ARTICLE · 987856
浦江科技评论|AI原生组织的分水岭:不在工具多少,而在工作方式是否改变
AI原生组织最终要同时回答四个问题：谁来用、用在哪里、如何规模化，以及如何证明价值。
-
当AI从办公工具进入研发、运营与决策流程，企业面对的已不只是效率提升，岗位如何分工，知识怎样沉淀，人与AI如何协作，谁为结果负责，都成为组织问题。
所谓“AI原生”（AI Native），究竟是AI创业公司的专属标签，还是所有企业都要面对的新命题？为此，《浦江科技评论》以圆桌讨论的方式，向四家公司提出问题，不为寻找标准答案，而是把四种不同组织处境放在一起，共同探讨当下企业所面对的这场AI变革中真实的阶段共识、分歧与未解问题。
在本次受邀的四家企业中，面壁智能是从AI中成长的大模型创业公司；云览科技是员工规模为80余人的新闻资讯平台；深信服拥有成熟业务与流程体系，正推动AI进入研发、销售与客服等生产流；新石器则以L4级无人配送车为基本盘，探索用Agent和新治理角色支撑强运营业务扩张。
四家公司代表了四条探索AI原生组织的路径，它们共同指向一个基本判断：AI原生不取决于工具多少，而在于企业是否改变完成工作的方式，并形成更强的学习、判断与行动能力。
AI Native不是给现有组织“装一个AI工具”
Q 如何理解“AI原生组织”？它究竟是工具升级，还是组织范式的变化？
孙彤 (面壁智能人力资源负责人)：我们认为，AI之于组织远不只是一个新工具，而是一次范式重构。这个过程可以分成三个层次：个人层面，每个人用好AI、与AI共生，用AI补齐能力短板；团队层面，团队内部的Skill和Agent成为共享资产；组织层面，也是最难的一层，是让AI开始进入决策流程，把个人和组织的能力“蒸馏”出来，让数据、知识和资源流动起来辅助决策，最终将公司本身变成一个AI产品。它不是给每个员工发一个AI账号，也不是一个已经到达的终点，而是持续进化的过程。
王乃然 (云览科技COO)：我更愿意先把AI看成一种提升生产力的工具，但这种颠覆性的工具一定会带来人的角色变化，决策方式、工作流程和分工也会随之改变，最后形成新的范式。以前互联网产品开发从产品经理发现和定义需求，到设计交互，再到开发实现，角色边界很清楚。现在AI通过Prompt可以完成其中很多生产动作，产品、设计和开发的边界开始模糊。人的重点会更多转向洞察、决策、沟通和为结果负责。
宋东林 (深信服科技CIO)：工具升级只是起点，AI变革最终会走向组织重构。数字化把线下业务搬到线上，沉淀数据、流程和知识；AI化是“人工作、AI辅助”，提升单岗位、单任务的效率；AI Native不是在原有流程上增加一个AI工具，而是基于AI能力重新设计流程、岗位和协作关系。判断企业是否进入了更深层的转型阶段，不能只看用了多少工具、上线了多少Agent，而要看AI有没有进入核心业务流程、有没有改变岗位协作方式、有没有推动组织结构变化。
余恩源 (新石器创始人兼CEO)：我们的核心判断是，AI Native不是给现有组织“装一个AI工具”，而是重新设计人、Agent、算力、流程和管理机制之间的关系。真正要回答的是四个问题：谁来用，用在哪里，如何规模化，以及如何证明价值。对强运营行业来说，意义还在于业务规模增长时，组织能否不再依靠不断堆人，而是让碳基员工和硅基员工形成新的协作方式。
第一个落地场景如何选
Q 真正落地时，应该先让所有人“用起来”，还是直接改造一条核心业务流程？
宋东林：我们先从智能请假、差旅费报销、内部知识问答等通用办公场景开始。这个阶段不是追求多大的业务价值，而是让员工先接触、使用并感受到变化。随后，场景选择转向高频、高耗时、低效率和高价值环节，AI开始进入IPD研发、LTC销售和ITR客服等核心流程。下一步关注的重点，也不再是AI还能替人做多少事情，而是人与数字员工怎样形成新的协作体系，共同完成业务目标。
王乃然：除了员工自发使用Chatbot和编程AI，公司层面最先落地的是内容审核。对新闻资讯平台来说，内容审核、标签和理解这类工作链条短、标准相对容易制定，而且标准形成后不必完全依赖个人经验，重复量又很大的场景，比较适合作为第一个场景。现在，公司从需求调研、市场和竞品分析，到设计开发，再到后期运营维护，都已经引入AI能力，但不同模块的推进程度并不一致。
余恩源：我们采取“+AI”和“AI+”双轨并行的策略。“+AI”是现有岗位和流程基本不变，员工通过Vibe Coding、智能分析和内容生成提升效率；“AI+”则从业务目标出发，重新设计流程和角色，让Agent承担完整任务。前者可以让产研和专业人员先获得AI能力，后者则需要AI架构师进入销售、运营、客服等部门，把业务目标翻译为Agent、数据、模型、系统与人的协作方案。只做“+AI”，容易停留在个人提效；直接做“AI+”，又会受到业务理解、数据和系统基础的限制。
