本文是“AI时代人和组织成长”系列的第53篇长文。最近的几篇我们从“个人岗位定位”、“医生价值重构”、“OPC创业护城河”、“能力三层断裂”、“创始人孤独感”、“赛道选择”，完成了从“个人”到“创业”的微观闭环。这一篇，我们将视角从“一人公司”拉升至“中型、大型组织”。如果说OPC是AI原生组织的“最小可行单元”（MVP），那么大企业的AI转型，就是要将这个MVP“规模化”。但规模化不是复制粘贴，而是系统性重构。 你所在的公司，员工是不是在用ChatGPT写邮件、用Copilot写代码、用Midjourney做设计？但这些AI工具真的改变了公司的运营方式吗？还是说，它们只是让每个人“更快地做原来的事”？ 这两者的区别，正是当前AI转型中最致命的认知盲区。 麦肯锡的调研报告揭示了令人不安的现实：88%的企业已常规使用AI，但仅有约6%成为“AI高绩效赢家”，真正将AI转化为实际财务收益的仍是少数。更值得警惕的是，标普全球的调查数据显示，截至2025年底，42%的公司放弃或搁置了其大部分AI项目，这个比例在一年前仅为17%。企业在AI上投入了数十亿美元，但在规模化部署上集体受阻。标普全球的数据显示，平均46%的AI概念验证项目在投入生产前就被废弃，43%的企业AI举措预计将失败。这种“试点炼狱”甚至让一些上市公司不得不终止项目、撤回资金。 值得注意的是，中国大陆地区的AI应用普及率高于全球平均水平，83%的企业在至少一个职能中常态化使用生成式AI，且45%的企业已实现AI规模化或全面部署，高于全球38%的均值，展现出更强的执行力。 问题出在哪里？出在一个根本性的混淆，就是把“个人AI”当成了“组织AI”。个人AI是员工为了提升个人工作效率而使用的工具，它的价值在于“让一个人更快”；而组织AI是嵌入业务流程、连接跨部门协作、参与决策执行的AI系统，它的价值在于“让整个系统更智能”。 个人AI是工具，组织AI是引擎。前者改变的是个体效率，后者改变的是组织模式。一家公司可以给全员开通Copilot（个人AI），但如果不重构业务流程、不打破部门墙、不重新设计绩效体系，它仍然不是一家“AI驱动的组织”。正如李开复在2026年5月的演讲中所言，“多数由IT部门自下而上推动的AI转型最终都会失败”，因为AI不只是新的软件工具，它的能力发挥需要组织层面的系统性变革。 然而，现实中大量企业处于“个人AI泛滥、组织AI缺位”的“无政府状态”，员工各自为战，企业没有统一平台，数据在部门之间割裂。AI带来的不是“组织智能”，而是“个体效率的碎片化提升”。 本文的核心问题是，中型、大型组织如何跨越从“个人AI”到“组织AI”的鸿沟？ 一、从个人AI到组织AI，连续谱上的三个地带 某制造企业的市场部员工小张，每天都会打开ChatGPT生成产品文案；研发部的小李用Copilot辅助写代码；销售部的小王用Notion AI整理客户会议纪要。他们各用各的工具，各自提升各自的效率，彼此不知道对方在用什么。财务部总监老陈听说AI很火，也让下属试试，但下属试了两天发现，“这玩意儿对我这行不太准”，就不了了之。 这家公司“用了AI”吗？从员工个体角度看，是用了；但从组织角度看，业务流程没有任何改变，部门的协作方式依然如故。这就是AI转型中最常见的“第一地带”。 第一地带就是纯粹个人AI。其特征是员工使用自己的AI工具，没有企业统一平台，数据不互通，工具不共享。这是当前大多数企业的初始状态，也是最容易被忽视的安全黑洞。员工用个人账号处理工作数据，企业的敏感信息就可能流向不可控的第三方平台。典型症状是，IT部门不知道员工在用哪些AI工具，员工也不知道哪些工具是公司允许的，每个人都是“自己的AI管理员”。 想象同一家企业，开始做“有组织”的探索。IT部门采购了企业级AI平台，给每个员工开通了企业账号，数据权限得到统一管控。市场部、研发部、销售部各自在平台上配置了部门专属的智能体，市场部智能体负责生成文案初稿，研发部智能体辅助代码编写，销售部智能体整理会议纪要。但问题来了，这些智能体不互通，市场部智能体不知道研发部智能体在做什么，销售部智能体的产出也无法自动流转给客服部，各部门依然在各自的“AI孤岛”中运作。 在这个地带，企业已经完成了AI工具的“集中采购”和“统一部署”，数据权限得到管控，每个部门有自己的智能体。但部门之间的墙还在，智能体各自为战。如果员工用了智能体，公司也采购了智能体，不同智能体还有交互，其实正是这个地带向更高阶段迈进的临界点。当销售智能体能够自动把客户需求推送给生产智能体，生产智能体能够自动回传交期，两个部门的人第一次发现“原来我们可以不拉群”，这才是真正的跨部门协作。