夜雨聆风
如果要观察一家传统企业怎样真正进入AI时代，不要先看它说了多少大词，也不要先看它买了多少系统。更好的入口，是看一个普通岗位的工作，是否被重新定义了。
在迪安诊断，一个关键岗位社招人才的试用期评估，过去是一件很“重”的事。它不只是填表，不只是走流程，而是要从业绩结果、组织融入、文化适配、专业贡献、关键事项完成度等多个维度，调动上下左右的人一起提供信息，再形成足够支撑转正决策和人才池判断的报告。
过去，这样的事需要集团层面大量人力去拉通。现在，借助钉钉AI助理、AI表格等一系列AI能力，一名入职仅一两年、还在轮岗中的招聘专员，就可以把这件复杂工作推进起来。系统会在合适的时间节点提醒相关角色提交材料，自动串联不同评价维度，最终生成一份更完整、更生动，也更便于管理判断的报告。
这不是一个“AI帮人省事”的小故事。它真正说明的是：当AI进入组织，最先被改变的不是技术部门，而是普通业务人员的能力边界。管理的进步，常常不是从宏大口号开始，而是从一个原本做不动、做不细、做不快的流程，突然被一个普通人做成开始。
真正的AI转型，不是企业拥有了AI，而是组织里的普通人开始用AI创造结果。这就是迪安诊断这场AI变革最值得点赞的地方。它没有把AI理解成一个赶时髦的项目，也没有把AI停留在“领导讲话”和“展厅演示”里，而是把它放进了每天真实发生的工作现场：HR、合规、客户反馈、证书管理、员工问询、医学文献检索、周报生成、数据报表。
一、迪安诊断为什么必须跑得更快？
迪安诊断是中国头部的医疗诊断服务企业，也是一家经历过行业周期剧烈变化的企业。医检行业有一个天然特征：它和时间赛跑。每一份检验报告背后，往往都有一个等待诊断的患者、一位等待判断的医生、一个等待行动的家庭。
所以在这个行业里，“快”从来不是简单的效率指标，而是服务质量的一部分。但医疗又是一个对准确性、合规性和责任边界要求极高的行业。它不能只快，必须快得有分寸，快得有依据，快得经得起复核。这正是AI在医疗服务企业里最难也最有价值的地方：它既要提升速度，又不能稀释责任；既要重塑流程，又不能冲破合规底线。
从公开信息看，迪安诊断在2025年正式开启新五年战略规划，将自身战略定位升级为“医学诊断智能解决方案引领者”。2025年前三季度，公司在公告中提到，围绕盈利与健康现金流的高质量发展目标，推进AI产品与数智化，构建涵盖算力、数据、模型与应用开发的数智产品矩阵。到2025年年报，公司实现营业收入100.96亿元，归母净利润4405.27万元，经营活动现金流净额20.28亿元，同比增长67.99%。
这些数据背后，隐藏着一个更深的管理命题：一家经历规模扩张、行业调整和政策压力的企业，如何从“做大”转向“做强”，从“增长优先”转向“质量优先”，从“流程驱动人”转向“人和AI共同重塑流程”。
企业真正的转型，不是换一套叙事，而是换一套能力。迪安诊断的AI实践，恰好落在这个转型关口。它不是为了证明自己“也有AI”，而是为了回答一个更实际的问题：当行业从增量红利转向精细运营，组织能不能把过去做不到的管理颗粒度真正运营起来？
二、从15分钟到30秒，AI先改变了HR
很多企业谈AI，第一反应是研发、销售、客服，迪安诊断的一个重要切口却是HR。这很有意思。因为HR看起来不是最炫的场景，却是最能检验组织能力的场景。员工问询、离职面谈、干部管理、证书信息、薪酬联动、试用期评估，这些工作未必惊天动地，却高度重复、高度敏感，并且和人的体验、利益、信任直接相关。
