最近，两个关于AI 转型的瓜，几乎同时炸了。

一个在国内。

一个在海外。

一个发生在钉钉。

一个发生在Meta。

看起来是两个大厂八卦，但如果你把它们放在一起看，会发现它们讲的是同一件事：

企业不是不想拥抱AI。

企业是还没学会，用什么样的组织方式去承接AI。

一、钉钉的瓜：一个AI 明星项目，是怎么把团队卷进去的？

先说钉钉。

这件事的起点，是一篇7.5 万字的离职长文。

文章叫《置身钉内》。

作者是钉钉AI 工具 ONE 项目的核心产品经理，花名“幽素”。

7.5 万字是什么概念？

差不多是一本小书。

一个人离开公司前，不是简单写几句“感谢平台、祝好未来”，而是把一个项目从立项、推进、上线、冲高、下滑、收缩、拆分的过程，几乎完整复盘了一遍。

这本身就说明一件事：

这不是普通的离职情绪。

这是一个长期参与者，对一场AI 转型项目的集中反思。

ONE 是什么？

简单理解，它是钉钉在AI 时代想打造的一个旗舰级入口。

过去我们用办公软件，是“人找事”。

你要打开聊天。

你要看待办。

你要找文档。

你要翻会议纪要。

你要自己判断哪些事情重要，哪些事情可以晚点处理。

而ONE 想做的是另一种方式：

让AI 把你的工作信息、任务、待办、消息、会议内容重新整理，然后以一种更主动、更智能的方式呈现给你。

也就是说，它想从“人找事”，变成“事找人”。

这个想法本身很AI 原生。

因为它不是简单给钉钉加一个AI 助手。

而是试图改变办公软件的使用逻辑。

问题是，真正推进起来以后，事情没有那么简单。

一开始，ONE 是明星项目。

创始人回归。

战略优先级很高。

团队投入很重。

上线之后，数据也一度很好看。

公开报道里提到，ONE 的日活曾经冲到 300 万。

这听起来像一个很漂亮的故事。

但接下来，问题开始出现。

一个AI 原生产品，到底应该服务谁？

是服务老板？

还是服务员工？

是做高管的工作秘书？

还是做普通员工的效率工具？

是为了拉高日活？

还是为了真正改变工作方式？

是为了商业化？

还是为了用户价值？

这些问题如果没有想清楚，产品就会开始摇摆。

更麻烦的是，当一个项目被赋予太高的战略意义时，它就不再只是产品问题。

它会变成组织问题。

目标会不断加码。

节奏会不断加快。

汇报会越来越频繁。

团队会越来越紧张。

所有人都知道这个项目重要，但不一定所有人都知道这个项目到底应该怎么赢。

于是，AI 项目变成了高压项目。

产品讨论，变成了向上对齐。

用户价值，变成了数据压力。

团队创造，变成了机械执行。

最后，一个本来想用AI 改变工作方式的项目，反而把团队拖进了传统组织最熟悉的那套逻辑里：

更高目标。

更快节奏。

更多汇报。

更强执行。

更大压力。

这就是钉钉这个瓜真正值得看的地方。

它不是简单告诉我们：某个项目失败了。

它真正提醒我们：

二、Meta 的瓜：6500 名工程师，为什么会觉得自己被“征召”了？

再看Meta。

Meta 的故事，听起来更夸张。

一家全球顶级科技公司，为了推进AI，组建了一个几千人规模的 Applied AI 团队。

6500 名工程师和产品经理，被放进一个新的 AI 组织里，支持更大的 AI 战略。

站在老板视角看，这叫资源投入。

站在战略视角看，这叫All in AI。

站在外部看，很多人可能会觉得：

这才是大厂。

这才叫决心。

这才叫真重视AI。

但站在一些员工的视角里，感受完全不一样。

有些人并不觉得自己进入了未来。

他们觉得自己像是被“征召”了。

原来，他们可能在做产品、系统、工程、平台。

他们的工作有创造性。

有完整项目。

有明确归属。

有自己的专业尊严。

但进入新的AI 组织后，一些人的工作变成了 AI 模型训练和评估相关的任务。

比如给模型设计测试题。

比如做结果评估。

比如参与重复性的质量检查。

比如配合AI 训练链条里的某一个环节。

这些工作当然重要。

AI 模型要变好，一定需要大量评估、反馈和数据工作。

但问题是：

一个原本把自己定义为创造者的人，突然被放到一个机械化、碎片化、看不到完整价值的流程里，他很难不产生落差。