人机协作的主角依然是“人”
Q 当AI进入工作流，组织一定会变扁吗？人的工作又会转向哪里？
孙彤：我们采用“矩阵+蜂窝”的组织形态。基础模型、基础设施、数据、评测等高复用能力按职能集中建设；汽车、手机、机器人、智能终端等业务则按场景组织，横向打穿、快速闭环。面壁过去基本没有承担上传下达职能的中层，条线负责人直接带一线。但部分团队仍然保留中层，其角色不是做组织传声筒，而是拆解复杂目标、培养人、创造组织增量。我们也没有纯管理岗，管理是长在专业能力上的“翅膀”。
王乃然：我们的架构目前没有很大变化。公司80多人，从员工、组长、总监到CEO共四级，没有因为AI再做扁平化。变化更明显的是角色边界：产品经理可以自己做交互稿，设计师也可以直接发现产品问题、产出需求和交互。我们也不希望“老法师”只提出需求，再让年轻人做Agent，因为需求沟通和后续复盘、调优都可能产生很大损耗。我们更希望管理者也能自己上手，不同视角和平行模块一起协作。
宋东林：我们相信组织会因AI改变，但组织调整必须慎重，所以先选择流程IT体系作为试验田。过去一个项目可能需要20到30人，现在越来越多的任务可以由3～6人的“特种兵小队”完成，典型配置是产品经理、工程师、测试员和Agent。产品侧的规划、交互、视觉设计开始向复合型产品角色融合，技术侧也逐步走向综合工程师。但财务、供应链等复杂业务仍保留领域型团队，因为AI降低了技术门槛，领域知识依然是高质量交付的重要基础。
Q AI不只是在执行任务，也开始辅助判断。人和AI的边界该怎样划分，最终由谁对结果负责？
王乃然：对我们来说，人首先要明确价值主张，也就是我们到底要什么；在不同方案之间做出选择，并承担结果。AI更多是把知识以更低的门槛呈现在大家面前，辅助人做出选择，再在选择之后的生产环节提高效率。专业知识和经验的门槛降低以后，决策讨论的问题也从“市面上有哪些方案和解法”，转向“我们到底要什么，基于这一点该怎么选”。
宋东林：我们更倾向于把AI看成“数字员工”，但不会简单追求无人化。低风险、高频、规则清晰的任务，可以让AI自主完成；需要专业判断的任务，由AI提供建议、人做决策；涉及重大业务风险、客户承诺、合规和安全的关键决策，则必须由人承担最终责任。企业需要明确AI拥有多大权限，什么情况下人必须介入，以及最终责任怎样界定。
孙彤：研发侧的代码生成、测试等基础动作已经基本AI化，但人更应该投入到定义问题、整合资源、判断结果和验证交付之中。越是与人直接打交道的环节越要谨慎。比如绩效评价，AI可以汇总信息、识别差异和分析数据，但最终判断必须由人参与解释，不能完全交给机器。业务决策则由业务负责人和技术负责人共同判断，充分表达、充分听取反对意见，再形成共识并高效执行。
AI原生不是一个终点，而是进化方向
Q 效率看起来提高了，为什么公司仍然反复追问ROI和决策质量？
王乃然：目前最大的疑问，是公司和员工消耗的Token究竟能在业务结果上实现什么效果。所有事情的链条都缩短了，开发效率提高了，但每个决策的质量是不是也提高了？还是说，我们只是做了更多错误的决策？从结果上看，还没有出现非常大的质变，所以会担心形成一种虚假的繁荣。现在AI应用比较去中心化，各模块自己推进，速度不一，也还不知道当前做法是不是最佳实践。
孙彤：我们也经历过工具预算的平衡。人少的时候不设上限，后来发现用超了也不知道是否达到业务效果，才开始沉淀平台、寻找衡量方法并设置配额。另一个问题是，人才密度高、AI杠杆大，并不自动带来组织效率；如果协同接口混乱，组织本身反而会成为瓶颈。交付中可以沉淀的部分能够复制，但需求定义、复杂协同和效果取舍仍高度依赖人，也会随客户和项目变化。
余恩源：我们正在用HRBP、财务BP和AIBP共同参与的“3BP”机制回答这个问题。HRBP关注组织和人才，财务BP关注预算、成本与收益，AIBP则关注AI生产力、使用支持、过程监督以及投入产出评估。AIBP不是工具管理员，其职责是帮助业务识别值得Agent化的场景，判断AI是否真正进入工作流，并回答消耗了多少Token、换来了什么产出。AI架构师负责解答“AI怎样进入业务”，AIBP负责解答“AI投入有没有价值”。
Q 如果用一句话概括，你们认为AI原生组织下一步最重要的是什么？
孙彤：AI原生不是一个终点，下一步仍是持续沉淀个人和组织的能力，让公司本身不断进化。
王乃然：AI可以缩短生产动作，但人仍要负责洞察、选择、沟通，并对最终结果负责。
宋东林：不只是给原有岗位增加AI，而是继续探索如何重新设计流程、岗位以及人与数字员工的协作关系。
余恩源：AI原生组织最终要同时回答四个问题：谁来用、用在哪里、如何规模化，以及如何证明价值。
📁封面专栏