迪安诊断HR团队基于钉钉AI能力自主打造了“迪安娜”AI助理。它的启动方式不是一开始就由IT部门做一个庞大工程，而是业务部门先孵化、先验证，等场景跑通之后，再由IT团队参与工程化，包括知识库建设、系统集成、安全边界、权限管理等。
这条路径很重要。传统企业做数字化，最常见的问题是业务部门说不清需求，IT部门听不懂场景，最后做出来的系统既不像业务想要的，也不像技术愿意维护的。需求在会议室里层层转述，价值在排期里慢慢损耗。
AI的出现，让业务人员可以先把想法做成原型。原型一旦跑起来，业务才会真正看见自己想要什么，IT也能更快判断哪些可以标准化，哪些必须工程化，哪些涉及数据和权限，必须纳入企业级治理。
技术不是被推给业务的负担，而是长在业务里的肌肉。“迪安娜”的价值，就在于它把HR的一部分重复性服务变成了可被AI承接的流程。据统计，员工问询响应从原来的15分钟压缩到30秒，HR人均每周节省15小时以上重复性工作。节省下来的时间，并不是让人“被AI替代”，而是让HRBP更贴近业务，更多参与沟通、会议、客户与员工关系处理。
这才是好的AI应用：机器接走低价值的重复，人回到高价值的判断。所以说，一家企业拥抱AI的成熟度，不看它减少了多少人，而看它释放了多少人的价值创造力。
三、自下而上，把AI变成组织机制
许多企业的AI应用停在两个层面：第一，个人尝鲜；第二，工具试点。前者容易热闹一阵，后者容易停在几个样板间。真正困难的是第三层：把AI变成组织机制。
迪安诊断的管理思路里，有一个很清晰的判断：AI时代，转型的门槛是复合型人才储备，转型的上限是管理者认知。这句话很管理学。工具可以买，模型可以接，平台可以上，但组织学习速度买不来。AI转型最怕的不是技术不够强，而是业务骨干想不到AI能解决什么问题；也不是IT不努力，而是管理者仍然用旧流程想象新能力。
所以迪安诊断没有把AI简单归入IT部门，而是强调业务技术复合型人才。业务人员要懂AI工具，能做原型，能跑Demo，能理解技术边界；IT人员则承担企业级集成、安全、权限、数据治理、复杂工程化等更硬的责任。
这不是削弱IT，而是让IT从“接单开发者”升级为“组织能力架构师”。在旧模式里，IT像一个拥挤的窗口，所有需求都要排队递进去。在新模式里，业务先完成一轮自我验证，只有真正有价值、可沉淀、可扩展的场景，才进入更深的技术建设。
一个组织最宝贵的资源不是预算，而是把问题说清楚的能力。AI把这个能力下放给了更多人。它让一线员工不再只是流程的使用者，而开始成为流程的改造者。这种变化，比节省几小时更深。它改变了组织里的权力结构、协作结构和创新结构。
过去，变革常常从上往下推。现在，真正有效的变革，越来越多从场景里长出来。
四、从三个典型场景看见AI如何落地
迪安诊断的案例之所以有价值，是因为它没有停留在“我们很重视AI”，而是拿得出具体场景。
第一个场景是员工服务和人才评估。“迪安娜”承接员工问询、HR流程辅助、干部管理等工作，配合钉钉的AI能力、知识库、流程和AI表格，把原本分散在不同人手里的信息串起来。人才转正评估也是典型场景：从战功、融入、专业贡献、关键事项等维度采集信息，由流程自动提醒、自动汇总、辅助生成报告。这件事的意义不是“写报告更快了”，而是管理质量更稳定了。过去，组织越想精细管理，对人力的要求越高。现在，AI让精细化管理不再完全依赖人海战术。管理的高级形态，不是把复杂性转嫁给员工，而是把复杂性沉淀到系统里。