麦肯锡的报告印证了这一趋势，截至2025年底，约三分之一的AI应用以智能体形态部署，能够在较低人工干预下执行跨部门任务。 第三地带就是纯粹组织AI。其特征是AI嵌入业务全流程，跨部门智能体自主协作，人类从“执行者”升级为“判断者”和“编排者”。科沃斯从2025年全面铺开AI转型后，不再以部门为单位，而是围绕公司主价值流重构全流程，供应链智能体、采购智能体、物流智能体等自动串联，原本需要跨部门反复协调的事务，现在由智能体在极短时间内自动完成。人类不再负责传递信息，而是负责判断“这个预测是否可信”“那个交期是否可以接受”。 三个地带的连续谱，本质上是AI从“个人工具”向“组织基础设施”的演进。但很多企业卡在第二地带，甚至从未意识到自己处于哪个地带。这就是核心误区，我们称之为L1幻觉，认为买了工具就等于做了转型。这就像买了跑步机不等于拥有了健康，办了健身房会员不等于练出了肌肉。麦肯锡报告指出，虽然AI应用在企业的普及率已高达88%，但绝大多数企业仍被困在“试点炼狱”中，仅有约6%的企业成为“高绩效赢家”。而这，正是因为他们把“采购了AI工具”当成了“完成了AI转型”。 如何判断你的企业处于哪个地带？下面是三个极简标准。一是数据是否跨部门流通？市场部的用户洞察数据，能否自动触发研发部的产品改进建议？二是AI是否直接改写了核心业务流程的KPI？比如，订单交付周期是否因为AI协作而缩短？客服转人工率是否因为AI而显著下降？三是CEO是否亲自参与AI战略？如果AI转型只是CTO或CIO的事，那它大概率还停留在第二地带。 理解了三个地带的划分，我们就能进一步追问：从第一地带到第三地带，具体要经历哪些阶段？不同阶段，AI的角色和人类的角色如何演变？这正是第二部分要展开的五阶段成熟度模型。 二、组织AI的五阶段跃迁成熟度模型 理解了三个地带的连续谱，我们就能进一步追问：从第一地带到第三地带，具体要经历哪些阶段？不同阶段，AI的角色和人类的角色如何演变？ 下面这个五阶段模型，正是为了回答这个问题。它将AI能力与组织形态的协同演进分为五个层次，帮助企业对号入座，看清自己“在哪里”、以及下一步“往哪走”。 2.1 L1工具辅助，AI作为个人助手 这是大多数企业的起点，对应第一地带。核心特征是员工个人使用AI工具，无统一平台，无企业管控。工具不互通，数据不共享。麦肯锡数据显示，88%的企业已经在至少一个职能中常态化使用AI，但大量企业仍停留在这一阶段。 AI在这一阶段扮演的角色是个人助手，处理碎片化任务，比如写邮件、做翻译、生成文案初稿、辅助代码编写。人类角色是执行者，本质上是“给自己找工具”的人。 典型表现：市场部小张用ChatGPT写文案，研发部小李用Copilot辅助写代码，销售部小王用Notion AI整理会议纪要。各用各的，彼此不知道对方在用什么。企业的AI使用处于“无政府状态”，数据安全存在巨大隐患。 失败信号：认为“采购了Copilot就等于完成了AI转型”。这就像买了跑步机不等于拥有了健康，买了企业版ChatGPT也不等于成为了AI驱动型企业。 2.2 L2流程嵌入，AI进入特定部门 核心特征是特定部门或流程引入AI，如AI客服、智能质检、智能审批。AI开始在固定岗位上“替代”或“辅助”人类。 AI在这一阶段扮演的角色是部门智能体，在特定岗位上独立完成标准化任务。人类的角色是监督者，审核AI输出，处理异常情况。 典型表现：零一万物在2026年初推出的企业多智能体，通过“平替市场部”与“平替HR”两个场景的演示，直观呈现了多智能体如何实现过往需要至少十人团队才能完成的复杂工作流。在“平替市场部”场景中，用户只需输入一个简单的提示词，一位“市场总监智能体”便自动上线，迅速拆解任务并组建团队，视觉设计、营销经理、内容经理等角色自动协同，将员工从机械流程中解放，转向结果管理与战略思考。 停滞信号：AI替代了部分人力，但业务流程没有根本改变，部门墙依然林立，信息仍然需要人工传递。零一万物创始人李开复强调，“不能指望把AI转型交给一个IT部门或者一个CIO就完事了”，企业AI转型绝对是一把手工程。 2.3 L3跨部门协作，多智能体打破流程孤岛 这一阶段的核心特征是多智能体跨部门协作，不同智能体自动交互，形成完整的业务闭环。多个AI智能体“组团出动”，原本需要部门协调的事务自动完成。 AI在这一阶段扮演的角色是流程引擎，驱动跨部门业务流转。人类的角色是调度者/架构师，设计智能体协作规则，处理系统级故障。此时，人类不再判断“业务对错”，而是判断“系统是否通畅”。通俗地说，L3的人不关心“这笔订单对不对”，只关心“这笔订单有没有在智能体之间顺利流转”。 