AI 工具越用越多,组织为什么没变强

上个月，业务方一个负责人给我发消息，就一句话。「你们那个 AI，我到底该从哪用？」

我盯着这句话看了半天，答不上来。

是真答不上来。这两年，各家厂商都在赶着出 AI 产品。通用办公这一层，国外有微软 Copilot、谷歌 Gemini，国内几家协同办公平台也都配齐了，飞书有豆包工作，腾讯有 WorkBuddy，钉钉推出了千问办公。编程这个垂直领域，先是 Cursor，接着 Claude Code、Codex 一个接一个。想自己搭 Agent 的，有 Dify 这样的低代码框架，WorkBuddy 也能建，公司 IT 还推了个通用 Agent 平台。每一个单拎出来都是 AI Tools，可它们之间是什么关系，谁也说不清，公司员工也很疑惑。真要用起来，哪件事该从哪进，连我自己都拿不准。

工具已经太多了。要把这一堆捋清楚，得先做一件事，分层。

◆ ◆ ◆

这两年我在企业里做过一些AI 落地项目，设计实施 HR 域的 Agent，也帮业务Vibe Coding过一堆工具。上面那个场景，我自己遇到过选择困难，我聊过的很多同行也遇到过。

有一份针对几百家公司的调研，我把两个数字记了很久。AI 工具的用量涨了六成多，团队真正交付的产出，只涨了一成左右。美国国家经济研究局还有一项调查，八成高管说，没看到这些投入带来可以测量的效果。

工具用得越来越多，组织却没变强。这个落差，我不急着给答案。我想先做一件基础的事，把这些工具之间的关系梳理清楚。

我最早也以为，乱是因为工具太多。后来发现，是我把框架想错了。

我把飞书、Dify、Trae、自研 Agent 摆在一张桌上比，越比越乱。问题就在这，它们压根不是一类东西。

飞书、钉钉、企业微信，是员工本来就在的地方。人在这里问问题，AI 从这里接话。这一类，管的是入口。

Dify、飞书 aily、扣子，是另一类。它们不直接面对员工，做的是把一句话识别出意图、配好提示词、决定该走哪条检索。这一类，管的是编排。

自研 Agent、内部系统接口，又不一样。真正的业务逻辑在这里，红线也在这里。这一类，管的是能力。

后面还有两层。知识库、向量库、业务数据库，管的是这个 AI 知道什么、不知道什么。再往下，大模型，管的是最后那一下推理。

入口、编排、能力、知识、模型，五层。它们是一条请求从上到下要路过的五站。

乱的人，是把五站的东西硬塞进一站看。

下面这张图，是我把上面这套想清楚以后画出来的。

企业 AI 工具与业务系统整合架构 · 五层 × 两总线 × 一旁路

一次提问，从员工那里发起，到最后吐出一个答案，中间要穿过这五层。每一层只干自己的事，也只该干自己的事。

第一层是入口。它只做两件简单事，认出你是谁，把你的话转给下一层。业务逻辑不该放在这，识别身份、转发消息，到这就够了。所以入口层要稳，员工别为了用 AI 再装一个新软件，AI 就出现在员工本来就在的即时通讯里。他在钉钉里@一下，像问同事一样问它，这就对了。

第二层是编排。这里是 AI 应用的工厂，一个个对话流、一个个智能体，在这一层拼装出来。意图怎么路由，提示词怎么配，检索怎么做，改起来要快。业务方跑过来说，问年假的能不能先查一下他还有没有额度，我在编排层改几行配置，十分钟生效，不用动下面的代码。

第三层是能力，也是活儿最重的一层。业务逻辑在这里，系统集成在这里，该守的红线也在这里。

讲到这一层，我想插一句自己的判断。有些事，压根不该让模型干。薪酬核算、个税计算这类强规则的场景，数字错了就是事故，模型在这上面出幻觉的代价，谁都担不起。我把这类计算交给规则引擎，模型只负责把结果用人话讲一遍。分清哪一层该干什么，自然就分得清什么场景别硬上大模型。

