美团全员使用OpenClaw以后,开始重做AI落地流程

2026年8月12日，美团核心本地商业CEO王莆中在西普会分享了一组不那么像“AI转型成绩单”的数字。今年2月至3月，美团开展全员“养虾运动”，算力账单一度每天超过千万元，AI产生的错误还干扰了真实经营。AI已经被大规模用起来，生产力却没有随使用量自动出现。

关于“虾”具体指什么，几份公开材料的表述并不完全一致。第一财经只写了“养虾运动”，没有给出工具名称。科创板日报称美团依托内部OpenClaw工具开展这项活动；一份标为王莆中演讲实录的全文转载，也记录了“随着龙虾（OpenClaw）的兴起，我们开展了养虾运动”的说法。本文据此沿用标题，但仍需说明：OpenClaw这一具体信息并非所有报道都明确写出。

如果只截取每日上千万元的账单，这件事很容易被写成一次失控的AI实验。但美团后来做的事情更值得分析：4月起，各事业部开始建立AI组织；6月至7月，通过项目赛马梳理场景和方法；到7月，部分能力才初步进入内部产品流程。

这条时间线说明，美团没有停止使用AI，而是在全员尝试之后增加了一套转换流程。它要解决的问题已经从“怎样让更多员工接触AI”，变成“怎样从大量个人尝试中找出值得进入真实业务的项目”。

这两个问题看起来相邻，实际需要两套不同机制。

让员工发现AI可以用在哪里，需要降低门槛，允许分散试验。一个总部部门很难事先列出所有有效场景。最了解重复工作、信息断点和流程摩擦的人，通常就在具体岗位上。只有让他们实际使用Agent，很多需求才会暴露出来。

决定一个用法能否进入生产，则需要更严格的判断。个人做出的Skill可以在自己的工作中节省几分钟，却未必适合接入企业系统。它可能没有稳定的准确率，没有清楚的权限边界，也没有计算过调用成本。个人可以人工发现并纠正错误，一旦同样的能力被复制给更多员工或写入经营流程，偶发错误就会被规模化。

美团早期全员“养虾”的价值，在于快速扩大了AI场景的发现范围。它让员工不再只从演示和培训中理解Agent，而是在实际工作中试着把任务交出去。即便其中大量尝试无法上线，它们也提供了一份关于“员工会怎样使用AI”的组织样本。

但当场景发现和生产使用缺少明确分界，探索产生的噪声也会进入经营。使用人数、Token消耗量、Agent数量和Skill数量都可以快速上升，这些指标只能证明AI活动增加了。它们不能回答一项能力是否改善了业务结果，甚至可能与资源浪费同时增长。

对企业而言，“有人在用”只是投入指标。它与生产力之间还隔着准确率、维护成本、业务采用、异常处理和最终收益。一项Agent每天完成一千次任务，如果其中的错误需要员工逐项复查，统计中的自动化次数很高，实际节省的劳动可能很少。

因此，美团后来补上的流程，可以整理成一条AI项目漏斗：员工发现用法，组织筛选场景，业务验证价值，再检查成本和风险，最后才把通过验证的能力放进平台，复制给更多人。

这条漏斗是根据美团几个月内的动作整理出的分析框架，并非王莆中在演讲中提出的原话。它能够解释为什么美团已经动员大量员工使用AI，仍然需要从4月开始建立专门组织。早期活动主要拓宽了漏斗入口，后面的组织承接、项目赛马和平台建设，才开始补上中段与出口。

事业部成立AI组织，首先改变了个人创意的归属。一个员工发现某项任务适合交给Agent，过去可能停留在个人工具层面；进入正式项目后，需要有人确定它解决的是哪项业务问题，谁提供数据，谁批准权限，谁为结果负责，以及失败时怎样退回原有流程。

这些问题无法完全交给产研部门。技术团队可以判断模型、接口和系统架构，却未必能够决定一项任务应不应该自动化。业务部门知道结果是否有用，HR和组织负责人需要处理岗位分工、考核方式以及人机协作，技术部门负责系统、数据和安全边界。财经网对演讲的报道显示，美团为此设置了由业务负责人、HR负责人和技术负责人组成的AI Builder团队，并把企业诊断、工作流梳理和优先级排序放在技术实施之前。

