AI不应该是给旧马车换马,而是重写马车本身

         

公司正在重写自己，这不是比喻，是一个正在发生的事实。

Gartner、MIT、RAND Corporation、BCG和McKinsey在2025到2026年间各自做了独立研究，五家用不同的方法论，从不同的角度切入，最后得出了几乎一样的结论。70%到85%的企业AI项目无法交付预期价值。大约82%连生产环境都进不去，卡在概念验证阶段变成僵尸项目。平均一个POC到生产要走18到24个月，真正在三年内做到十倍回报的只有10%。

企业在2025年花在AI上的钱是850亿美元。按这个失败率算，其中600亿到680亿打了水漂。

这些失败背后几乎没有一例是单纯的技术问题。模型不够强，算力不够大，从来不是主要原因。90%的失败根因出在同一个地方，组织本身。

许多公司谈论AI转型，其实是在做一件很旧的事，让现有流程跑得更快。财务报表出得更快，客服邮件回得更快，新员工的PPT写得更快。这些有价值，但不是颠覆。这更像是给一辆旧马车换了一匹更快的马，马车本身的设计和结构纹丝不动。

而真正的变化发生在另一个层面。AI不是在给旧组织提速，它在从底层重写组织的运转逻辑。

01

从人推流程到智能循环

传统组织本质上是一台依靠人力驱动的机器。客户需求要有人记录，一线问题要有人上报，数据异常要有人判断，跨部门协同要有人开会。流程的每一步都依赖人的注意力和主动性。某个人没看到，没推动，没追问，整个系统就可能停摆。

这也是为什么中层管理者在传统科层结构中如此重要。他们不是管理者，是节点。信息在他们这里汇聚、筛滤、传递，决策在他们这里执行、反馈、循环。组织效率的上限被牢牢锁死在人的带宽上。

AI原生组织想改变的不是效率，是这个结构本身。

拿流程里最常见的审批场景来说。过去一笔跨部门的合同审批平均需要3.4天。引入智能工作流后可以缩短到1.3天。某些制造企业从项目立项到采购审批的周期从12天压缩到4天。更极端的场景下，审批流转的平均时长从37.5小时降到4.2小时。而采购文件编制这类事务性工作，传统模式需要1到2天，AI系统可以做到3分12秒。

这些数字的含金量不在效率提升本身，而在背后那层逻辑。系统开始主动接管任务识别、路由判断、合规检查和异常处理。人不再推着流程走，流程自己会转。人被解放出来去做系统做不了的事。

一家金融服务公司部署了AI Agent来处理客户数据核验和文档合规审查。原先需要一支12人团队花两周完成的工作量，现在一个Agent在48小时内跑完。自动触发的告警和风险评分取代了人工盘点。审批不再等人，系统自动分配路由，只有异常和超阈值的决策才会推送给人类。

这就是智能循环的样子。外部信号自动进入系统，模型参与初步判断，部分动作自动执行，结果数据反哺下一轮决策。公司开始像生命体一样拥有感知、判断、行动和学习的闭环能力。

微软内部已经部署了超过50万个AI Agent，每天平均产生超过6.5万条回应。IDC预估到2028年全球将有超过10亿个Agent运行在各种企业环境中。50万个Agent意味着什么？意味着有一张隐形组织网正在同时运转，信息不经过任何人类的神经系统就完成了传递和响应。

02

AI是放大器，不是魔法棒

但这条路充满陷阱。

AI是一个放大器。它会忠实地放大组织已有的一切。战略正确，它放大优势。战略错误，它放大灾难。流程清晰，它放大效率。流程混乱，它放大内耗。权责明确，它放大协同。权责模糊，它放大甩锅。

如果一个流程本身就不合理，AI只会让错误决策以更快的速度执行多次。这正是大量AI项目失败的根因。Gartner的研究揭示了一个残酷的规律，85%的AI项目失败是因为数据质量差或者相关数据不足。这跟模型没有关系，跟工程没有关系，问题出在组织根本不具备让AI运转的基础条件。

数据是对业务的还原，流程是对协作的定义。一家公司的数据乱成一团，流程模糊不清，权责划分含混，AI放进这样的组织里，不是在解决问题，是在复制混乱。

所以真正的AI转型首先是组织重构，不是技术升级。它迫使管理层回到那些最基本的问题。核心价值是什么？哪些流程本就不该存在？哪些判断可以交给AI，哪些必须由人承担最终责任？在金融、医疗这类强监管行业，挑战尤其尖锐。AI模型的决策必须同时满足数据隐私、数据治理、算法透明度和模型风险管理等多层合规要求。没有清晰的治理框架，AI只会变成合规噩梦。