典型表现：出门问问的“超级组织”实践。创始人、CEO李志飞明确表示，“AI是主力，甚至AI本身也是组织者”。在他的设想中，一个高效的人机合作的组织中，由智能体自主完成的任务比例显著提升。在这一组织模式下，人类员工的核心工作正在被重新定义，从“直接执行”转变为“与智能体协作”或“管理智能体”。 麦肯锡的报告印证了这一趋势：截至2025年底，约三分之一的AI应用以智能体形态部署，能够在较低人工干预下执行跨部门任务。 停滞信号：部门墙未拆，智能体各自为战，数据无法跨部门流动。销售智能体不知道生产智能体的交期，采购智能体不知道库存智能体的余量，还是各自为政。 2.4 L4决策重构，AI参与战略决策 这一阶段的核心特征是AI参与战略决策，数据驱动替代经验驱动。不仅执行层被AI替代，决策层也被AI辅助甚至主导。 AI在这一阶段扮演的角色是决策参谋，提供数据驱动的洞察和预测。人类的角色是裁决者，对战略方向做最终选择，承担道德与法律责任。人类从“系统调优”跃迁到“价值选择”。通俗地说，L3的人操心“流程堵了怎么办”，L4的人操心“这条路要不要走”。 典型表现：钉钉CEO陈航指出，“数据的透明化使决策层能够与一线执行数据直接相连，形成‘上帝之眼’，不再依赖中层汇报，信息传导几乎无延迟”。科沃斯从2025年AI转型进入全面铺开阶段后，核心逻辑发生根本转变，不再以部门为单位，而是围绕公司主价值流重构全流程，将流程协同与决策优化打包重构。作为产品驱动型企业，科沃斯的主价值流清晰明确：产品定义—研发—生产—品控—售后—市场推广，AI的介入让每个环节的决策都有数据支撑，而非依赖个人经验。 北京大学汇丰商学院管理学教授魏炜提出的企业智能体操作系统“三层核心架构”，正是对L4-L5阶段组织形态的蓝图描述：决策层、执行层、资源层协同推进，其中决策层的核心功能是“支持战略决策与价值判断”。 停滞信号：高管拒绝让渡决策权，仍然依靠“直觉”而非数据。当AI建议“该产线应减产20%”，老厂长却以“我干了二十年”为由拒绝采纳。这不是技术问题，而是权力问题。 2.5 L5组织原生，AI成为组织基础设施 这是AI原生组织的最高形态，目前仍在演进中。这一阶段的核心特征是AI成为组织的基础设施，人机共生成为组织常态。人类员工聚焦于AI做不了的事，比如判断、共情、创新、价值定义。组织形态从“层级化”转向“网络化”，部门墙自然消失，不是被“拆除”，而是它们存在的土壤已经不复存在。 AI在这一阶段扮演的角色是自主智能体，独立完成复杂任务并参与组织决策。人类的角色是定义者，决定“什么问题值得解决”，定义组织方向。 典型表现：Block（前Square）CEO Jack Dorsey的构想（前沿实验，尚未大规模落地）。Jack Dorsey与红杉资本合伙人Roelof Botha联合署名文章《从层级到智能》（From Hierarchy to Agentic Organization），明确提出“把公司本身构建成一个‘智能体’”，用AI替代中层管理的信息协调功能，并将组织角色简化为IC（个人贡献者）、DRI（直接负责人）、player-coach（球员兼教练）三种。文中还提出构建两个“世界模型”：一个理解公司内部运营状态，一个基于Cash App和Square的真实交易数据理解客户。未来公司智能存在于系统中，人位于边缘，而边缘，才是行动发生的地方。 出门问问的“超级组织”实践也在向这一阶段逼近。在李志飞的构想中，Token已成为衡量组织效率和品质的标准指标。 魏炜提出的企业智能体操作系统三层核心架构，正是L5阶段组织形态的理论蓝图。 失败信号：文化冲突，人性抵触，人类员工的独特性被忽视。当AI建议高效但冷漠的方案时，组织如何在效率与人性之间找到平衡，这是L5阶段的最大挑战。 2.6 五阶段的核心逻辑 回顾五个阶段，一条清晰的演进脉络浮现出来，如表1所示。 表1L1-L5五阶段跃迁：AI角色、人类角色与关键区分
阶段
名称
AI角色
人类角色
核心任务
关键区分
L1
工具辅助
个人助手
执行者
“给自己找工具”
买了工具 ≠转型
L2
流程嵌入
部门智能体
监督者
替代特定岗位
AI替代人，流程未变
L3
跨部门协作
流程引擎
调度者 /架构师
让流程跑起来
处理操作不确定性（系统通畅）
L4
决策重构
决策参谋
裁决者
让决策有据可依
处理价值不确定性（方向选择）
L5
组织原生
自主智能体
定义者
人机共生
文化冲突，人性抵触