你以为自己在做AI 时代最前沿的工作。

结果每天面对的是重复任务。

你以为自己被调去参与未来战略。

结果发现自己像AI 流程上的一个人工补丁。

你以为公司在重构组织。

结果发现只是把人重新分配到一个还没设计好的系统里。

所以，Meta 的问题不只是“员工不适应 AI”。

而是组织没有让员工清楚地看到：

我在新的AI 流程里，到底创造什么价值？

我的能力，是被升级了，还是被降级了？

我是被AI 解放了，还是变成了 AI 的辅助劳动力？

这才是人真正崩溃的地方。

更戏剧化的是，公开报道里提到，在一次内部会议中，员工情绪直接爆发，会议现场一度失控。

这不是一个简单的管理插曲。

它更像是一个信号：

当企业用行政命令推动AI 转型，但没有重新设计人的价值和流程分工时，组织情绪迟早会反弹。

扎克伯格后来也在内部沟通中承认，Meta 在 AI 人员转型过程中犯了错误。

这句话很重要。

因为它说明，哪怕是全球最顶级的科技公司，哪怕有最强的人才、资金和技术，也一样会在AI 组织转型中踩坑。

AI 转型不是把人调到 AI 部门就结束了。

AI 转型也不是把所有人塞进 AI 任务里就成功了。

真正的问题是：

流程有没有被重新设计？

岗位有没有被重新定义？

人的价值有没有被重新安排？

如果没有，所谓AI 转型，很可能只是另一种形式的组织消耗。

三、这两个瓜的共同点：他们都不是缺AI，而是缺新的组织方式

钉钉和Meta 的故事，一个在中国，一个在美国。

一个是企业协同产品。

一个是全球AI 战略。

但它们背后的组织问题非常像。

钉钉的问题是：

一个AI 原生方向的产品，被传统高压项目制裹挟。

Meta 的问题是：

一批高能力人才，被直接塞进还没设计清楚的AI 流程。

前者是项目压人。

后者是流程困人。

但本质是一样的：

过去企业怎么做转型？

定战略。

建项目。

拉团队。

定目标。

压节奏。

追结果。

复盘问责。

这套方式在很多传统项目里是有效的。

比如上一个系统。

比如做一次营销活动。

比如推进一个流程优化。

比如完成一个确定性交付。

但AI 不一样。

AI 不是一个简单工具。

AI 不是一个单点系统。

AI 也不是一个部门项目。

AI 进入企业以后，改变的是业务流程本身。

它会改变信息怎么被处理。

改变任务怎么被分配。

改变经验怎么被沉淀。

改变人和系统怎么协作。

改变管理者怎么做判断。

改变员工每天的工作方式。

所以，AI 转型最危险的地方不是技术不成熟。

而是企业用旧组织方式，去承接新生产力。

这就像你用马车时代的交通规则，去管理一条高速公路。

车是新车。

路是新路。

速度完全变了。

但你的管理方式还是过去那套。

不出问题才奇怪。

这也是为什么，很多企业喊AI 越大声，组织反而越焦虑。

老板觉得员工不主动。

员工觉得公司在折腾。

管理层觉得目标很虚。

技术团队觉得需求混乱。

业务部门觉得AI 没用。

最后，AI 没有成为生产力，反而成了新的压力源。

所以我们必须重新理解一个问题：

什么是真正的AI 原生组织？

四、AI原生组织，不是让所有人围着 AI 加班

上一篇文章里，我们聊过一个判断：

AI 原生组织，不是简单地让员工学会使用 AI 工具。

也不是让每个岗位都配一个智能体。

更不是所有部门都提报AI 场景，所有员工都写提示词，所有业务都贴上 AI 标签。

也就是说，过去由人主导的流程，正在被重新设计。

过去销售靠个人经验判断客户意向。

未来，客户行为、聊天记录、历史成交数据，会先被AI 分析，再由销售判断下一步怎么跟。

过去管理者靠会议和汇报掌握进展。

未来，任务进度、异常数据、协作记录，会先被AI 识别风险，再由管理者决定如何干预。

过去客服靠个人熟练度回答问题。

未来，知识库、历史工单、政策规则，会先由AI 生成答案，再由人工处理复杂和敏感问题。

这才叫AI 原生。

它不是“人更努力，AI 来辅助”。

而是“流程本身被 AI 改造，人重新回到更关键的位置”。

人不再是所有重复动作的执行者。

人也不再是所有信息判断的第一入口。

人变成了AI 流程里的判断者、补足者、兜底者和责任承担者。

