模化。
如果方向、流程、权责和人才账本都没有，AI 总监再厉害，也会被拖进无休止的跨部门协调。
AI 转型最贵的从来不是模型，是公司愿不愿意重做自己的工作系统。
写在最后
这篇文章不是反对企业招 AI 总监，也不是说 CTO 不重要。
真正想做 AI 转型的公司，当然需要技术负责人、数据负责人、产品负责人，也需要懂 AI 的操盘手。
但这些角色不能替代老板和人力一号位。
因为 AI 转型不是一个技术项目，而是一次工作系统重构。
它会改任务边界，改岗位边界，改权力边界，改责任边界。
如果老板只把它当成“IT 部的事”，它就会变成工具采购。
如果人力只把它当成“培训和招聘的事”，它就会变成能力口号。
如果业务只把它当成“提高效率的事”，它就会避开真正的流程再造。
公司 AI 转型最难的，不是让员工开始使用 AI。
而是让公司愿意承认：
有些流程应该被重写。
有些岗位应该被重构。
有些权力应该被重新分配。
有些管理者的价值，应该被重新衡量。
这才是 AI 转型真正的深水区。
工具会越来越便宜。模型会越来越强。但能把业务、流程、人和责任重新组织起来的公司，永远稀缺。
继续阅读
这篇文章讨论的是企业内部的 AI 转型。如果你想继续看 AI 如何改变生产力、组织能力和财富分配，可以读这两篇：
经济学的「圣杯」被打破：MC≈0 和 MR↑ 同时成立的世界
也可以从这里看完整栏目：
资料来源
36 氪汽车：《长城汽车新设一级部门“数字化中心”，聚合所有数字化业务》。 蒙牛官网：《乳业数智化转型新范式——蒙牛发布 AI 驱动双飞轮与全球首个营养健康领域模型 MENGNIU.GPT》。 36 氪：《4000 亿美的大象转身，方洪波凶狠裁员，连接班人也已“备好”》。 Ronald H. Coase：The Nature of the Firm。 McKinsey：The state of AI: How organizations are rewiring to capture value。 BCG：How Generative AI Is Transforming Business；As AI Changes Work, CEOs Must Change How Work Happens。
—— 坤哥
