乐于分享
好东西不私藏

AI组织转型 16|给6300人发完AI工具,效率反而降了?看安克创新如何用“封闭换装”重塑产研流水线

AI组织转型 16|给6300人发完AI工具,效率反而降了?看安克创新如何用“封闭换装”重塑产研流水线

这不是一个关于“代码助手如何提升程序员20%效率”的标杆,而是一家拥有 6300 余人的成熟全球化智能硬件企业,在面对跨部门交接导致“信息损耗超过 60%”“全员用 AI”反而造就了巨大的效率黑洞时,如何决定收回发给个人的 AI 工具,转而用流程智能体(Agent)彻底接管整条流水线,并试图用流程智能体彻底重组产研上下文,倒逼组织进行一场名为“封闭换装”的硬核实验。

2023 年底,安克创新(Anker Innovations)内部曾经出现过一种很具体的“繁荣”。
作为一家从充电配件起家,一路扩张至智能家居、音频、3D 打印等多品类,年营收超百亿的硬科技出海巨头,安克内部有着极强的“工程师文化”。面对汹涌而来的大模型浪潮,安克早早地喊出了“无限 Token”的口号。员工们在内部社区里热火朝天地分享着几十种 AI 工具的用法,黑客松办了一场又一场。
图片说明:安克产品系列
然而,当产品经理发现,用 AI 两小时就能写出一份漂亮的 PRD(需求文档)和可交互的原型;当工程师敲代码的速度前所未有地快时,这种繁荣很快撞上了现实的南墙。
在项目复盘会上,一号位和业务线负责人们看到的是另一番景象:产品经理快速生成的原型,到了底层数据库设计和生产环境部署时依然卡壳;工程师飞快写出的代码,往往并不是用户真实场景中最痛的需求。大家各自在自己的工位上用 AI 跑得飞快,但一到跨部门交接,需求依然严重变形。“用户想要一艘航空母舰,最后产研交付的依然是一艘小破船。”

为什么给了所有人最好的 AI 工具,端到端交付依然低效?

安克给出的回答并不是去买更贵的工具,也不是给现有 ERP 系统加一个聊天框。而是试图做一件看上去伤筋动骨的事:

不再把AI 当作发给单人的“辅助工具”,而是把过去沉淀在老专家脑子里的业务章法、测试标准和硬件工程经验,转化为机器可调用的结构化数据;再用一组“流程智能体”接管整条产研流水线,并强行将组织推入小单元的“封闭换装”。

这也是安克案例阶段性最值得观察的地方。它展示了一家拥有超长全球供应链和复杂软硬件研发体系的实业公司,如何在通用模型的冲击下,主动打碎自己过去赖以成功的专业分工矩阵。

01 

幻觉与诊断:最痛的断点不在工具,而在“上下文”

在 AI 引入的蜜月期,几乎所有的中国企业都曾陷入一种“工具幻觉”:认为只要让财务写表快一点、设计作图快一点、研发敲代码快一点,整个公司的齿轮就能转得飞起。
但在安克这种“产品定义 -> 软硬件研发 -> 供应链试产 -> 营销投放”的长链路业务流中,大家很快察觉到了不对劲。
安克 AI 平台负责人黄堃(Kun)在复盘时一针见血地撕开了这层遮羞布:

“传统软件开发流程中,产品经理懂场景却不懂生产环境,工程师懂技术却不屑于产品规划。AI 算力再强,也只是帮你把自己这一环的砖搬得更快了。可是,出了你这个工位,链条依然是断的。”

这不是某个员工偷懒,而是旧有流程天然在切断“上下文(Context)”

在技术语境里,“上下文”是指程序运行的环境;而在企业管理中,“上下文”就是项目的空气和底色——我为什么要这么做?前置条件的红线在哪?下一个环节的同事需要什么规格的物料?