AI的角色随着组织成熟度提升而升级，从L1的“执行替身”到L3的“流程引擎”到L5的“自主智能体”。人类角色也随之升维，从“执行者”到“监督者”到“调度者”到“裁决者”到“定义者”。任务的性质从“执行”到“流程优化”到“价值判断”逐级上升。 但问题定义权始终在人类手中，且随着阶段提升，其权重越来越高。在L1，你需要解决的是“用什么工具”；在L5，你需要回答的是“组织应该往哪个方向走”。这两者的价值差距，决定了五阶段跃迁的意义。 对企业的核心启示就是不要试图从L1“跳级”到L5。很多企业投资数千万建设“AI中台”，以为买了平台就是L5，结果发现员工不用、业务不接、数据不通，这本质是跳过了L2和L3的“部门级验证”和“跨部门打通”，直接试图建“空中楼阁”。科沃斯以三年时间走完AI落地全路径，遵循“松土—打样—铺开”的稳健节奏，用最小成本建立信心，用可见成果推动变革，最终实现全业务覆盖，恰恰证明了分阶段推进的必要性。 理解了五阶段模型，我们就能回答一个更紧迫的问题：为什么大多数中型、大型组织在AI转型中步履维艰？它们卡在了哪里？中国企业的特殊阻力又是什么？这正是下一部分要讨论的内容。 三、中型/大型组织的核心困境 五阶段模型画出了“应该往哪走”的地图，但现实中，大多数组织连L2都跨不过去。它们不是不知道方向，而是被五种困境死死按在原地。 3.1 全球共性困境 无论规模大小，企业在AI转型中普遍面临以下三重困境。它们相互缠绕，构成了从L1迈向L2的第一道坎。 这是最基础也是最普遍的误区。企业为全员采购了Copilot企业版，但业务流程没有任何改变，部门墙依然林立，信息仍然需要人工传递。企业以为“采购了AI就等于完成了AI转型”，实际上只是给员工发了一个更贵的“个人助手”。标普全球的数据显示，高达42%的公司放弃或搁置了其大部分AI项目，一年前这一比例仅为17%。Gartner的研究也预测，高达85%的AI项目无法扩大规模或交付预期的商业价值。 这种“买了即转型”的幻觉，根源在于把“技术采购”等同于“组织变革”。正如一位业内人士所指出的，“绝大多数B端企业的中台项目，都走向了同一个结局：投入巨大，产出甚微，最终沦为一个无人问津的‘烂尾工程’。” 麦肯锡的研究指出，这是企业推进AI转型时最隐蔽、最难应对的阻力。管理者常常在无意中陷入认知与组织层面的偏见。现状偏见与思维惰性，会悄然拖慢企业推进生成式AI的脚步。哪怕出发点再正确，这种“习惯的力量”也会让变革举步维艰。 “AI转型实践中观察到两大典型痛点。其一，企业常将AI项目异化为纯IT工程。董事长直接指派IT部门主导，在项目初期大量采购大模型、部署GPU算力，但忽视业务部门实际需求。待基建完成，业务部门却不知如何使用。”这一“技术先行、业务滞后”的模式，是组织惯性最典型的表现。 BCG的研究则为这一困境提供了更精确的归因：“10%的AI成功来自模型，20%来自数据和技术基础设施，70%来自组织设计、工作流和文化采纳。” 数据中台虽然统一了数据接口，但部门墙仍在。销售数据不敢给生产看，财务数据不敢给业务看，合规数据不敢给运营看，AI只能分析“被允许看到的数据”，无法获得全貌。BCG在2026年5月发布的《AI组织坍缩效应》报告中首次系统提出了“部门墙坍缩”“翻译型岗位消失”“专家护城河转移”等核心判断。报告指出，在过去的科层制中，中层管理者不仅是权力的延伸，更是“信息不对称的受益者”，他们收取着“信息税”，而AI正在系统地压缩这种“信息税”。 3.2 中国特殊性：四重特殊阻力 中国企业的AI转型，除了上述全球共性困境，还有四重特殊的结构性阻力。它们不是“技术落后”的问题，而是“制度差异”的问题。 中国企业的中层不仅是“信息中介”，更是“权力节点”。在科层制中，信息的流动路径就是权力的流动路径，谁掌握信息，谁就掌握话语权。AI带来的决策透明化直接威胁其权力基础，因此抵制不仅是“技能焦虑”，更是“权力保卫战”。 有分析指出，央国企AI转型正在从认知启蒙、试点探索阶段，进入以主业融入、数据筑基、组织协同和产业重构为核心特征的深水区。其成败不取决于单点技术应用的多少，而取决于是否形成以高价值场景为牵引、以高质量数据为底座、以组织机制创新为保障的体系化能力。而“组织机制创新”中最难啃的骨头，就是权力结构的调整。部分国有企业仍受较强行政惯性影响，层级化的冗长决策流程难以适应市场“分秒必争”的竞争节奏；长期形成的“条块分割”与“数据孤岛”，严重制约了其构建开放创新生态与参与产业链协同的能力。 很多决策不是基于数据，而是基于长期合作形成的“关系”和“默契”。一套供应商准入系统，AI可以基于数据评分给出推荐，但采购负责人可能仍然选择“老关系”供货商，因为他知道对方“不会出问题”。这种“信任”不是非理性，而是基于长期合作的隐性知识，AI无法替代。 在中国企业里，关系网络是决策的隐性维度。