《置身钉内》在 AI 圈火了。

字里行间，满是失望。

3天后，钉钉前副总裁发文《置身钉外》，炮轰钉钉管理问题。

7天后，钉钉管理层调整，CEO 陈航卸任。

为什么一篇文章，能够引起这么大的风波？

如果只把它当成大厂人事变动，或者钉钉内部矛盾，那有点可惜了。

它让人警醒一个更深层次的问题：

AI 进了企业以后，旧的管理方式会不会借着 AI 重新回来？

钉钉 ONE 的失败，不只是一个功能没做好，也不只是某个团队不够努力。它更像一个样本：当一个曾经靠“确定性”赢过的办公产品，试图把 AI 做成新的工作入口时，旧时代的成功经验，可能会用什么样的方式，反过来限制新项目。

所以，我最想拆开的，反而不是 ONE 的卡片、首页、算法，而是两个字：

“已读”

表面看，已读只是一个交互状态。

可在钉钉里，它不是交互细节，而是一种管理承诺。

通知发出去了，对方有没有收到？

任务布置下去了，后面有没有回音？

早年的钉钉，就是靠这些看起来很小、但足够刚性的确定性，在企业协作市场里站住了脚。DING、已读未读、企业通讯录、审批，它们当然有强管理、强控制的一面，但在当时，也确实解决了一个企业里愿意付钱的人最焦虑的问题。

所以已读不是一个小功能。

它是钉钉当年理解企业管理的一种方式：把“我已经发了”，往前推到“对方已经接到了”。

问题也从这里开始。组织当然害怕失败，但成功有时更难处理。失败至少会逼人复盘，成功却容易把当年的条件，误认成一套永远有效的方法。

AI 进来的时候，这套旧答案很容易复活。

过去是“我发出去的消息，对方有没有看见”。到了 AI 时代，就可能变成“所有应该被看见的事，系统都要替我看见；所有没有推进的事，系统都要替我推出来；所有人的工作状态，系统都要替我整理成一张更清楚的表”。

听起来很先进。

但如果方向没想清楚，AI 只会把旧管理里的焦虑，变成更细、更密、更自动化的焦虑。

这就是《置身钉内》的教训：新技术进入组织时，危险的不是技术不够强，而是它被旧惯性接管。

旧时代的正轨，未必能通往新时代的远方。

别把三年后的事，塞进今年的预算

先说清楚，我不否认 AI 的长期影响。

人们总是在短期内高估新技术，又在长期内低估新技术。AI 当然会改变企业管理。它会改变岗位边界、流程设计、协作方式，也会改变很多企业对“人效”的理解。

但至少在未来三年里，AI 不是哆啦 A 梦。

它不会拿出一个万能道具，帮你一次性解决销售管理、组织协同、客户关系、流程混乱和员工主动性。那些问题原来为什么难，AI 出现以后还是为什么难。客户不会因为你接了大模型就自动成交，员工不会因为多了智能助手就自动负责，流程也不会因为多了一个 AI 卡片就突然清楚。

可很多企业听到“长期会改变一切”，马上就把三年后、五年后的想象，塞进今年的预算和 KPI。

买账号，做培训，拉群，每个部门交一份“AI+业务”方案。汇报材料做得很完整，真实工作现场却没有动多少。

这不是拥抱 AI。

这是用 AI 安慰自己。

所谓“AI 一下”，本质上还是一拍脑袋。过去一拍脑袋，让人去加班；现在一拍脑袋，希望模型替你加班。粗糙的管理没有消失，只是换成了一套更贵的技术包装。

智能体的账，不能按互联网算

钉钉做 ONE，最顺理成章的地方，是它看起来天然离工作现场很近。

它有组织关系，有消息，有会议，有日程，有待办，有审批，有文档。相比一个单独的聊天框，钉钉当然更像企业 AI 有条件落地的地方。

但也正因为如此，它更容易犯一个错：用传统互联网平台的方式，去理解智能体。

传统互联网平台最重要的商业优势，是复制成本低。软件做好以后，多服务一个用户，多卖一个客户，成本不会线性增加。SaaS 也继承了这套逻辑：做通用产品，卖更多企业，用规模摊薄研发成本。

智能体不是这个逻辑。

我倾向于把智能体能力拆成一个公式：

LLM * Agent * Context。

LLM 是底座，决定它的语言理解、推理和泛化能力。Agent 是执行层，决定它能不能调用工具、读系统、写入流程、执行任务。Context 是现场，决定它到底懂不懂这家企业。

