云從科技周曦：AI讓個人提速，公司為什么沒變快？

AI讓個人變快了，為什么公司卻沒有變快？

大模型正在大幅降低智力供給的成本。過去依賴專業(yè)人才完成的寫作、分析、設(shè)計和編程工作，正在變成可以隨時調(diào)用的能力。智力越來越充裕，判斷力和組織能力開始變得更加稀缺。

個人使用AI，效率提升立竿見影。但在企業(yè)中，個人產(chǎn)出增加也可能帶來更多錯誤、返工、審核與協(xié)作成本。技術(shù)能力，并不會自動轉(zhuǎn)化為組織生產(chǎn)力。

上海交通大學(xué)博士生導(dǎo)師周曦博士做客中歐EMBA“合一講堂”，分享企業(yè)邁向AI原生（AI Native）組織的關(guān)鍵路徑。以下是講座內(nèi)容的整理。

周曦

上海交通大學(xué)博士生導(dǎo)師

云從科技集團(tuán)股份有限公司董事長、總經(jīng)理

01

企業(yè)真正的瓶頸

過去一段時間，很多企業(yè)推廣AI的方式很直接。發(fā)賬號、買額度、鼓勵員工多用，甚至把Token消耗量當(dāng)作“擁抱AI”的指標(biāo)。

一個員工原來一天完成10件事，現(xiàn)在完成20件事，如果他的產(chǎn)出需要更多人審核，錯誤率上升，返工增加，下游又接不住，企業(yè)最終得到的未必是更高的利潤。

因為個人效率與組織效率不是一回事。

企業(yè)真正的瓶頸，往往不在一個員工的生產(chǎn)速度，而在于整個系統(tǒng)是否穩(wěn)定協(xié)同：

? 跨部門如何配合？

? 質(zhì)量如何控制？

? 上一個崗位的輸出，如何穩(wěn)定成為下一個崗位的輸入？

? 出了問題由誰判斷，由誰負(fù)責(zé)，如何回滾？

? 人的經(jīng)驗如何沉淀，而不是隨著人員流動一起消失？

如果舊流程不變，只是在每個員工身邊增加一個AI助手，企業(yè)很可能只是讓原有系統(tǒng)“跑得更快”，卻沒有改變系統(tǒng)本身。

而一個本來就充滿部門墻、審批、匯報和反復(fù)協(xié)調(diào)的組織，跑得越快，甚至可能制造更多混亂。

02

從技術(shù)突破到生產(chǎn)力

中間還隔著什么？

理解今天的AI，需要把時間拉長。

蒸汽機(jī)、電力、信息化，過去幾次重大技術(shù)革命都經(jīng)歷了相似的過程。先有技術(shù)突破，再出現(xiàn)新的生產(chǎn)工具，最后才是組織重構(gòu)和生產(chǎn)力躍遷。

真正的生產(chǎn)力革命，往往發(fā)生在技術(shù)被重新組織之后。

以電力革命為例。最初，人們只是用大型電機(jī)替代蒸汽機(jī)。電機(jī)更便宜、更穩(wěn)定，但工廠布局和生產(chǎn)流程沒有根本變化，因此效率提升有限。

真正的轉(zhuǎn)折，是小型電機(jī)成熟以后。每個工位可以有獨(dú)立動力設(shè)備，加上零件標(biāo)準(zhǔn)化、精密制造，以及泰勒科學(xué)管理等新的管理思想，最終才出現(xiàn)了福特流水線。

流水線的誕生，不只是因為“電更先進(jìn)”。它至少等待了三件事：

? 單工位的生產(chǎn)工具成熟；

? 不同工位能夠標(biāo)準(zhǔn)化連接；

? 新的管理方法能夠駕馭新的生產(chǎn)系統(tǒng)。

ChatGPT的出現(xiàn)，像當(dāng)年的電燈泡；Claude Code等單工位工具是小電機(jī)；AI Native組織才是福特生產(chǎn)線。

今天的AI，大致處在類似電力革命1910年的階段。大模型已經(jīng)出現(xiàn)，面向?qū)I(yè)崗位的工具開始形成，但真正成熟的集成生產(chǎn)系統(tǒng)，以及與之相匹配的管理體系，尚未建立。

因此，今天企業(yè)的AI轉(zhuǎn)型推進(jìn)不順，并不奇怪。不是企業(yè)不努力，而是很多基礎(chǔ)條件，本來就還在形成之中。

03

AI Native

不是“全員都在用AI”

很多企業(yè)把AI Native理解成員工都有AI賬號，公司接入了大模型，內(nèi)部部署了知識庫。這些當(dāng)然有價值，但還不足以構(gòu)成智能體組織。