所以，AI 原生组织不是把人变成机器。

恰恰相反，它是要把那些本来就机械化、重复性、标准化的工作，逐步交还给AI。

让人从低价值重复劳动里释放出来，去做更需要判断、创造、沟通和负责的事情。

但钉钉和Meta 的问题就在这里。

它们不是不重视AI。

恰恰是太重视了。

但当AI 变成高压项目、组织命令和人力调配时，人并没有被释放。

人只是被卷进了一个新的AI 系统里。

五、大厂的坑，中小企业千万不要照着踩

钉钉和Meta 的两个故事，对中小企业最大的提醒是：

大厂可以喊All in AI。

大厂可以几千人重组。

大厂可以一个方向错了再换方向。

大厂可以用组织成本换试错空间。

但中小企业不行。

中小企业没有那么多钱。

没有那么多人。

没有那么长的试错周期。

更没有能力承受一次错误的组织折腾。

很多中小企业一看到大厂都在搞AI，就容易焦虑。

老板一焦虑，就开始推动。

怎么推动？

今天让行政去找AI 工具。

明天让HR 组织 AI 培训。

后天让各部门提报AI 场景。

下周让员工都写几个智能体。

月底让每个部门汇报AI 成果。

听起来动作很多。

但过一段时间你会发现：

老板觉得下面没人真正动起来。

管理层觉得AI 太虚，不知道怎么结合业务。

员工觉得公司又在搞一阵风运动。

技术人员觉得需求很散，根本落不了地。

最后AI 没有变成生产力，反而变成了新的内耗。

这就是很多企业现在正在发生的情况。

不是不重视AI。

而是太着急了。

不是不想转型。

而是路径错了。

中小企业做AI，最怕的不是慢。

最怕的是一上来就大而全。

一上来就想做AI 原生组织。

一上来就想所有部门都AI 化。

一上来就想把所有流程重构一遍。

这不现实。

真正适合中小企业的方式，不是先追求100 分，而是先做到 60 分。

什么叫60 分？

不是所有员工都成为AI 高手。

不是所有业务都接入AI。

不是买很多工具。

不是搭一堆智能体。

而是先让企业具备AI 起步能力。

老板知道AI 到底能给企业带来什么。

管理层知道AI 应该从哪个业务场景开始。

员工知道AI 怎么进入自己的工作。

企业内部有一个小型推进班子。

至少有一个真实业务场景被AI 跑通。

这五件事完成，企业就已经不是在看热闹了。

它已经真正迈进AI 转型的门槛。

六、企业AI 转型的第一步，不是买工具，而是做体检

很多企业一谈AI，第一句话就是：

有什么好工具推荐？

有没有现成智能体？

有没有便宜好用的平台？

有没有能直接落地的方案？

这些问题当然重要。

但它们都不是第一步。

为什么？

因为不同企业的AI 状态完全不一样。

有的企业，老板已经很重视AI，但中层完全没感觉。

这种企业的问题不是工具，而是组织共识没有形成。

有的企业，员工已经在偷偷用AI，但业务流程没有变化。

这种企业的问题不是培训，而是场景没有被组织化。

有的企业，部门提了很多AI 想法，但没有一个能真正落地。

这种企业的问题不是创意，而是缺少筛选标准和推进机制。

有的企业，想做AI 客户转化、AI 经营分析、AI 知识问答，但数据分散、流程混乱。

这种企业的问题不是AI，而是数字化基础不足。

还有的企业，老板天天讲AI，员工天天听 AI，但大家都不知道第一个场景从哪里开始。

这种企业最需要的，不是再上一堂工具课，而是把问题和路径讲清楚。

所以，企业做AI，不能一上来就问工具。

要先问自己几个问题：

我们现在处在哪个阶段？

我们最痛的业务问题是什么？

哪些流程高度依赖人？

哪些工作是重复性的、标准化的、机械化的？

哪些岗位的经验最难复制？

哪些环节一旦人不在，业务就容易停摆？

哪些数据已经有了，但没有被用起来？

这些问题回答清楚，AI 才有可能真正进入业务。

否则，工具买了，也只是工具。

培训做了，也只是培训。

智能体搭了，也只是演示。

公众号里有很多AI 案例。

短视频里有很多AI 神器。

展会上也有很多AI 产品。

但企业真正需要的，不是再看一个很炫的案例。

而是知道：

这个东西和我有什么关系？

它能解决我的哪个问题？

我该从哪里开始？

谁来推动？

