个人提效起飞,组织原地踏步:AI 又一次召唤出了 BPR 的幽灵

六月里，一种困惑在腾讯云架构师深圳同盟反复出现，几段话从不同的人口中说出来，指向的是同一件事。

李波问：个人效率起飞，公司原地踏步，企业的 AI 到底卡在哪？一次线下交流，专门排了一道讨论题：怎么避免"个人提效明显、团队效率没变"。到了月底，张善友贴出一个企业级 Agent 产品的复盘，增速做到了行业第二名的三四倍，可团队自己承认，个人 10 倍提效，组织协同并没有同步涨上去，原话是"个人很爽，组织无感"。

这就是这一轮 AI 的怪状：它是个放大器，却只放大了一半。

这篇文章想把"为什么只放大了个人"拆清楚。我们一起看看腾讯云架构师技术同盟专家们对于这个问题的思考。

本文整理自腾讯云架构师深圳同盟社群六月的线上讨论与一次线下交流，感谢各位老师贡献的精彩观点。欢迎加入同盟，亲身参与线上线下交流。

个人这一侧，飞起来是真的。当日需求当日闭环、纯对话写完一个功能、整段代码由 Agent 生成。邹毅贤自嘲，今天是 Codex 死忠，明天是 Claude 信徒，后天又成了 Gemini 体验官。一天能换一个信仰，恰恰说明个人这层的收益足够明显。

组织这一侧，没动静也是真的。"组织无感"是卖产品的人自己说的，没人有动机承认自家产品在组织层失效。汪兆千的自述更具体：加班照旧，生活的本质没变，唯一的变化是上班时无聊的时间变多了。产出涨了，组织没给它出口，多出来的产能没变成交付，变成了无聊。

所以真正的问题不是 AI 有没有用，它在个人层显然有用。问题是，个人的增益为什么传导不到组织。

可以把"个人提效"想成一支向量：它有长度，是提了多少效；也有方向，是朝哪儿使劲。而组织想要的产出，是沿着一条特定方向的，姑且叫它"对齐方向"。组织真正拿到的，不是这支向量的全部，而是它在对齐方向上的投影。

组织实得，约等于个人提效乘以 cos α，α 是个人发力方向和组织方向之间的夹角。而决定 α 大小的，往往是文化。

角度一换，问题就变了。过去大家盯着"提效有没有"，盯的是向量的长度；可真正决定组织收益的，是 α 有多大。当 α 接近直角，cos α 趋近零，向量画得再长，投影也几乎是零。"个人很爽、组织无感"，就是这个状态：力很大，方向不对。

这里还有一层分工容易被忽略：AI 一直在做的，是把向量拉长，它并不负责把 α 收小。收 α 是组织的事。把一个组织问题寄望于一项工具能力去解决，是这一轮乐观情绪里最大的一处错位。

顺着这个模型往下，"个人到组织"这件事，可以拆成三个问题。

角度，是方向问题，力使得对不对。

广度，是扩散问题，一处的成功能不能长成全局。

深度，是层级问题，AI 停在个人顺手的工具，还是长成了组织的能力。下面分别说。

α 为什么会大，有两个原因。

第一，力从一开始就指偏了。

写代码只是端到端价值流里的一段，它前面有需求澄清、跨团队对齐、方案评审，后面有测试、合规、上线。AI 目前主要加速的，是"把想清楚的东西变成代码"这一段。

约束理论有个反直觉的结论：加速一个非瓶颈环节，并不会提高系统整体的吞吐。汪兆千的话几乎是它的现场版——企业里九成多的代码被历史包袱捆着，AI 只能在某个节点上做增强，贯穿不了整条流程。更麻烦的是，编码产能翻了几倍，下游的评审、测试没有同步扩容，在制品就堆在了下游。代码哗哗地出，东西还是那个速度上线。

第二，单兵的力合不成合力。

组织产出，大致等于各人合力减去协调摩擦，而沟通成本随人数的平方上涨。AI 把每个人的向量都拉长，对齐就更难；大量 Agent 涌进来，等于又招了一批产出不稳、还得有人审的新员工。何明璐描述过这种反噬：员工放开了用 AI，领导反倒成了 AI 输出的审核员。省下来的力气，又花在了把更强的个体重新拼回一个整体上面。

个人能飞、组织飞不起来，还有一个更根源的原因：个人是带着自己脑子里的上下文在用 AI 的。一个老手对着 AI，业务规则、历史的坑、那些没写下来的约定，都是隐含的输入，配合密度自然高。可这些东西锁在他一个人的脑子里，组织调不动，复用不了，也沉淀不下来。

何明璐有一句点得很准：AI 的乘法效应，建立在你的私有经验被显性化的程度之上；私有经验是零，模型再强也乘不出东西来。

一个明星团队跑出 10 倍，只是种子级的成功。它能不能长成企业级的森林，要看三件事：可复制、可沉淀、可迭代。而这三件事的前提，是把个人脑里的私有上下文，变成组织能调用的共享资产。