AI可以告诉你“哪家供应商价格最低”，但它无法告诉你“哪家供应商在危机时愿意赊账支持你”。这使得数据驱动的决策建议常常难以落地。不是数据不准，而是决策的考量维度超出了数据的边界。 国企和大型民企的核心价值观中，“稳健”往往排在“创新”之前。科沃斯的“全员自由探索”在国企可能被视为“无组织无纪律”。这种文化差异决定了AI转型路径的不同。民企敢“试错”，国企更倾向于“等成熟了再上”。 有分析指出，职能条线部门墙、信息孤岛现象较为严重，集团总部难以穿透掌握基层企业真实信息，动力传导弱。“数据孤岛”和“信息不透明”的背后，是“稳”字文化带来的“不敢动”。动了可能出错，错了就有责任。 （4）合规焦虑与制度性摩擦：不只是技术问题，更是合规问题 《数据安全法》《算法备案》等制度要求，使得中国企业的AI部署比海外多了“监管适配”成本。模型合规、数据跨境、算法备案等环节需要额外投入，这是真实的、独特的阻力。 这种合规焦虑直接影响了企业的AI战略选择。据行业观察，当前央国企的AI项目大部分采用BAT、华为、商汤等外部企业的AI技术，自研比例有限；场景也大多聚焦客服、质检等“低风险、高重复性”单一场景，尚未触及核心业务。不是不想深入，而是不敢深入。触及核心业务的AI应用一旦出问题，合规风险难以承受。 这四重阻力相互缠绕，构成了中国企业AI转型的“独特性困境”。它们不是技术问题，而是组织问题、文化问题、制度问题，而这恰恰是AI无法解决的“人”的问题。 3.3 中层管理者的“坍缩焦虑”与出路 在所有的转型困境中，中层管理者是感受最深、压力最大的群体。BCG的报告一针见血地指出，“中层管理者正在失去的不是职位，而是因信息不对称获得的‘信息税’”。 Gartner的预测更加激进：到2026年底，20%的组织将利用AI实现组织结构的扁平化，消除超过50%的现有中层管理岗位。一项全球高管调查显示，67%的CEO预计企业将更倾向于用“新人+AI”的廉价组合来替代“中层管理者+团队”的传统结构。Meta等科技巨头近年来的裁员行动，核心目标之一就是“以更扁平化的结构运营，更快地行动”。企业发布的中层管理职位数量比峰值时期也出现明显下降。 但这不是中层的“末日”，而是“转型”。那些能够适应AI协作、完成角色转变的中层，不仅不会被替代，反而会成为AI时代最稀缺的人才。正如一位管理学者的观点：“具备创新能力、沟通能力、战略思维，能做AI做不了的事的中层，不仅不会被替代，反而会成为AI的管理者，实现自身价值的升级。” 具体来讲，中层管理者有以下三条出路（与五阶段模型映射）。 一是AI编排者（对应L3的“调度者/架构师”），从“管人”转向“管智能体”，设计人机协作流程，调度多智能体协作。这是从“人管人”到“人管AI”的跃迁。一位IT经理从“超级救火队员”蜕变为“AI调度官”的转型实践，生动呈现了依托Agentic Workflow、RAG与LUI技术，构建数字化“中军帐”，从被动救火到主动编排的跃迁。他的KPI从“处理了多少投诉”变成了“AI准确率+人工干预率”。 二是数据决策者（对应L4的“裁决者”），从“信息传递”转向“信息解读”。利用AI的“上帝之眼”，从海量数据中识别价值，做出精准判断。调研显示，相当比例的中层管理者感受到了“技能焦虑”。麦肯锡的报告则指出，消极应对AI转型的中层管理者是导致AI项目成效不彰的主要原因之一。AI编织的透明之网，让决策者必须直面数据本身的真实性和挑战性。 三是组织教练（对应L5的“定义者”），从“监督执行”转向“培养人”。帮助团队适应AI时代，提升AI素养，化解变革焦虑。研究指出，在AI时代的数字化转型中，中阶管理者担任关键的推动者。一个中层管理者如果能够帮助团队成员理解AI、信任AI、善用AI，那么他的价值将不仅仅是“管理”，而是“赋能”。“AI当然不会完全取代管理者，但掌握AI的管理者会更容易取代不愿改变的管理者。”中层管理者的转型，本质上是沿着L1-L5的阶梯向上攀爬。Gartner的预测描绘了这场转型的时间坐标，到2026年底，这一变化将对工作场所产生重大影响。AI织就了信息的透明之网，让中层管理者的护城河从“我知道别人不知道的信息”变成了“我能驾驭AI做别人做不到的事”。 理解了困境，我们就能问出最关键的问题：如何破局？不同困境对应的解法是什么？这正是第四部分要回答的核心问题。 四、从工具智能到组织智能的破局路径 第三部分我们拆解了转型中的五大困境。那么，如何破局？表2所示的五条路径针对上述困境一一对位。 表2 五重困境与破局路径对位表
困境
破局路径
L1幻觉（买了工具=转型）
4.1 重新设计业务流程：不给流程加AI，而是用AI重构流程