第四层是知识。它决定这个 AI 知道什么，也就把答案的上限定死了。这里有个容易出大事的地方，知识能看见什么，得跟着人的权限走。否则一个普通员工问一句薪酬，看到的可能是别人的工资。

第五层是模型。我把模型和一个网关放在一起说，网关按场景把请求路由到合适的模型，成本算到部门头上，调用留审计。模型在下面，网关在门口。

五层讲完，你可能发现，每一层的东西，替换的代价不一样。模型天天在换，这个月这个顺手，下个月就出了更强的；编排平台一两年就可能换一个；入口却最好一辈子别动。分层的好处就在这，快的东西随便换，慢的东西不动。底下模型换了三轮，入口那边的员工毫无感觉，他还是在老地方问话。

分层解决的是"谁是谁"。分完以后，第二件事自己浮了出来。

还是看这张图。五层之外，有四样东西，横跨了所有层。

入口管你从哪问，身份管你能看什么。知识和模型是另外两样，一个决定能问出什么，一个决定答案从哪来。

一条请求从上走到下，每一层都要碰这四样。它们是全公司共用的资源，任何一家工具都带不走。

麻烦就出在这。如果这四样各自散在工具里，各管各的一本账，那五层搭得再漂亮也是塌的。我见过最直接的后果，一个团队 Dify 里一套模型的 key，Trae 里一套订阅，自研又一套，年底想按部门算一笔 AI 成本，根本算不出来。

所以分层之后要做的事，是把这四样收拢到一处管。我把这个动作叫收口。

收口这个词不太顺耳，意思其实简单，散在各处、却被所有人共用的东西，收到一起统一管。这里要划一条边界。收口不是再去买一个什么都装的大平台，全栈平台买回来，每一层还是人家自己那一套，只是换了个壳。收口收的是资源，身份、知识、模型调用这些共用的东西。至于每层用哪家工具，随便挑。工具可以多样，资源必须统一。

写到这，我把自己的判断收成四把尺子。搭完东西，或者回头看公司已经买回来的那一堆，拿这四把量一量。

四把尺子，量的其实是同一件事。这四样公共资源，收口没收口。

看到这，你可能回过味来。拿这五层去看，飞书一个工具就占得差不多了。IM 是入口，aily 是编排，开放平台是能力，文档和知识库是知识，底下还接着火山方舟的模型。一条链路，它一家横着盖满。

这不跟分层打架。分层分的是职责，不是厂商。一个厂商把五层打包卖给你，五层不会变成一层，只是都姓了一个东家。

要留神的是打包带来的那点舒服。2026 年 8 月，字节发了"豆包工作"，飞书账号一登，聊天记录、文档、会议纪要全继承过去，干完的活再沉淀回飞书，又省事又闭环。可这个闭环，收的是飞书自己的口。哪天你想换家模型，这份沉淀就带不走了。

这就绕回我前面那句话，工具可以多样，资源必须统一。你把五层在飞书里用得很顺没问题，但身份、知识、模型这三样，得攥在组织自己手里。

最后回到题目。工具越用越多，组织为什么没变强。

我的答案是这样。单个人的效率，早被这些工具提上来了，一个人十分钟干完过去一小时的事。可组织要的是另一件事，这省下来的力气得变成大家能复用、能接管、能算清账的能力。

这一步难在哪？把工具连起来，解决的是数据通不通。可组织要跑起来，还得解决事归谁管、账算谁的、权限跟不跟人。这些全是协调的事。单点效率提得再高，协调成本不降，组织这台机器就快不起来。那六成和一成的落差，就卡在这里。

这一步，靠的是先把工具分层，再把横跨各层的公共资源收口。光把工具连起来，攒不出这份能力。

工具可以多样，资源必须统一。

想明白这一句，那一工具箱的东西，就不再是乱麻了