第二个场景是VOC，也就是客户之声管理。迪安诊断每月有6000多条大客户反馈。过去，人工分类效率低，Excel和工单系统割裂，沟通链条冗长。钉钉AI表格接入后，反馈可以形成卡片，在IM体系内追踪、反馈、跟进，原来需要较长周期处理的信息，能够更快完成分类和闭环，问题响应效率提升92%，项目闭环周期缩短60%。客户反馈管理最怕的不是没有数据，而是数据不能变成行动。数据停在表格里，只是库存；数据进入流程里，才是生产力。钉钉在这里的价值，不只是“有一个表格”，而是把表格、沟通、提醒、责任人、闭环动作放进同一个工作现场。对企业来说，这比单点工具更重要。
第三个场景是实验室人员证书管理。医疗行业的证书体系复杂，初级、中级、高级、副高级，证书有效期、岗位补贴、薪酬调整、人员调岗、医院评审和招标要求，都可能牵连在一起。它看起来是小事，实际上是典型的高频、细碎、容易出错、又涉及合规和员工利益的管理工作。过去靠Excel人工盯，证书到期前可能缺乏预警。通过钉钉AI表格和流程重建管理体系后，可以自动追踪有效期，提前推送提醒，结合规则触发后续处理。该场景每人每年可减少30小时以上重复管理，合规风险也从被动发现变为主动防控。
五、医疗行业做AI，最稀缺的是克制
如果迪安诊断只是讲效率，这个案例还不够完整。它更值得点赞的地方，是它同时讲边界。
医疗行业的AI应用，不能简单套用互联网行业的“快试快错”。在内部职能和经营场景里，AI可以更大胆，因为它主要做辅助、整理、提醒、归纳，但涉及员工切身利益时仍然需要人工复核。到了实验室医学应用，就必须遵循医学逻辑。再往外，面向客户的AI产品更要谨慎，因为它可能进入临床、诊疗、报告和责任体系。
对影像、形态学AI和大模型类应用做了区分。前者通过标注训练，有相对成熟的拿证路径；后者由于存在幻觉风险，切入诊疗要更加审慎。
这份克制很重要。AI越强，管理越需要边界；技术越快，责任越不能失速。迪安诊断没有把AI包装成无所不能的神话，而是明确区分内部运营、医学应用和对外产品的不同策略。这是医疗企业应有的专业态度，也是所有严肃行业拥抱AI时必须补上的一课。
企业转型不是比谁喊得更激进，而是比谁能把新能力放进正确的责任边界里。
六、也要给钉钉点一个赞
迪安诊断这场AI转型，当然首先要为迪安诊断点赞。它的可贵，在于管理层有判断，业务团队愿意动手，IT团队能够托底，组织机制愿意跟上。
但也应该给钉钉点一个赞。因为对大多数企业来说，AI转型最难的并不是找到一个模型，而是找到一个能真正嵌入组织工作的入口。企业不是个人。个人用AI，解决的是一个人的效率问题；企业用AI，解决的是权限、流程、知识、数据、责任和协同问题。
钉钉的价值，正在于它不是一个孤立的AI玩具，而是天然生长在组织协同场景里。悟空、AI表格、AI助理、会议听记、审批、文档、知识库、IM沟通、流程提醒，这些原本就是企业每天工作的肌理。当AI能力叠加在这些肌理上，它就更容易从“个人提效”走向“组织提效”。
钉钉悟空，正在从“对话式AI”走向“行动式AI”，不只是回答问题、生成文本，也能进一步把任务变成动作，并通过钉钉IM发起任务、接收进度通知、查看执行结果。其隐私与安全说明也强调，悟空继承钉钉企业级信息安全体系，并根据用户权限配置，在用户已有权限范围内执行智能化操作，敏感操作需要员工再次确认。
这正是企业级AI和个人AI的关键差别。企业需要的不是一个会说话的AI，而是一个懂组织边界、能进入流程、能尊重权限、能留下责任痕迹、能真正走进业务干活的AI。
从迪安诊断的案例看，钉钉提供的是一个低门槛但可治理的底座。业务人员可以先做起来，IT团队可以再工程化；一个小场景可以先跑通，再逐步变成组织级能力。对于更多企业来说，这条路径很有启发：不是每家公司都要自己从零搭建AI基础设施，也不是每家公司都要等待一个完美方案。选择一个足够贴近工作现场、又具备企业级权限和安全能力的平台，先从真实痛点做起，就已经是主动拥抱AI的第一步。