怎么验收？

怎么复制？

这才是企业AI 体检的价值。

不是为了给企业打一个标签。

而是帮助企业看清楚自己当前的位置。

知道自己不是落后，也不是先进，而是处在某一个具体阶段。

只有知道自己在哪，才知道下一步往哪里走。

七、真正靠谱的AI 转型，要从一个场景跑通开始

对大多数中小企业来说，最现实的路径不是大规模转型，而是先跑通一个场景。

一个流程改变，比十场培训重要。

一个业务结果，比一堆智能体展示重要。

比如客户转化场景。

过去，销售拿到客户线索后，全靠个人判断。

客户到底有没有意向？

客户真正关心什么？

客户现在处于了解、对比、犹豫，还是临门一脚？

下一句话应该怎么说？

什么时候该追，什么时候该缓？

这些事情，优秀销售凭经验能做得很好。

但普通销售、新销售、兼职销售，就很难稳定做到。

如果把AI 放进这个流程里，事情就变了。

客户的聊天记录、咨询内容、历史跟进信息，可以先交给AI 分析。

AI 帮销售识别客户画像。

判断客户意图。

总结客户痛点。

判断成交阶段。

生成下一步跟进策略。

甚至给出不同风格的话术建议。

这时候，销售不是被替代。

而是从“完全靠自己判断”，变成了“基于 AI 分析做关键判断”。

销售要做的事情，反而更清楚了：

确认AI 判断是否准确。

结合真实关系进行沟通。

处理复杂情绪。

判断成交时机。

承担最终结果。

这就是一个典型的AI 原生流程雏形。

AI 做信息处理和标准分析。

人做沟通、判断和负责。

再比如销售训练场景。

过去新销售成长，靠老销售带。

但老销售忙。

管理者忙。

新人很多问题又不好意思反复问。

结果就是，新人只能靠自己摸索。

有的人悟性高，成长快。

有的人悟性低，几个月都不开单。

如果把AI 放进来，可以让 AI 扮演不同类型的客户。

理性客户。

犹豫客户。

价格敏感客户。

强势客户。

不信任客户。

销售可以反复对练。

AI 可以根据对话表现生成评分。

指出话术问题。

提醒遗漏信息。

给出优化建议。

这时候，销售训练不再完全依赖师傅。

组织可以把优秀销售的经验沉淀成训练标准。

新人也能更快进入状态。

再比如内部知识问答场景。

过去员工遇到制度、流程、产品、报销、合同、交付问题，经常到处问人。

问HR。

问行政。

问财务。

问老员工。

问主管。

很多问题其实都是重复的。

但是因为知识散在文档里、群聊里、个人经验里，所以每次都要重新问。

如果把AI 放进来，企业可以把制度文件、流程说明、产品资料、常见问题整理成知识库。

员工先问AI。

AI 先给标准答案。

遇到复杂、例外、敏感问题，再转人工处理。

这时候，AI 不是一个聊天机器人。

它是企业知识流转流程的一部分。

它把那些重复性的问题先接住，让人从重复答疑里释放出来。

这些场景看起来都不大。

但它们有一个共同点：

它们不是在炫技。

它们是在改变真实业务动作。

它们让企业开始重新分配“人和 AI”的工作边界。

哪些交给AI。

哪些留给人。

哪些要沉淀。

哪些要兜底。

只要这个边界被设计清楚，一个小场景就能成为企业进入AI 原生组织的第一步。

八、从0 到 60 分：中小企业更适合的 AI 启动路径

所以，中小企业做AI，不应该一上来就追求大而全。

更不应该照搬大厂的All in AI。

中小企业更需要的是一套低门槛、轻量化、可复制的启动路径。

我把它叫做：

它不承诺一夜之间让企业变成AI 原生组织。

也不鼓励企业一上来就把所有流程推倒重来。

它解决的是一个更现实的问题：

让企业从“完全不知道怎么开始”，走到“已经有能力开始行动”。

这个过程可以分成几步。

第一步，做一次AI 能力体检。

先看清楚企业现在的AI 状态。

老板认知到什么程度？

管理层是否有共识？

员工有没有使用基础？

企业有没有适合AI 化的流程？

数据和文档基础怎么样？

有没有明确的业务痛点？

这一步的价值，是让企业不要盲目。

不是别人做客户转化，我也做客户转化。

不是别人做知识库，我也做知识库。

不是别人搭智能体，我也搭智能体。

而是先看清楚自己适合从哪里开始。

