夜雨聆风上个月密集看了一圈行业内容,发现一个很有意思的现象:几乎所有大博主都在推"一人公司"模式,都在讲ClaudeCode、Codex这些AI工具有多好用,甚至有人直接说"企业上这些工具就够了,不需要什么AI应用"。
我当时的第一反应是:这些人真的服务过企业吗?
不是说这些工具不好,而是企业的问题根本不在这个层面。
一个让我印象很深的案例
前两个月,一个客户找到我们,说他们公司已经给所有员工买了Codex和ClaudeCode的账号,老板很兴奋,觉得这就是AI转型了。
结果呢?三个月过去,老板发现:确实有几个技术骨干用得很溜,写代码效率翻倍;但大部分员工要么不会用,要么只是偶尔问问简单问题,根本没有改变工作方式。
更致命的是:公司最核心的那套客户管理流程,涉及销售、客服、交付三个部门的协作,需要7-8个环节的审批和信息传递——这套流程完全没有被AI触及到。
为什么呢?因为这不是一个人用工具能解决的事情。这是一个需要把业务逻辑拆解成智能体链路、需要做权限管理、需要做操作审计的组织级问题。
后来我问那个老板:"你们公司最懂这套流程的那个销售总监,如果明天离职了,他的经验能被复制下来吗?"
老板愣了半天,说不出话。
更扎心的是另一件事
去年我们服务过一家企业,他们的高管拿到了公司内部沉淀的一套提示词——那是公司花了半年时间,从最优秀的销售人员身上萃取出来的客户沟通话术和判断逻辑,已经被固化成了智能体。
结果这个高管离职后,直接拿着这套提示词去外面接私活了。
这对企业意味着什么?意味着你花钱、花时间沉淀下来的智力资产,因为没有做好权限管理和审计,直接变成了别人的生产资料。
这两个案例让我意识到一件事:AI工具解决的是个人问题,AI应用解决的是组织问题。
第一层:AI工具在企业里遇到的第一个墙——个人能力参差不齐,经验无法沉淀
今天几乎每家企业都在让员工用AI工具。麦肯锡的数据显示,88%的企业已经在至少一个业务领域使用过AI。
但真实情况是什么?
我服务过的企业里,90%都遇到了同一个问题:员工用AI的效果完全看个人水平。
会用的人,一天顶三天;不会用的人,连提示词都写不明白。更要命的是,即使有人用得很好,他积累的那些提示词、技巧、经验,全都在他自己的电脑里,无法变成公司资产。
为什么会这样?
因为AI工具设计的逻辑就是服务个人。它解决的是"我怎么更快完成任务"的问题,不是"我们公司怎么把这个流程固化下来"的问题。
更关键的是,对于那些需要跨部门协作、涉及复杂流程的工作,AI工具根本无能为力。
比如一个典型的销售场景:客户咨询→需求分析→方案制定→报价审批→合同签订→项目交付。这个链条涉及销售、产品、法务、财务、交付五个部门,每个环节都有判断逻辑,每个节点都需要信息传递。
你让一个销售用Codex写个方案,没问题;但你让他用Codex把这整套流程跑通,不可能。
企业的智力资产需要被固化,而不是散落在每个人的电脑里。
第二层:更难的问题——把业务逻辑翻译成智能体,需要既懂业务又懂AI的人
意识到这个问题的企业,会开始想:那我们自己搭一套AI应用吧。
然后他们会发现一个更大的坑:没人干得了这事儿。
为什么?