只要 LLM，没有 Agent，它只是会说话。

只要 Agent，没有 Context，它只是会机械执行。

只要 Context，但模型能力不够，它又消化不了复杂情况。

这三个里面，最容易被低估的是 Context。

因为 LLM 本身更像一台无状态机器。你不给它足够的现场信息，它每一次调用，都只能根据当前输入重新推断情况。它不知道这家公司过去发生过什么，不知道这个客户为什么敏感，也不知道这个流程里哪一步看似普通，其实一错就会出大事。

要让它知道，就得把现场信息交给它。

客户从第一次接触到今天的状态，通话记录、邮件、合同、回款、交付记录，都要接进去。审批逻辑、权限边界、异常案例、历史规则，也要接进去。岗位 SOP 里那些原来靠老员工口口相传的部分，要一点点从个人经验里整理出来，变成系统能读的东西。

这不是免费的。

更重要的是，智能体每一次工作都要花钱。

你让 AI 总结一段会议纪要，成本当然不高。可 ONE 想做的不是“总结一下”，而是主动识别哪些事项需要处理，再把卡片推给对应的人。

这中间每增加一个环节，成本都会增加一层。它要读消息和文档，要识别事项，要判断优先级，要理解组织关系和权限边界，还要保证推送没有越权、没有误伤、没有把不该出现的信息推到别人面前。

单次生成不贵。

贵的是把一件事从发现、理解、排序、推送到兜底，完整跑完。

而闭环越长，上下文越多，token 越多，算力越多，系统集成、权限控制、数据整理和复核成本也越多。

《置身钉内》里，成本不是附带问题，而是直接改变了产品形态。各业务线都想接入 ONE，因为接入以后就有了一项“AI 落地”的成果；但 token 消耗、算力压力、体验缩水，最终都会集中到 ONE 的成本账上。前期为了赶发布会，可以先粗放投入；进入运营阶段，账就会变得具体：摘要字数要压缩，权限要收紧，免费用户体验也会被削弱。

这不是某个产品经理不够努力。

这是 AI 产品的成本结构，和传统互联网产品不一样。

所以企业智能体有一个很现实的不可能三角：

低成本、通用性、高频使用，很难同时成立。

你想低成本，就不能什么都管。

你想通用，就很难深入每家企业的现场。

你想高频使用，就必须接受持续发生的推理成本、上下文成本和维护成本。

这个账算不清楚，企业做 AI 升级，就很容易把互联网时代的规模幻觉，搬到 AI 时代。

越想通用，越容易停在浅层

钉钉的问题，恰恰是它一开始仍然想沿用互联网平台的旧路。

海量用户，日常入口，能被管理层理解并买单的价值，再叠加互联网时代低边际成本的想象。

这是钉钉过去跑通过的路径。

但智能体的不可能三角，正好和这条路径冲突。

一个平台要服务所有企业，就会先抓最大公约数。对办公软件来说，最大公约数通常是消息、文档、会议、待办、审批。

于是智能体很自然会被放到消息流里、卡片里、首页里。

这条路最顺。

因为它通用，成本可控，发布会也好讲。

但它也最容易浅。

企业真正有价值的问题，往往发生在更具体的业务流程里。

群里能看到大家在催报价，但报价为什么出不来，可能卡在成本表、历史折扣、账期风险和审批权限。待办里能看到售后单超时，但单子为什么关不掉，可能卡在备件库存、质检记录、责任判定和客户承诺。会议纪要里能写“门店缺货”，但缺货到底是预测错了、仓库没配、配送延迟，还是店员没及时补单，答案不在纪要里。

消息层看到的是业务动作留下的痕迹，不是业务动作本身。

这些痕迹当然有用。没有消息和通知，组织会失去基本协同。但如果智能体只在这一层工作，它能把摘要写得更完整，把提醒发得更及时，却很难真正改变报价、售后、补货、交付这些业务动作。

智能体越接近业务源头，就越有价值。

但它越接近业务源头，就越不通用。

以物业排班这类需求为例，卡片只是最后呈现出来的东西。真正麻烦的是把楼栋、人手、巡检频次、异常上报、验收标准放进同一套规则里。换一家物业公司，规则可能就变了；换到餐饮、工厂、医院，就更不是一回事。