七、所有企业都该从迪安诊断学到什么？
迪安诊断想成为AINative公司。这个目标听起来很新，但它背后的管理逻辑并不玄。
AINative不是每个人都在聊天框里问问题，也不是每个流程旁边贴一个AI按钮。它真正意味着：企业重新设计业务流程时，默认把AI作为一种生产要素；组织培养人才时，默认把AI能力作为基本素养；管理者分配任务时，默认思考哪些判断必须由人承担，哪些重复可以交给机器，哪些协同可以被系统自动推动。
换句话说，AINative不是技术状态，而是组织状态。从迪安诊断这个案例，可以提炼出几条对所有企业都有价值的启示。
第一，AI转型要从场景开始，不要从概念开始。员工问询、证书管理、客户反馈、试用期评估，这些不是最炫的场景，却是最真实的场景。越真实，越容易产生复利。
第二，业务人员必须成为AI转型的主角。如果AI永远待在IT部门，它就只是技术资产；当AI进入业务人员的日常判断，它才开始变成经营资产。
第三，IT部门的价值会更高，而不是更低。当业务部门能做原型，IT就可以从重复接单中解放出来，转向安全、架构、集成、数据治理和平台能力。AI时代的IT，不是少了价值，而是价值从“写功能”上升到“建秩序”。
第四，效率提升必须回到人的价值提升。迪安诊断没有把AI简单讲成“替代人”，而是讲“赋能人”。HR节省的15小时，不是被抽走的时间，而是被重新投资到更高价值工作中的时间。真正优秀的管理，不是让人变得多余，而是让人从低价值劳动中恢复创造力。
第五，严肃行业更需要企业级平台。医疗、金融、制造、能源、政企服务，这些行业的AI落地都不可能只靠个人工具。它们需要权限、审计、流程、知识库、安全、复核和责任边界。钉钉这样的企业级平台，恰好给了传统企业一条非常靠谱的AI转型入口。
AI时代，企业之间的差距会被重新拉开。差距不只来自模型能力，也来自组织学习速度；不只来自技术预算，也来自管理者重新定义工作的能力；不只来自少数专家，也来自普通员工能不能把新工具用进旧流程里。
一家企业真正的护城河，不是它拥有多少工具，而是它能让多少普通人持续创造不普通的结果。迪安诊断的故事，给所有企业提了一个醒：AI不只是一次工具升级，而是一次管理升级。它让组织重新审视什么是岗位，什么是流程，什么是责任，什么是人的价值。
在这件事上，迪安诊断值得点赞。它没有等到行业完全明朗才行动，而是在压力中主动寻找新能力；它没有把AI当作一个宣传标签，而是把AI放进业务现场；它没有用“无人化”制造焦虑，而是用“人机协同”释放组织潜能。
钉钉也值得点赞。它让AI不再只是个人电脑里的聪明助手，而是有机会成为企业协同系统里的行动伙伴。对更多企业来说，主动拥抱AI并不一定从宏大工程开始，也可以从一个钉钉AI表格、一个AI助理、一个智能流程、一个被重新设计的重复任务开始。
未来的领先企业，不一定是最早喊出AI口号的企业，而是最早让AI进入真实工作、真实流程、真实责任的人。
技术会不断更新，工具会不断迭代，但管理的底层问题一直没有变：如何让正确的人，在正确的信息支持下，做出更快、更好、更负责任的行动。AI时代给管理者的新命题，不是“机器能替代多少人”，而是“组织能释放多少人”。
迪安诊断的答案已经开始浮现：让技术长在业务身上，让AI长进组织流程，让人回到更有判断、更有温度、更有创造力的位置。
这不是一场关于工具应用的故事，这是一家企业重新长出肌骨的故事。