因为搭建企业级AI应用,需要解决三个问题:
第一,权限管理。不同岗位、不同层级的人,能看到什么信息、能调用哪些智能体、能做什么操作,这套体系得建起来。
第二,操作审计。谁在什么时候用了哪个智能体、做了什么操作、产生了什么结果,这些都得留痕,否则出了问题你都不知道是哪个环节出的。
第三,也是最难的,把业务逻辑翻译成智能体链路。这需要既深刻理解业务,又懂AI的边界在哪儿、什么场景适合用、怎么设计提示词、怎么做多智能体协作。
麦肯锡的研究发现:接近三分之二的企业仍然没有实现AI规模化部署。问题不是模型不够强,是企业内部根本找不到能把这事儿干成的人。
我见过太多企业:技术团队懂AI,但不懂业务,做出来的东西根本用不起来;业务团队懂流程,但不懂AI,连需求都说不清楚。
这就是为什么很多企业尝试自己搭建AI应用,最后都卡在了业务梳理和智能体设计这两个环节。
不是企业不想做,是真的没有"既懂业务又懂AI"的人。
第三层:最激进的方向——管理层未来管的不是人,而是智能体
有人会问:那最终企业AI应用能做到什么程度?
我的判断是:未来企业的组织架构会因为AI应用而彻底改变,管理层的工作不再是管人,而是管智能体。
这不是科幻,而是正在发生的方向。
李彦宏说过:"AI应用才是大模型价值的体现"。Sam Altman也在强调:"AI Agent将成为下一阶段的重点,AI不只是回答问题,而是执行任务、完成工作"。
什么意思?
未来企业里,大量重复性的、有明确流程的工作,会被智能体接管。销售跟进、客户服务、数据分析、方案制定、甚至部分决策,都会由智能体来完成。
管理者的角色会变成:设计智能体的协作链路,监控智能体的运行状态,优化智能体的决策逻辑。
这听起来很激进,但我坚信这个事情一定会实现。
只是现在还太早。
为什么?
因为大部分企业的业务流程根本没有被"写下来"过。你的核心业务逻辑、关键决策依据、协作规则,大量还装在那些最懂业务的人的脑子里。
你连自己公司是怎么运转的都说不清楚,怎么可能让AI来接管?
YC合伙人Diana Hu说得很直接:"要让整个公司变得'可查询',给模型的上下文要和给新员工的一样多。"
这就是今天大部分企业的真实状况:业务流程没固化,经验没沉淀,连自己都说不清楚公司是怎么运作的,就想着让AI来改造组织,这不现实。
方向是对的,但前提是你得先把公司的运转逻辑"写下来"。
我自己撞上的墙
说实话,做了这么多企业AI落地项目,我现在最头疼的就是业务流程梳理。
不是所有企业都适合现在就做AI应用。
如果一个企业的业务流程本身就不稳定,今天这么干,明天那么干,你根本不知道该把什么固化下来。这种情况下做AI应用,就像在给一个会变的东西做固化,最后要么做不出来,要么做出来也用不了。
我之前服务过一个海外电商客户,老板特别激进,觉得AI一定能搞定他们的数据分析系统。但问题是他们的业务模式还在快速迭代,数据口径三天两头在变,流程也不稳定。
最后项目失败了,因为我们根本不知道该给AI定义什么样的逻辑。
这让我意识到:AI应用的前提,是业务流程已经相对稳定了。
所以我现在的建议是:
·如果你是初创企业,业务还在跑通阶段,可以做一些点状的智能体,帮助个人提效,但不要急着做复杂的流程改造。
·如果你是成熟企业,业务流程已经稳定,那可以开始做复杂业务流程的智能体,把核心能力固化下来。
但说实话,我也没有完全想清楚:对于那些业务流程"半稳定"的企业,到底怎么做才是最优解。
这是我现在还在摸索的事儿。
几个值得参考的数据和判断
斯坦福《AI Index Report》的数据显示:2024年,78%的企业表示组织已经使用AI,生成式AI在企业业务中的使用率达到71%。
但麦肯锡同时发现:真正产生财务影响的企业,比例其实很有限。
差距在哪?
不是模型不行,而是是否重新设计了工作流程。
这就是我一直在说的:AI时代最大的误区,是把AI当工具升级;真正的机会,是重新设计企业流程。
黄仁勋有句话说得很直接:"AI will not replace humans. Humans with AI will replace humans without AI."
翻译过来就是:不会被AI取代的人,会被使用AI的人取代。
但我想补充一句:不会被AI改造的企业,会被用好AI的企业干掉。