文化惯性 /稳态文化
4.5 从“试错”到“容错”的 文化重塑
数据孤岛 /部门墙
4.3 组织微型化与DRI模式——打破部门墙
中层权力保卫战
4.2 从“层级公司”到“智能公司”
缺乏系统性规划
4.4 职能AI一体化与AI卓越中心
4.1 重新设计业务流程：不给流程加AI，而是用AI重构流程 这是破局的第一条路径，也是最根本的一条。它的核心逻辑是不是“给现有流程加AI”，而是从根本上重新设计“人做什么、AI做什么”。 科沃斯是这条路径的典型实践者。2025年，科沃斯AI转型进入全面铺开阶段，核心逻辑发生根本转变：不再以部门为单位，而是围绕公司主价值流重构全流程。作为产品驱动型企业，科沃斯的主价值流清晰明确：产品定义—研发—生产—品控—售后—市场推广，所有部门围绕这一主价值流重新组织。科沃斯遵循“松土—打样—铺开”的稳健节奏，用最小成本建立信心，用可见成果推动变革，最终实现了全业务覆盖。 在具体流程改造上，科沃斯体现了“重写”而非“微调”的思路。消费者需求挖掘从“人工爬虫-打标-提取”的长链条，简化为“AI自动筛选-人类深度分析”的高效模式；采购流程从“价格导向”转向“多维度战略决策”，实现了效率与价值的双重提升。 科沃斯的经验揭示了一个关键原则：AI不是流程的“加速器”，而是流程的“重写器”。在AI时代，企业需要回答的核心问题不是“AI能帮我优化哪个环节”，而是“如果AI是默认的基础设施，这个流程应该被设计成什么样”。BCG研究指出，AI成功的关键不在于技术本身，而在于围绕AI重新设计组织结构和工作流程。这正是科沃斯“围绕主价值流重构”的核心要义。 4.2 从“层级公司”走向“智能公司” 第二条路径触及了转型中最敏感的一环，就是权力结构。当AI开始压缩“信息税”，中层管理者的权力基础被动摇，来自权力结构的阻力就成为转型的深水区。这条路径的核心是用AI替代中层管理承担的信息协调功能，重构权力的来源，也就是从“掌握信息”到“驾驭AI”。 李开复在多次演讲中强调，传统CIO主导的自下而上AI转型模式大概率会失败，企业AI转型绝对是一把手工程，需要CEO自上而下推动。CIO的核心职责是保障系统稳定与安全，IT部门自下而上的AI转型大概率会失败，这不是能力问题，而是AI转型本身就是组织变革，技术可以自下而上创新，但组织变革必须自上而下推动。 这一判断已经被数据印证。Gartner预测，到2026年底，20%的组织将利用AI实现组织结构扁平化，消除超50%的现有中层管理岗位。Meta等科技巨头近年来的裁员，核心目标就是“以更扁平化的结构运营，更快地行动”。数据显示，2024年年底企业中中层管理职位的招聘数量比2022年就已经减少了42%。 在这场变革中，Block（前Square）CEO Jack Dorsey的构想提供了一个极端的未来指向（前沿实验，尚未大规模落地）。他提出把公司本身构建成一个“智能体”，将组织角色简化为IC（个人贡献者）、DRI（直接负责人）和player-coach（球员兼教练）三种。“智能层”负责协调与信息流动，人类不再传递信息，而是负责定义目标、做出决策、承担后果。在李开复的展望中，DRI模型会成为AI原生公司最核心的组织架构，“DRI+多智能体”将重构未来企业的基础单元。 4.3 企业内部的组织“微型化”与DRI责任模式 第三条路径聚焦于数据孤岛和部门墙，这是转型中最顽固的“硬骨头”。科沃斯从部门制转向围绕主价值流重构，本质上就是打破部门墙：不是用技术强行打通数据，而是用业务流程的“意义”重新定义组织边界。当AI成为流程引擎，部门之间的信息“中转站”自然消失。 出门问问的“超级组织”实践为这一路径提供了具体的操作蓝本。李志飞在2026年4月的“超级组织”战略发布会上指出，“一个人变强，不代表组织进化了。真正重要的，是整个团队如何完成系统性进化”。他提出的核心公式是：超级个体能力 × 协同机制 = 超级组织。 出门问问发布的AI原生协作平台，以“项目”为核心单元，一个项目同时对应群聊、智能体和独立工作区，支持Skill调用与复用、跨项目智能体协作以及独立云端虚拟机环境，试图把聊天、文件、任务和执行过程放进同一套系统中。在公司内部，AI的融入已经使产研效率明显提升，Token成本占比已达到人力成本的显著比例。这一实践验证了“AI作为主力，甚至AI本身也是组织者”的可能性。在这一组织模式下，人类员工从“直接执行”转变为“与智能体协作”或“管理智能体”，这正是L3“调度者/架构师”角色的具象化呈现。 4.4 职能AI一体化与AI卓越中心 第四条路径解决的是“系统性规划缺失”的问题。如果企业各部门各自为政、重复建设AI能力，就会陷入“点状提效、全局低效”的陷阱。