第二步，上一堂面向老板和管理层的AI 启动课。

这堂课不是工具课。

不是教大家怎么写提示词。

而是让老板和核心管理者形成一套共同语言。

AI 能做什么？

不能做什么？

企业为什么不能只做个人提效？

什么是AI 原生组织？

什么是流程里的AI 能力？

哪些场景值得优先做？

怎么避免AI 变成运动式管理？

如果老板、管理层和员工对AI 的理解不在一个频道上，后面一定会变形。

老板想要战略。

中层想要任务。

员工想要工具。

最后大家各说各话。

所以，AI 启动的第一件事，是先统一认知。

第三步，建立一个小型AI 推进班子。

AI 转型不能只靠老板喊。

也不能只靠IT 部门做。

更不能只靠某一个爱折腾的员工。

企业需要一个小班子。

老板牵头。

核心管理者参与。

业务骨干参与。

必要时加上数字化或IT 负责人。

这个班子不需要大。

但必须能代表业务。

因为AI 场景不是从技术里长出来的。

AI 场景一定是从业务问题里长出来的。

没有业务负责人参与，AI 很容易变成工具演示。

没有老板参与，AI 很容易变成部门小创新。

没有骨干参与，AI 很难真正进入一线工作。

第四步，识别并筛选AI 场景。

不是所有场景都值得先做。

有些场景看起来很高级，但数据基础不够。

有些场景老板很感兴趣，但员工用不起来。

有些场景技术上能做，但业务价值不大。

有些场景价值很高，但短期内交付成本太重。

所以，场景要筛选。

优先选什么？

高频。

刚需。

痛点清楚。

输入简单。

结果容易验收。

可以快速看到变化。

比如客户转化。

比如销售训练。

比如会议纪要和任务跟进。

比如内部知识问答。

比如合同条款初审。

比如内容生成和宣发辅助。

这些场景不一定是最宏大的，但往往是最容易让企业看见结果的。

第五步，选择一个核心场景跑通。

注意，是一个。

不是十个。

很多企业AI 转型失败，就是因为一开始想做太多。

老板说销售要做。

HR 说培训要做。

财务说报表要做。

运营说内容要做。

客服说知识库要做。

最后每个都开了头，没有一个跑通。

企业AI 启动阶段，最重要的是建立信心。

怎么建立信心？

不是靠讲概念。

而是靠跑通一个场景。

让老板看到结果。

让管理层看到路径。

让员工看到AI 真的能帮到自己。

一个场景跑通以后，再复制到第二个、第三个、第四个场景。

这才是中小企业更稳的AI 转型方式。

第六步，形成模板库和复用机制。

一个场景跑通后，不能停在个人经验。

要把它变成模板。

输入模板。

提示词模板。

流程模板。

使用说明。

验收标准。

常见问题。

复盘记录。

这样，企业内部才能复制。

否则，这个场景还是依赖某一个人。

那就没有形成组织能力。

真正的AI 原生组织，一定不是靠几个聪明员工撑起来的。

而是靠一套可以复用的流程、模板和机制，让更多人都能用起来。

这就是从0 到 60 分的意义。

不追求一口吃成胖子。

但要让企业真正具备起步能力。

结语：别急着All in AI，先搞清楚自己在哪

钉钉和Meta 的故事，其实给所有企业提了一个醒：

AI 转型不是越快越好。

也不是动作越大越好。

更不是老板一声令下，组织就能自动进入AI 时代。

真正的AI 转型，首先要让企业看清楚三件事：

第一，我们现在处在哪个阶段。

第二，我们最适合从哪个场景开始。

第三，我们如何让AI 真正进入业务流程，而不是变成员工的新任务。

AI 原生组织不是一天建成的。

它也不是靠一次培训、一个工具、一个智能体就能完成的。

它一定是从一个具体业务场景开始。

先让一个流程跑起来。

先让一部分人看见结果。

先让组织形成信心。

再一步一步复制、沉淀、扩展。

所以，对大多数中小企业来说，不要急着追求100 分。

先完成一次AI 能力体检。

先建立一套共识。

先选一个场景跑通。

这比盲目跟风、到处找工具、反复听课更重要。

如果你也想知道：

你的企业现在处在AI 转型的哪个阶段？

哪些场景最适合作为第一步？

企业目前距离AI 60 分还差在哪里？

“AI体检”

我们会提供一份企业AI 能力测评，帮助你先看清自己，再决定下一步怎么走。