所以平台会被一种结构性力量推回浅层。

消息、文档、会议，是所有企业都能共用的入口；巡检、报价、仿真、交付、售后，却带着行业、公司、岗位和流程的差异。前者容易规模化，后者才真正贴近业务。

这就是矛盾。

企业需要智能体深入现场。

但智能体深入现场，必定需要更多上下文、更多集成、更多定制，也就必定有更高成本。

钉钉 ONE 的问题，不只是把智能体放在了 IM 首页。

更深一层看，是它想用一个平台级、通用型、高频入口，去承接本来应该深入业务现场的智能体任务。

最危险的越界，是“替”人判断

当智能体停在消息层，却又想证明自己有用，就很容易走到下一步：

替人判断什么重要。

ONE 的核心想象，是“让事找人”。这句话听起来很好：最好不用自己翻消息，重要事项就能自动被推到眼前。

可问题是，什么算“事”？

谁的事更重要？

哪条消息应该排在前面？

哪个客户应该先跟？

这些问题不是简单的信息排序，而是管理判断。卡片排在第几位，表面看是算法问题，实际是在替组织分配注意力。

《置身钉内》里，优先级算法之所以会引发争议，就是因为它绕不开职级、紧急度、截止时间、历史互动这些权重。ONE 想替销售安排优先级，替用户决定哪些工作应该被主动推到眼前。看起来是在帮人减负，实际上是在替人回答一个很难的问题：在这家企业、这个岗位、这段关系里，什么才值得现在处理？

这一步很危险。

因为信息量增加，不等于责任判断自动成立。

判断里面有责任，有关系，有风险，有时机，还有人对后果的承担。一个项目延期三天，AI 可以提醒；但这三天延期，是供应商没供上，是客户临时改需求，是内部评审卡住，还是团队故意留缓冲，最后要不要延期交付、要不要升级汇报、要不要换方案，不能交给机器拍板。

AI 可以整理材料，可以提取事实，可以生成选项，可以提醒异常。

但最后那一下判断，不能甩给机器。

这不是保守。

这是现阶段企业 AI 最基本的边界。

钉钉的问题也正在这里：它把早年那套“消息必须被接住”的产品直觉，升级成了 AI 主动排序、主动推送、主动干预。

于是 AI 不再只是帮组织看见事实。

它开始替组织安排人的注意力。

企业管理者必须警惕这一点。AI 该待的位置，不在判断位，而在执行位。它可以帮管理者看见更多事实，但不能替管理者承担判断的责任。

如果这条线画不清，AI 越强，管理越危险。

AI 的第一个入口，是一段可交付的流程

所以，企业不要一上来就幻想“AI 重塑组织”。

更现实的入口，是找一段边界清楚、结果可验证、上下文能补齐的流程。

比如项目交付。

一个项目到了周五，项目经理要把进度、风险、待确认事项整理给负责人。真正麻烦的，不是写周报，而是事实散在各处：客户在群里改过一次口径，供应商在邮件里提过延期，设计稿在文档里换过版本，财务那边还有一笔款没到。

于是周报变成一种人工整理。

项目经理翻群、翻邮件、翻文档、问同事，最后拼出一个“本周进展”。看起来是在做管理汇报，实际上是在把散落在系统和人脑里的事实，临时整理成一个可被管理层理解的状态。

很多管理汇报，本质上先是在做信息归并。

这类工作，才是 AI 应该先承担的。

不是替项目经理判断要不要延期，也不是替负责人决定要不要追加资源，而是把版本变化、客户确认、供应商反馈、付款节点这些事实归并起来，把缺材料、缺确认、缺动作的地方标出来。它处理事实，维护状态，提醒异常。到了要不要改交付承诺、要不要升级客户沟通、要不要换供应商的时候，再把问题交回给人。

这件事听起来不宏大。

但很多企业的效率，就是被这种不宏大的事消耗掉的。

再换一个场景，财务每月对账。

外人看，以为就是核数字。真到现场才知道，合同、发票、回款、项目节点、税率、客户抬头，任何一个地方对不上，都要来回找人确认。

你让 AI 一句话“帮我自动对账”，它当然做不好。

可如果把合同台账、开票记录、回款流水、项目状态和异常规则接进去，它就能先把一大批重复核对、缺项提醒、异常标记的工作承担起来。

这才是现阶段更现实的企业 AI。

不是替人做所有判断，而是先处理一段流程。

流程能自动完成，就继续往前；走到边界，就把问题交回给人。

定制化，是把隐性知识沉淀下来

麻烦也在这里。

不同企业可交付的流程，并不一样。

同样叫客户跟进，工业品、软件服务、咨询项目、消费品渠道，完全不是一套东西。

同样叫排班，物业、餐饮、工厂、医院，也不是同一种现场。

连“异常”这个词，在不同公司里都不是同一个意思。

这就是为什么企业 AI 很难绕开深度定制。

平台公司不喜欢定制，原因很现实。定制不可复制，交付成本高，毛利不好看，还要有人下到现场，听很多零碎、含混、互相矛盾的要求。

但企业 AI 的价值，恰恰就在这些零碎信息里。

很多企业真正的流程，不完全在制度里，而是散在一线的判断习惯里。

比如采购看到某个供应商突然改交期，会知道后面大概率还有价格问题；项目经理听到客户反复追问“上线后谁负责”，会意识到对方其实在担心责任边界；门店督导看见某个品类连续两天卖得快，会提前调整陈列和补货；法务看一份合同，不只是看条款有没有写全，还会看哪些措辞以后容易留下扯皮空间。