这条路径的核心是从替代HR的重复性事务，到优化企业核心的业务决策链条。AI对组织价值的演进路径逐步清晰。 这一路径需要“AI卓越中心”（Center of Excellence, CoE）来统筹。微软官方对AI CoE的定义是：通过推动组织和技术准备，促进广泛采用AI。Gartner的洞见也指出，AI CoE的使命必须从“技术执行中心”进化为“战略赋能中心”，统一调度、沉淀能力、输出标准、赋能全员。 换言之，AI CoE不是一个“技术部门”，而是转型的指挥中心。它需要回答三个关键问题：企业应该优先在哪些业务场景部署AI？AI的ROI如何量化？AI引发的组织变革由谁推动？没有CoE的统一规划，企业AI转型很容易陷入“部门级试点成功、企业级推广失败”的困境。 4.5 从“试错”到“容错”的文化重塑 第五条路径对应的是“文化惯性”和“稳态文化”，这是最容易被忽视、却可能是最深层的障碍。科沃斯“三年走完AI落地全路径”的成功，关键在于“松土—打样—铺开”的渐进式节奏：先通过全员自由探索“松土”，让员工无风险地接触AI、理解AI、信任AI；再聚焦高价值场景试点“打样”，用最小成本验证效果、建立信心；最后围绕主价值流重构全业务“铺开”。 “松土”机制的核心是低门槛、无风险。来也科技在2026年初发布了年度战略项目：“打造AI原生组织，领跑AI时代的协作与创新”，清晰地向每个员工传递了打造AI原生组织的目标，并组织了“AI Agent达人评选项目”，鼓励全员分享实践。 某传统制造企业“优织隆”的转型更印证了“文化先于技术”的重要性。这家平均年龄约45岁的企业，在短短半年内，全员完成AI基本工具的培训，从研发、制程到行销端整合AI相关应用，达成了设计周期和成本显著节省的成绩。它证明了，只要组织愿意“放手”让员工尝试，中年团队同样可以完成AI进化。 德胧集团的战略思路则指向了更深层的文化价值。其发布的“超级员工”AI和数据中台，共同构成了一套“从数据到决策”的完整闭环，本质上是将决策权从“经验”转移到“数据”，将组织文化从“服从指令”转向“对结果负责”。这正是从L2“流程嵌入”向L4“决策重构”的文化升级。 李开复的判断为这条路径提供了终极背书。他呼吁企业停止部署仅用于会议纪要、内部搜索等价值有限的“表演式AI”，应构建能深入核心业务的结构性引擎，实现清晰的投资回报。文化重塑的最终目的是将AI从“表演”推进到“业务核心”。这一点，与企业从L2到L4的跃迁是同一枚硬币的两面。 五、组织AI成熟度自检清单 理论再完备，最终还是要回到一个最现实的问题：我的组织现在处于哪个阶段？下一步该怎么走？ 以下六个问题，可以帮助企业快速定位自身所处的阶段。建议管理者在回答时，不要只凭直觉，而是召集核心团队一起讨论，因为AI转型从来不是一个人的事。 第一问，你的企业是否有统一的AI平台或操作系统？还是员工各自用个人账号，在“影子AI”的安全黑洞中各自为战？ 如果答案是否定的，说明你的企业还处于L1（工具辅助）阶段。这是最容易被忽视的风险层：员工用个人ChatGPT处理工作数据，企业的敏感信息可能流向不可控的第三方平台。IT部门甚至不知道员工在用哪些AI工具。 第二问，你的AI应用是否改变了任何一个核心业务流程，还是只做了“锦上添花”？比如，AI只是加速了某个环节，但没有改写整个流程的KPI？ 如果答案是否定的，说明你的企业处于L1-L2之间。你可能已经采购了企业级AI平台，有统一账号和数据管控，但业务流程没有根本改变，部门墙依然林立，信息仍然需要人工传递。这是“买了工具、没做转型”的典型特征。 第三问，你的中层管理者是否主动推动AI落地？还是消极抵制，把AI当成“又来一个折腾人的项目”？ 如果中层管理者表现出明显的“技能焦虑”或“权力保卫战”，那是他们担心自己的价值被AI取代，或者担心信息透明化会削弱自己的话语权，说明你的企业正处于L2-L3的转型阵痛期。这是最难跨越的阶段，因为阻力不在技术，而在人心。 第四问，你的数据是否跨部门打通？还是仍然“部门墙”林立，AI只能分析“被允许看到的数据”？ 如果答案是否定的，说明你的企业还处于L2阶段。数据中台虽然统一了接口，但部门之间的信任没有建立。销售数据不敢给生产看，财务数据不敢给业务看，合规数据不敢给运营看。AI无法看到全貌，也就无法做出最优决策。这是“技术打通了，但人没打通”的典型症状。 第五问，你的CEO是否亲自参与AI战略？还是全权委托给CTO或CIO？ 如果答案是否定的，说明你的企业还停留在L1-L2之间。李开复的判断值得反复强调：“多数由IT部门自下而上推动的AI转型最终都会失败。”