在过去,这些上下文只能靠没完没了的拉齐会、长篇累牍的周报、跨部门的争吵来传递,信息损耗往往超过 60%。而当 AI 介入后,如果只是局部加速,它不仅没有消灭部门墙,反而让每个“专业孤岛”造轮子的速度变快了,最终加剧了整个系统的拥堵。
面对这堵厚墙,安克内部的不同视角一度发生了激烈的交锋:
·一线业务团队:只想用 AI 解决今晚不加班的问题,比如“帮我自动跑个测试脚本”,追求的是短期的工时缩减。
·AI 平台建设者:满心焦虑地发现,如果不把底层的数据库格式统一,那些散装购买的单体 Agent(智能体)根本连不起来,系统之间犹如鸡同鸭讲。
·一号位与组织变革者:惊醒于一个残酷事实——如果不掀翻现有的协作机制,买的 AI 工具越多,跨部门沟通的“翻译成本”反而越高。
交锋过后,一个冷峻的共识在安克最高层达成:企业最需要的,绝不是一堆散装的“赛博打工人”,而是一条能让上下文像水流一样无损穿透的“智能产研流水线”。
也就是说,单点提效不仅无法解决整体效率低下,反而会加剧部门间的专业割裂,因为交接时的“翻译成本”没有消除。对于企业来说,AI 转型的首要诊断标准,不是盘点买了多少个模型账号,而是审查在跨部门交接时,“上下文”是否还在依靠人肉开会传递。

02 

破局实验:一场名为“封闭换装”的硬核“拔河”

方向一定,安克内部没有选择温水煮青蛙的渐进式改良,而是快速发起了一场内部代号为“封闭换装”的破局实验。
这场“战役”的打法极为单刀直入:不搞走马观花的全员宣讲,而是抽调精锐组成跨职能的 2-4 人“火箭班”。先在纯软件产品线撕开突破口,接着用 AI 逆向工程啃下历史遗留的 ERP 系统,最后攻坚制造业最硬的骨头——硬件 DFM(可制造性设计,即在图纸阶段就利用 AI 仿真排雷,防止工厂流水线崩盘)。
实际上,在真实的推行战壕里,智能体的技术逻辑与固有的业务惯性一度发生了硬核式的“拔河”。

第一场“拔河”,在于“以始为终”的强制流程。

在互联网大厂,大家信奉“小步快跑”,先搞个 MVP(最小可行性产品)上线测一测,不行再改。但在安克的新 AI 流程中,平台团队却做出一个逆向举动,立下死规矩:立项第一天,不能立刻写代码,必须先用 AI 穷尽式地生成一份包含几百条指标的“最佳体验目录”,彻底想清楚产品最终到底长什么样。
敏捷团队当场炸锅:“这太重了!这不是回到了老派的瀑布流开发吗?”但在一号位及AI平台负责人的高压推进下,业务线逐渐妥协并看到了成效:当 AI 自动生成代码的成本趋近于零时,“方向千万别跑偏”远比“敲代码快几个小时”重要得多先让机器穷尽终局,再让人工来砍需求、定排期,这才是 AI 时代更高级的敏捷。

第二场“拔河”,在于“隐性经验资产化”。

流程智能体能跑起来,靠的绝不是大模型虚无缥缈的“顿悟”,而是极其精准的数据投喂。安克把各条业务线最资深的老专家拽出来,要求他们交出安身立命的“手感”——过去的 PRD 怎么写才不会被开发骂?硬件架构的容错率红线究竟在哪?
为此,平台团队生生将这些只可意会的脑力财产,强制剥离、切碎,凝固成了 9-10 个不可篡改的数据模板。
起初,业务专家起初极其抗拒,

“硬件开模全靠我十年的经验,怎么可能变成死板的表格填空?”

但安克一号位、公司创始人、董事长兼首席执行官(CEO)阳萌对此事的态度却十分坚决:

“不把专家的脑力‘榨干’成机器可读的模板,AI 永远只是个陪聊机器人。只有当这些隐形的门派绝学被固化到流程里,新兵蛋子走出来的质量下限,才会被真正兜底拉高。”

为了彻底切断退路,安克采取了物理上的隔离。他们将 2-4 人的极小作战单元关进“小黑屋”,用真实、严苛的生产线需求跑新流程,“不跑通不准出来”。用物理上的强制手段,强行洗去了大厂人安逸的“接单”习惯。
安客的破局实验,恰恰证明了在 AI 生成成本极低的时代,“方向准确度”正在取代“开发速度”,成为流程进化的更高优先级;专家的隐性经验不再属于个人,而是必须剥离为机器模板;真正的业务重构不能靠温和号召,必须借助物理隔离与“不达标不退出”的强制实验机制,才能粉碎旧有的协作惰性。

03 

组织重塑:当机器接管执行,管理层的骨架如何重构?