在转型开始之前，清理组织的历史债务，那些混乱的流程、模糊的权责和低质量的数据，比匆忙上马任何一个AI工具都重要。

03

真正的深水区，决策权的转移

多数企业的AI实践始于自动化。这很自然，因为自动化看得见摸得着，容易算ROI。减少了多少人力，缩短了多少工时，省了多少成本，一目了然。

但AI原生组织的深水区不在自动化，而在决策权的转移。不是在多大范围内让AI做事，而是在多大范围内让AI做判断。

一旦触及决策权，组织就会紧张。员工担心岗位被替代，管理者忧虑AI失误的责任归属，HR要重新定义人才标准。这不再是技术边界问题，而是权力边界问题。

这种权力边界的重塑已经在发生。Korn Ferry的2025年调查显示，41%的企业已经压缩了管理层级。Shaun Warman在致投资者信中提到了一种他称之为"大扁平化"的结构性迁移，金字塔正在变成高原。他写道，董事、经理和个体贡献者正在坍缩成一个带头的角色，管理25个成员加上常驻AI Agent。管理跨度从2013年的8.1增长到12.1，预计2028年将达到25。

更具体的案例。一家金融科技公司的DBA团队有47人，裁撤了全部44名中层运维管理和常规数据库岗位，只保留3名核心架构师负责AI系统的管控与优化。中层岗位优化比例达到93.6%。裁掉的不是人，是一个信息中转层。

Block在官网的一篇内部文档里写得更直接。他们明确说，大多数公司使用AI的方式是给每个人配一个副驾，让现有结构运行得稍微好一点而不改变它。我们要的是不同的东西，一个作为智能体建立的公司。他们认为AI第一次提供了能够真正执行层级协调功能的技术，持续维护整个业务的模型，用它来协调工作，而过去这些工作必须通过人类在管理层级中层层传递信息来完成。

有人把这种变化总结为一句话。金字塔两端的人留下来了，中间的人站在最危险的位置。定义方向的人还在，指挥Agent拿结果的人还在，依靠传话、协调、盯进度维持位置的人正在消失。

04

衡量一台被重写的机器

当公司的运转逻辑被重写，传统的财务ROI依然重要，但已经不够用了。

新的衡量体系在浮现。项目交付周期缩短了多少，自动化处理率提升了几个点，客户满意度增加了多少分，这些具体的业务指标正在替代模糊的"降本增效"，成为评估AI价值的标尺。中国信通院等机构开始制定《企业级AI智能体应用效能评估规范》，从任务执行、商业贡献、系统质量多个维度提供可量化的评估框架。

那个"3.4天到1.3天"的变化，被缩的不是时间，是系统对信息延迟的容忍度。当组织越来越像一个智能体网络，每响应产生的时间差开始取代每个节点的工资单，成为更真实的组织效率指标。

资本市场的视角也在变。关注点正从看投入转向看兑现，AI能否真正转化到财报上的收入和利润。这要求企业不仅要会用AI，更要会计算AI的价值。

05

不是涂料，是基因编辑

AI原生转型不是给旧组织涂一层AI的涂料。它更像一种基因编辑器，一旦注入，就必然会触及组织最核心的DNA，权力、利益、信任和人的安全感。

行业普遍认为这一过程需要18到36个月，对于历史包袱沉重的大型企业可能更久。许多转型之所以失败，不是技术不够先进，而是管理者试图绕过最难的部分，组织重构、权责重分配、管理者自身的认知迭代。

给旧马车换一匹快马，看起来像是进步。但真正的问题是，这辆马车本身的设计还够用吗？它原有的轮轴是否能承受新马的速度？它那些靠人与人传话搭建起来的传动结构，是不是从一开始就不该存在？

一台被重写的机器，不会跟旧机器长得一样。新的组织形态可能更扁平，可能更像一个智能体网络，可能更接近一个持续进化的系统而非静止的结构。它不会保留那些用来传递信息的节点，因为信息已经不依赖人来传递了。

最终，一家公司能否完成这个转变，不取决于它购买了多少AI账号，不取决于它开了多少场AI研讨会，而在于它是否愿意承认一件事。旧的协作逻辑、流程逻辑、决策逻辑，已经不再够用。

问题不是要不要换马。

问题是，你准备好重写这台机器了吗？