上一篇文章里，我写了我们在公司内部推进 AI Coding 的一些实践。那段时间，我们从高层到普通员工做了系统培训，带着大家去上手 Cursor、Trae 这类工具。我们的出发点其实很明确：不是让大家停留在“知道 AI 很强”，而是希望大家真的能把 AI 用进工作里，去解决重复性的事务，去回应那些长期存在、但又很难进入正式 IT 建设序列的小问题。后来，我们又办了 AI 竞赛，鼓励员工用 AI 做小工具、小程序，提升效率，优化流程，也尝试把一些过去一直希望系统化承接的业务问题，先用更轻的方式跑起来。
开始，我们只是想把AI真正用起来
这件事带来的变化，比我原来预想得更快。很多过去需要提需求、等排期、反复沟通的事情，业务部门现在可以自己先做出来了。有人做数据处理工具，有人做报告生成小程序，有人做知识查询助手，也有人开始尝试设备预约、项目管理这类更接近业务系统的应用。再往后，有的部门甚至开始主动来找 IT，希望提供服务器，把这些工具部署起来，作为部门内部长期使用的系统。从推动 AI 普及的角度看，这当然是一件好事。因为这说明，AI 不再只是一个展示层面的新技术，而是真的进入业务现场了。员工开始主动用 AI 改造自己的工作，开始把那些以前只能停留在“想法”的事情，真正做成工具。这其实是企业内部创新被激活的一个信号。
但很快，这件事就不只是“创新”了
当企业真正把 AI Coding 普及开之后，接下来一定会面对一个问题，那就是影子 IT 的治理。这并不是因为业务“越界”了，也不是因为创新“失控”了。恰恰相反，影子 IT 的出现，往往说明企业内部的一线创新真的被激活了。那些最懂业务、最接近问题现场的人，第一次有能力直接把需求变成应用。这本身是值得肯定的。但问题在于，当这种创新开始成规模发生时，它就不再只是“会不会用 AI”的问题，而会迅速变成“企业怎么承接这些应用”的问题。业务部门看到的是效率释放，企业管理者必须看到的是治理挑战。
影子IT为什么一定会出现
如果站在业务部门的角度，这件事其实很好理解。过去很多需求，不是不重要，而是不够“大”，进不了正式 IT 项目的优先级；还有一些需求变化太快，等正式开发跟上时，业务场景早就变了。所以当 AI Coding 出现之后，它本质上是把一种原来被压着的能力释放了出来。最懂业务的人，第一次有机会直接把自己的问题做成应用。这种速度感、掌控感和即时反馈，对业务来说是非常有吸引力的。也正因为如此，我们内部很快就积累了 160+ 个 AI 小程序。AI Coding 解决了“做不出来”的问题，但也把“做出来之后怎么办”的问题提前摆到了台面上。
真正的问题，不是做出来，而是接不接得住
我们后来对内部 AI 小程序做了一轮梳理。从结果看，活跃度很高，说明大家确实在用 AI 解决问题；但从运营角度看，一些典型问题也已经出现了。
这也是为什么我后来越来越觉得，AI 运营如果只做到培训、竞赛和案例推广，其实是不完整的。培训和竞赛，解决的是“如何把创新释放出来”；但当创新真正发生之后，企业还必须回答另一个更关键的问题；这些从一线快速长出来的应用，组织有没有能力把它们接住。在我看来，这就是影子 IT 治理的核心意义。这里有一个判断我一直比较明确：治理不是为了限制创新，而是为了让创新能够持续。如果一开始就把所有 AI 小程序都按正式系统去管理，业务创新很快就会被压制；但如果完全放任不管，局面最终一定会越来越混乱。企业真正需要的，不是一刀切的管控，而是一套与风险等级相匹配的治理机制。
我们后来是怎么分的
所以我们后来在设计这套机制时，抓住了三个最关键的问题：第一，数据是否长期驻留在工具中。第二，工具是否已经进入多人协同。第三，工具一旦丢失，是否会影响业务连续性。基于这三个判断，我们把 AI 小程序分成了三个层级。
这类工具已经开始承载多人共享的数据、记录和流程。对于这类工具，重点不是马上由 IT 全面接管，而是要求登记、明确责任人、落实备份，形成部门自治和最基本的运维能力。
L3：关键业务工具
只要一个工具开始长期保存数据，而且数据丢失会影响业务连续性，那么它就不应该继续以“个人小程序”的方式存在，而应该转入正式 IT 建设轨道，由 IT 负责部署、备份、安全和运维。
真正落地，第一步不是审批，而是先看见
在企业里，很多问题不是不能管，而是根本看不见。有多少应用，谁在维护，解决什么场景，是否还在使用，是否存在重复建设，是否涉及共享数据，这些如果没有统一掌握，后面的分级、查重、接管和交接都无从谈起。所以我们先把 AI 应用台账建立起来，把资产先看见。台账的意义，不是多一张表，而是让组织第一次对这批快速长出来的应用形成整体认知：哪些值得继续孵化，哪些应该合并复用，哪些必须纳入正式治理。在此基础上，治理动作才真正变得可执行：新增应用要登记，存量应用要回溯盘点，相似场景要查重，关键应用要逐步迁移，协同工具要落实备份，个人工具要纳入离职交接。很多治理做不起来，不是因为没有制度，而是因为连资产都没看见。
最后想说的
回过头看，我现在越来越觉得，AI 时代的企业运营，前半段是把创新放出来，后半段是把创新接住。前半段靠培训、工具和激励机制，解决的是“大家愿不愿意做”；后半段靠分级、台账、备份和接管机制，解决的是“做出来的东西能不能留下来”。如果说 AI Coding 让更多业务人员第一次具备了“自己做程序”的能力，那么影子 IT 治理，就是企业把这种能力真正沉淀为组织资产所必须补上的那块底盘。影子 IT 治理不是 AI 创新的对立面，反而是 AI 创新走向规模化、组织化之后的一道必答题。
夜雨聆风