当不知疲倦的流程智能体开始像章鱼触手一般,自动抓取需求、生成交互原型、写下千行代码并瞬间跑完自动化测试时,安克的组织形态发生了不可逆的剧变。这种剧变,不仅是 AI 平台负责人看到的技术狂欢,更是 HR 和业务主管们必须面对的管理重构。

1.岗位边界的消融与“全栈化”生存

在过去,光是“软件测试工程师”就是一个庞大且体面的行会。但在新流程里,当产品经理敲下需求的瞬间,验收脚本就已由 AI 自动生成;代码一经提交,几十万行的集成测试瞬间跑完。独立的、纯靠跑流程吃饭的“执行型测试岗”,顷刻间失去了护城河。
对于 HR 部门而言,这不仅是裁撤岗位的命题,更是重新定义人才的命题。
原本的测试人员被要求向前延伸至产品定义,向后延伸至运维,成为 AI 业务单元中的“全栈价值创造者”。角色不再由单一技能定义,而是由“能否对最终结果负责”来定义。

2.组织切分:大矩阵的解体与极小作战单元的兴起

传统的大型矩阵式组织,其存在的合理性在于专业分工能带来规模效应——严密的矩阵式管理,几百人的大航母,层层审批,保证不出错。但当 AI 抹平了专业壁垒,大矩阵只剩下了沟通壁垒。
为此,安克将大团队果断打散,化为目标高度一致的 2-4 人小单元分队,并赋予他们端到端的交付权。决策链路的缩短,带来了肉眼可见的效能跃升。

3.反直觉的真相——人没有闲着,反而快要疯了

随着新模式的狂飙突进,业务主管们发现了一个极其反直觉的真相:AI 把脏活累活干完了,大家不仅没能按时下班,反而更累了。
为什么?因为过去一个主管一天只需开几个会,处理一些个人际沟通问题。现在,不知疲倦的 Agent 像发报机一样,一天能自动生成上百个复杂的用户故事、海量的验收标准比对和边缘异常报告,疯狂地向主管抛出需要“拍板”的决策点。
安克终于领悟到,AI 时代的 Sprint(敏捷迭代),其管理意义已经发生了彻底的颠覆。迭代不再是为了简单地计算工时排期,而是为了科学地管理人的阅读、判断与决策精力,防止核心节点因为“决策过载”而崩溃。
而人,则是彻底退回到了质量门禁、合规安全与商业价值判断的最后防线。AI 并没有让人更清闲,而是将人类的工作密度从“体力劳动”推向了极限的“决策过载”。当组织必须从“专业矩阵分工”进化为“端到端的全栈特种部队”,管理者的核心能力不再是分派任务,而是“精力分配与防过载调度”。

04 

证据边界:剥开光环,安克还有哪些悬而未决的雷区?