AI不是一次软件升级，而是一场组织变革。变革的推动力必须来自最高层，CEO不亲自下场，转型很难走出“试点炼狱”。 第六问，你的AI项目是否改变了任何一个财报数字？还是只做了“概念验证”？POC成功了，但一到生产环境就“水土不服”？ 如果答案是否定的，说明你的企业处于L2-L3之间。麦肯锡的数据显示，仅有约6%的企业实现了AI对利润表的实质性影响。绝大多数企业的AI项目，要么停留在“实验室阶段”，要么只在小范围试点有效，一旦推广到全业务就“失灵”。能改变财报数字的AI，才是真正的“组织AI”。 5.1 从“诊断”到“定位”：你的企业处于哪个阶段？ 将这六个问题的答案综合起来，可以形成一个清晰的“阶段定位图”。 L1（工具辅助）：无统一平台，员工各自为战；CEO不参与；AI未改变任何流程。 L2（流程嵌入）：有统一平台，但部门墙未拆；AI替代了部分人力，但流程未变；中层消极抵制。 L3（跨部门协作）：数据跨部门流通；AI驱动跨部门流程；中层开始主动推动。 L4（决策重构）：AI参与战略决策；财报数字被AI项目改变；CEO深度参与AI战略。 L5（组织原生）：AI成为组织基础设施；人机共生为常态；部门墙自然消失。 这个定位不是为了“贴标签”，而是为了“找方向”。每个阶段都有明确的跃迁任务：从L1到L2核心是统一平台、数据管控；从L2到L3核心是打破部门墙；从L3到L4核心是重构决策权；从L4到L5核心是文化重塑。 5.2 转型的“第一公里”从哪里开始？ 对于大多数处于L1-L2之间的企业，最重要的不是“一步到位”，而是找到那个“最小可行单元”，就像科沃斯以“围绕主价值流重构”为起点，用一条核心流程的AI化撬动整个组织的转型。 高杠杆点一：高频、高重复、低风险的流程。例如客服、报销审批、数据录入。这类流程数据充分、规则清晰、出错代价低，AI最容易替代，也最容易让员工“无痛”接受。 高杠杆点二：跨部门协作的“堵点”。例如销售-生产-物流的订单流转。这类流程痛点明显、部门冲突多，AI一旦打通，效果立竿见影，也最容易获得高层支持。 高杠杆点三：数据驱动的决策场景。例如库存预警、定价建议、客户流失预测。这类场景AI的价值可以直接量化（省了多少钱、多赚了多少钱），最容易“改变财报数字”。 科沃斯的经验值得借鉴：用三年时间，从“松土”到“打样”到“铺开”，用最小成本建立信心，用可见成果推动变革。企业的AI转型不需要“一步登天”，但需要“第一步”。而这第一步，就是找到那个最值得被重构的流程，然后动手。 六、组织的终极竞争力，不是AI有多强，而是人有多清醒 AI能力的边界仍在快速扩展。麦肯锡的数据显示，自2019年以来，AI可稳定完成任务的时长大约每7个月翻一番；自2024年起这一周期进一步缩短至四个月。若延续这一趋势，到2027年，AI系统有望在无需人工监督的情况下连续工作数天。AI正从需要全程指导的“实习生”，成长为可独立工作的“成熟员工”，甚至有望演进为能够参与制定和推动战略的“高级管理者”。 但AI也有其不可替代的边界，它无法通过经验积累专业知识，无法承担道德责任，无法建立信任、勇气或共同目标。某些技能并非自然形成，包括在不确定情况下的判断力、系统思维、道德升级，以及从既定战略的角度审视机遇与挑战的能力。 从个人AI到组织AI的跃迁，本质上是从“工具效率”到“组织智能”的升维。这不是技术问题，而是战略问题、组织问题、文化问题、人心问题。 AI可以写代码、做报表、优化流程，但AI无法替你判断“这个方向对不对”，无法替你承担“决策错误的后果”，无法替你建立“团队的信任和勇气”。这就是组织AI转型的终极命题：AI越强大，组织越需要“清醒的人”，也就是那些能够定义问题、承担责任、建立信任的人。 想象一家AI原生组织的日常。清晨，AI智能体已经排好了全天的生产计划，销售预测自动驱动库存补货，客服智能体处理了90%的常规咨询。人类员工走进会议室，不是去“执行”指令，而是去“判断”这个计划是否符合公司长期战略，去“决定”那条新业务线是否值得投入，去“建立”跨部门协作中那些算法无法量化的默契。 在这个画面里，AI做的是“把事情做对”，人做的是“做对的事情”。AI负责“效率”，人负责“意义”。 从系列文章的“四象限框架”，到医生的“判断与信任”，到OPC的“问题定义权”，到“能力跃迁”，到“孤独感排解”，到“赛道选择”，再到本篇的“组织重构”，近期七篇文章共同回答了同一个问题：当AI成为基础设施，人还有什么不可替代？ 答案是：定义问题的能力，承担责任的勇气，以及建立信任的温度。这三样东西，无法被任何智能体替代。而重构组织的起点，不是更强大的AI，而是更清醒的人。
夜雨聆风