同盟这一个月的好几条讨论，其实都在绕这个缺口。李波主张企业要建自己的"Skill 超市"，让员工互相分享和调用经验，组织才算长出一个数字化的大脑；王礼强强调"本体加 FDE"是打通业务和 AI 的钥匙；宋振华在自己的文章中干脆点破，AI 数字员工已经"入职"，但怎么组织、怎么协作、怎么考核，仍是一片空白。

这些说的都不是模型，而是组织侧的基础设施。模型是公共品，谁都买得到；私有经验的显性化底座是私有品，得自己一块砖一块砖地砌。没有这层底座，每支个人向量的投影都是临时的，用完就散，攒不成一个稳定的组织方向。种子很猛，可没有土壤，长不成森林。

张善友反复提到一个三段论：让 AI 当顺手的工具，是工具智能；让 AI 顶起一个岗位、成为会干活的数字员工，是岗位智能；让一群智能体协同撑起组织的运转，是组织智能。多数企业卡在第一级，连第二级都没真正上去。

卡住的原因不在技术，在结构。新工具被塞进了旧的生产关系里，旧科层、旧分工、旧 KPI、旧的责任边界都没动。工具变了，结构没变，红利就被旧结构吸收掉了。个人多出来的产能没有被重新配置成产出，因为组织根本没有重新配置产能的机制，它只会让你把省下的时间填进无聊，或者填进加班。

再往下还有一层，是人。个人提效是即时的、私人的、看得见的好处；而收小 α、重排组织合力，是长期的、跨部门的、要动到别人权力和责任边界的公共品。谁来发起，谁来背失败的锅？理性的人会先把确定的私人红利收了，而不会主动去挑一场可能砸在自己手里的组织变革。

所以"BPR 喊了很多年、真正落地的没几个"，根子不是工具不行，是没有人同时握着动力和授权，去收那个 α。收 α 是政治工程，不是技术工程。

李波判断，一场由智能体引发的 BPR 运动马上要来了。这话值得停下来掂量，因为它藏着一个"必然"的乐观。

BPR，业务流程再造，是九十年代的老词。提出者 Hammer 当年的口号是"别做自动化，要推倒重来"。这句话精准地预言了今天的困境：把 AI 铺在旧流程上，就是个人提效；把流程推倒重建，才是组织提效。

而历史给的结论是冷的。当年绝大多数 BPR 项目都失败了，败因不在 IT 工具不够强，而在它本质上是一项组织与政治工程，动的是人的权力、岗位和利益，工具只是个由头。能真的推倒重来的企业，很少。

所以它是一个幽灵。每一轮生产力工具，从 ERP、互联网、移动化、云，到现在的 AI，都会把它召唤一次。工具一次比一次强，口号一次比一次响，然后一次次停在同一道墙前。那道墙叫生产关系，三十年没挪过位置。

AI 把工具这一侧又抬高了一截，这是真的。但它没法单凭自己去拆掉那道墙。指望"工具够强，组织自然就变了"，是把一个组织问题误当成了技术问题。这也是当下这股乐观里最该被点破的一处："马上要来了"赌的是技术，可历史告诉你，该赌的是组织。

落到判断，给四个支点，它们恰好对着把 α 收回来的几个着力点。

一是换标尺。

邹毅贤问过一个很关键、却没人接住的问题：AI coding 对产研的 ROI 怎么衡量？难就难在，大家惯用的都是个人级指标，commit 数、生成行数、提效百分比，它们只照得见向量的长度，照不见 α。要看组织有没有真提效，得换成价值流的标尺：端到端的交付周期、需求从提出到上线的全程耗时、下游的在制品积压。测不到的地方，管理不会发生。

二是把提效的单位从"人"换成"价值流"。

只要还盯着"让每个工程师更快"，就永远停在局部最优。真正的杠杆，是先找到端到端的瓶颈，它大概率不在编码，而在评审、对齐、合规或上线，再把 AI 对准那里。

三是先建共享的上下文底座，种子才有土壤。

本体也好，Skill 库也好，知识沉淀也好，叫什么不重要，重要的是组织得有一个地方，把个人脑里的上下文变成可调度、可复用、可考核的公共资产。这件事重、慢、没有即时快感，所以多数组织不会主动做，而这恰恰是它能成为壁垒的原因。

四是得有人愿意背收 α 的锅。

生产关系的变革需要授权，需要一个既有动力、又有权力的人，去扛"推倒重来"的政治成本。没有这个人，前面三条都只是 PPT。

最后留一句冷的判断：这一轮大概率不会出现普遍的组织跃迁，而是少数能收住 α 的组织赢家通吃。肖松松提到一个观点，本来是讲个人的，放到组织之间也一样成立——会分化出"定规则的"和"守规则的"。极少数企业会真的越过"个人很爽"那一层，把角度、广度、深度三个手柄都握住，让放大器的另一半也转起来；而多数会停在原地，让每个人各自飞，最后在账上什么都没留下。

幽灵不会自己散去。它只会等下一个更强的工具出现，再被召唤一次。