安克的这场“换装”实验,为成熟实业的 AI 转型提供了一个略显厚重的对标切片。与此前本专题介绍的各个全景式案例不同,安克实验的价值,集中体现了智造企业在产研端向AI转型组织跃迁中的现实挑战与决心动作。那么,剥离其作为幸存者偏差的因素,安克究竟验证了哪些护城河?
  • 第一,在重后端的复杂产研链路中,智能体编排与专业小团队的结合,确能实现惊人的端到端提效。例如,一名产品出身的 leader 能够凭借新流程,在两周内独立交付包含 1.3 万行代码的复杂系统。
  • 第二,隐性经验可以被强行结构化。依靠强制的 9-10 个标准化模板,企业确实能用AI智能体机器倒逼组织将“手感”转为资产,并借此建立起全链路的安全与质量门禁。
  • 第三,即使是不换掉老旧的 ERP 系统,也能通过 AI 逆向工程重建代码上下文,进而避免休克式组织重塑。
但安克还没有证明三件更难的事,这也是中国企业家们在对标AI应用标杆时最容易产生误判的盲区:
  • “小黑屋”里的奇迹,能在边缘业务线常态化存活吗?“火箭班”在享受着最高层的聚光灯、无限的算力倾斜和闭关免打扰的环境下跑通了。但当这套对个人综合素质(全栈认知、批判思维)要求极高的严苛流程,推行到资源匮乏、人员老化的边缘部门时,真实的采用率还会这么好看吗?这种高强度的紧绷感能长期维持吗?对此,安克目前还没有给出全员常态化的大盘数据。
  • 薪酬福利的饼,能接住被砸碎的部门墙吗?当测试被逼着走向前端,当产品经理开始统筹数据库,传统的基于“职级、坑位、专业线”的薪酬晋升体系实际上已经崩盘。如果考评机制依然“新瓶装旧酒”,干着全栈的活,拿着单岗的钱,这群在 AI 赋能下拥有极高产能的超级个体会甘心吗?不解决这个问题,跨界融合走到最后,必然遭遇切分蛋糕的剧烈反弹。
  • “部门墙”真的能向数据底座低头吗?安克构想了一个极其性感的数据土壤——构建五层语义架构,把数据的供给与消费严格隔离,从而保证合规。但在任何一家千人级别的大厂,数据不仅仅是字节,更是各个山头的“权力”。过于严格的安全网关和物理隔离,会不会在防堵外部泄漏的同时,反向成为各部门在调用智能体时互相卡脖子的新官僚瓶颈?
这些未被熨平的褶皱,恰恰是安克案例值得被探讨、被观察追踪的关注点所在。它用企业的亲身经历地告诉后来者:真正的 AI 转型,绝不是买几十套 SaaS 工具、发个新闻稿,而是一场必须伴随组织权力切割、绩效重组、业务流与价值流重新梳理的漫长泥地战。
值得提醒的是,局部试点团队的成功并不能等于组织整体基因的改变;工程逻辑的跑通也不等于利益分配体系的自动匹配。在复制 AI 先锋团队经验之前,组织是否预先筹划好相应的薪酬绩效改革和跨部门数据调用权?否则,技术变革也必将死于管理内耗。

05 

写给中国 CEO 的一条管理建议

安克创新在产研流水线上刮起的这场风暴,为所有试图在 AI 时代守住护城河的成熟企业留下了启示:

无论你是做家电出海、做新能源车制造,还是做 SaaS 软件,最该学的,绝不是赶紧让行政部门办一场 AI 提示词大赛,也不是每天盯着报表看 AI 究竟替公司省了几个文员的人力成本。

CEO 的案头上,真正值得刻下来的是这样一条管理原则:

不要把目光停留在“员工用 AI 提升了多少局部效率”。一号位必须死死盯住你的中高层,看他们是否拥有足够的意愿和魄力,去将那些散落在部门深处、藏在老专家脑子里的“隐性标准”和“模糊手感”萃取出来,转化为机器可随时调用的结构化数据模板。

如果不经历剥夺个人经验的阵痛,你买到的 AI,大概率永远只会放大少数天才的个人英雄主义,无法沉淀为组织的系统级资产。而一旦天才离职,一切也将清零。因此,只有把个人的直觉手感地变成机器的模板用例,AI 才可能真正沉淀为组织资产的护城河。
参考信源:
1.安克创新 AI 平台负责人有关《当 AI 重构了整条产研线:AI 做事,人做主》的分享实录。
2.“通往 AGI 之路 - 安克创新 AI 全景课”。
(https://www.bilibili.com/video/BV1SR5v6pE8M?spm_id_from=333.788.videopod.sections&vd_source=ba00f5af54102491778da605c64c8aa3)
3.行业关于安克创新(Anker)软硬件组织协同与早期大模型应用的公开案例与观察。
(本文根据安克创新的AI全景课系列内容整理而成,仅作为个人学习研究资料,不作为任何已验证的经验建议,特此说明。如有读者对安克创新在AI领域的转型实践有更多真知灼见,欢迎交流讨论。)