这些判断很少被完整写进系统。

不是因为它们不重要，而是因为它们太依赖场景。

很多人说不清自己为什么这么判断，最后只能说：以前遇到过，差不多就是这个味道。

可 AI 听不懂“这个味道”。

它也没有组织里的默契可以借用。

它不会默认老张知道，也不会默认财务那边会帮忙兜一下，更不会理解某个流程虽然写着三步，实际要绕七个微信群。你要它工作，就必须把这些隐性规则摊开，把输入、输出、责任、权限、异常、兜底都说清楚。

所以，真正做智能体，不是把一个模型装到企业里就结束了。

它更像把企业散落的隐性知识，一点点梳理出来、连接起来、沉淀下来。

采购说“这个供应商最近不稳”，不能只停在这句话上。

你要往后追：交期变过几次？报价有没有同步变化？质检有没有异常？付款条件有没有重新谈？类似情况过去最后是断供、涨价，还是一次普通延迟？哪些信号可以自动提醒，哪些必须让负责人介入？

这才是从经验到系统的过程。

不是把所有经验都变成规则。

有些判断仍然只能留给人。

但那些高频、重复、可验证的部分，可以先沉淀成案例、检查点、异常规则和工具动作。再往前一步，才可能被智能体接管一段，变成真正的自动化。

所以 AI 落地的第一项收益，未必是立刻省人。

它可能是逼企业第一次把自己看清楚。

很多公司平时能正常运转，不是因为流程真的清楚，而是因为人一直在补位。老员工凭经验补，部门经理靠关系补，负责人靠拍板补。AI 一来，这些流程缺口都会暴露出来。

这会让人不舒服。

因为你会发现，原来很多所谓“成熟流程”，只是大家习惯了在混乱里互相迁就。

原来很多所谓“组织能力”，只是几个关键员工在默默承担系统没有承担的责任。

但这件事值得做。

真正有价值的定制化，不是给客户做一堆花哨功能。

而是借 AI 这件事，把企业从口头经验、个人记忆和临时协调里，一点点带回到可描述、可执行、可验证的流程里。

旧时代的正轨，未必通向新时代

大企业有惯性。

惯性不一定是坏事。

没有惯性，企业会反复摇摆，组织会失去节奏，流程会不断被个人意志打断。很多时候，惯性能让企业沿着既定轨道往前走，让复杂系统不至于失控。

但旧时代跑通的管理方式，不一定适合 AI 时代。

钉钉早年的强触达、已读、确定性，在过去是优势。它解决了管理者愿意为之买单的问题，也塑造了钉钉的产品骨架。

但当 AI 进入这套骨架，旧优势就可能变成新问题。

因为 AI 会放大一个组织原本的倾向。

一个原本偏管控的系统，接入 AI 后，可能变成更精细的管控。

一个原本流程混乱的组织，接入 AI 后，可能只是生成更多看起来完整但无用的总结。

一个原本喜欢运动式管理的企业，接入 AI 后，也许只是把“全员行动”换成“全员 AI”。

AI 不会自动纠正一家公司的第一反应。

它只会让那种第一反应变得更快、更频繁、更像一套系统。

所以企业管理者面对 AI，最需要的不是热情，而是清醒。

真正清醒的 AI 项目，开会时不会先问那些听起来正确、但没有落到业务上的问题。

它不是先问“能不能全员接入”，而是问这段流程为什么一直要人补。

不是先问“模型够不够强”，而是问它到底需要看到哪些事实。

不是先问“能不能自动决策”，而是问流程走到哪一步必须交回给人。

不是先问“能不能做成标杆”，而是问每一次调用和维护的成本，能不能被业务收益覆盖。

这些问题问不清楚，AI 项目越大，越可能变成一场昂贵的自我安慰。

《置身钉内》的意义，不只是记录一个产品的起落。

它提醒所有企业：AI 不是万能管理工具，也不是更高级的监控器。

短期内，AI 应该先被放在执行位，而不是判断位。

它可以提取、归并、核验、提醒、生成、调用工具，跑完一段流程；但客户关系里的轻重缓急，组织责任里的取舍，项目继续还是停止，最后都还要由人来承担。

企业真正该拥抱的，也不是“AI+”这个口号。

而是借 AI 这次机会，把自己的流程、责任、数据和判断边界重新梳理一遍。

AI 时代，企业管理者最重要的能力，不是把 AI 放进每个角落。

而是知道哪些地方该交给 AI，哪些地方必须留给人。