这一步很关键，因为AI接入企业的对象往往不是一项孤立功能，而是一段原有工作流。过去由谁读取信息、作出判断、录入系统和承担结果，加入Agent以后都要重新确定。如果仍按旧岗位评价员工，又要求他们把工作交给AI，员工可能没有动力使用；如果只统计AI调用次数，又可能鼓励没有业务价值的消耗。

项目赛马承担的是下一层筛选。不同团队提出的方案需要放到统一业务目标下比较，观察它们能否稳定运行，是否真的减少时间和成本，以及带来的错误有没有超过收益。只有进入这一层，企业才能从“这个Demo可以工作”走向“这项能力值得成为正式流程的一部分”。

不过，项目赛马也不是天然可靠的答案。能够在短期内展示收入、成本或效率变化的项目，更容易胜出；需要长期积累数据、改变用户习惯或重做组织流程的项目，可能暂时没有好看的指标。倘若所有场景都用同一个短期回报标准衡量，筛选机制也可能淘汰有长期价值的尝试。

这正是探索和验证需要保持区别的原因。探索阶段允许一些暂时无法证明价值的项目继续存在，但它们不应自动获得生产权限。生产阶段必须接受更严格的业务和风险要求，却也不能据此宣布所有未通过项目都毫无价值。

CatPaw一类平台出现在这条漏斗的后端。它的作用不只是再提供一个Agent入口，而是承接已经经过选择的能力。财经网报道显示，美团已经开始把AI经营专家向医药企业开放，并计划让CatPaw面向医药商家试点。现有材料并不能证明CatPaw由OpenClaw直接演变而来，也不能证明这些试点已经形成规模收益，但它显示了美团希望把内部验证过的方法、专家能力和工作流进一步复制。

个人制作一个Agent，与平台复制一项企业能力之间，有很长一段工程距离。平台需要知道Agent可以读取什么数据，能够执行什么动作，何时需要人工确认，怎样记录过程，以及版本更新后是否破坏原有结果。复制的对象也不只是代码，还包括场景定义、评价标准、权限配置和异常处理方式。

传统企业软件通常先确定系统和流程，再培训员工使用。AI推广更容易出现相反顺序：企业先开放工具，让员工在工作中寻找场景，然后从大量尝试中识别值得产品化的部分。

这并不是所有企业都必须照搬的固定路径。它来自Agent能力具有开放性的特点。同一模型可以被放进客服、采购、数据分析或内部协作，厂商和总部很难提前知道哪项组合最有价值。分散探索可以扩大搜索范围，但企业最终仍要重新集中决策，决定哪些尝试有资格获得数据、权限和长期预算。

从这个角度看，美团早期并非简单“做错了”。全员“养虾”也可能是一场有意承担成本的组织学习，用算力费用换取员工认知和场景发现。它是否划算，不能只看账单，还要看这次活动留下了多少可验证项目、多少可复用能力，以及后续减少了多少重复探索。

目前公开材料主要来自美团管理层对自身实践的复盘。外界还看不到完整的成本收益数据，也不知道个人尝试进入正式项目、正式项目进入生产流程的转化比例。“7月初步跑通”说明美团形成了部分内部方法和案例，不能进一步解释成已经完成大规模AI转型。

美团这段经历提供的核心信息，因而不是一家大公司花了多少Token，而是企业开始意识到，AI普及和AI落地并非同一个阶段。前者看使用率，后者要看转化率：员工提出的场景有多少得到组织承接，正式项目有多少经过业务验证，进入流程的能力能否控制错误和成本，又有多少可以稳定复制到其他团队。

每个员工拥有一个Agent，只说明AI能力抵达了个人。某个员工偶然发现的有效用法，能够被组织识别、验证、约束，再复制给更多人，才开始成为企业能力。美团重新设计的，正是这段一度被全员热情和高额用量掩盖的转换过程。