真正的AI Native組織，至少有三個特征。

第一，Agent運(yùn)行在業(yè)務(wù)主路徑上。

所謂“主路徑”，指企業(yè)完成一次核心業(yè)務(wù)所必須經(jīng)過的執(zhí)行鏈路。如果每一次任務(wù)都必須等一個人打開郵件、看材料、判斷、轉(zhuǎn)發(fā)、匯報，再進(jìn)入下一步，那么人的處理速度仍然是整個系統(tǒng)的瓶頸。

當(dāng)客戶規(guī)模擴(kuò)大10倍時，企業(yè)所需的人力增長趨近于零，才真正接近AI Native組織形態(tài)。

第二，專家能力可以沉淀和復(fù)制，實(shí)現(xiàn)知識平權(quán)。

過去，一個優(yōu)秀銷售離職，一部分客戶經(jīng)驗可能就沒了；一個技術(shù)骨干離開，很多隱性的判斷方式也會隨之消失。

在智能體組織中，理想狀態(tài)是，一個專家解決了一個問題，這種能力不只屬于這個人，而可以被沉淀進(jìn)系統(tǒng)，復(fù)制到100個、1000個智能體實(shí)例中。

專家能力由稀缺供給，轉(zhuǎn)化為可復(fù)制的組織能力。

第三，管理從“周期性匯報”轉(zhuǎn)向“實(shí)時反饋”。

企業(yè)之所以需要周報、月度分析會和季度經(jīng)營會，很大程度上是因為人的信息處理能力有限，只能定期匯總、集中判斷。

但對一個持續(xù)運(yùn)行的智能體系統(tǒng)來說，一個問題既然今天已經(jīng)出現(xiàn)，為什么要等到月底才討論？

未來很多管理機(jī)制，可能會從“發(fā)現(xiàn)問題—匯報—開會—決策—層層下發(fā)”，變成“實(shí)時發(fā)現(xiàn)—即時判斷—更新規(guī)則—同步到所有執(zhí)行節(jié)點(diǎn)”。

AI改變的，不只是崗位，也可能是企業(yè)管理節(jié)奏本身。

04

企業(yè)Agent落地

還缺三樣?xùn)|西

如果把企業(yè)生產(chǎn)系統(tǒng)拆開看，今天至少還有三道真正的難關(guān)。

第一，單工位AI工具還不夠成熟。

今天多數(shù)人使用AI，主要還是通過一個通用對話框。用戶需要自己提問、拆任務(wù)、驗證結(jié)果，這很像早期計算機(jī)的“命令行”。

但真正推動信息化生產(chǎn)率提升的，從來不只是PC，而是后來針對不同崗位出現(xiàn)的CAD、ERP和大量專業(yè)軟件。

AI時代也會經(jīng)歷同樣的過程。

企業(yè)真正需要的，不是所有人面對同一個聊天框，而是財務(wù)有財務(wù)Agent，銷售有銷售Agent，研發(fā)有研發(fā)Agent。每一個高價值工位，都需要真正針對工作場景設(shè)計的專業(yè)生產(chǎn)工具。

第二，多人、多Agent的集成系統(tǒng)還不成熟。

一個人使用AI，相對簡單。但一旦變成幾個人和多個Agent共同工作，問題立即復(fù)雜起來。

誰可以給Agent下指令？不同指令沖突時聽誰的？上下游崗位如何交接？什么時候系統(tǒng)自動執(zhí)行，什么時候必須由人介入？信息如何共享，權(quán)限如何隔離？

傳統(tǒng)流水線之所以高效，是因為輸入、輸出和協(xié)作方式已經(jīng)被系統(tǒng)設(shè)計好了。工人不需要反復(fù)“求人幫忙”，也無需每天匯報自己擰了幾顆螺絲。流程本身就在推動工作向前運(yùn)行。

而今天很多白領(lǐng)組織依然高度依賴人際協(xié)調(diào)。加入AI以后，如果沒有新的集成系統(tǒng)，很可能變成一群人圍著一群AI，協(xié)作關(guān)系反而更加復(fù)雜。

第三，也是最難的一關(guān)，新的管理學(xué)還沒有出現(xiàn)。

過去管理的是人，未來企業(yè)需要同時管理人和智能體。

AI出錯，責(zé)任如何歸屬？誰負(fù)責(zé)審查？如何設(shè)置質(zhì)量門禁和回滾機(jī)制？員工的經(jīng)驗被沉淀進(jìn)系統(tǒng)后，知識貢獻(xiàn)如何衡量？

甚至，AI本身也是全新的管理對象。它可能能力很強(qiáng)、速度極快、充滿創(chuàng)造力，同時也可能毛躁、犯錯、不穩(wěn)定。

怎樣“管理一個AI同事”，今天并沒有成熟答案。

技術(shù)問題可以通過研發(fā)逐步解決，但組織問題往往更難。因為組織變革，本質(zhì)上會重新定義權(quán)力、利益和責(zé)任。

當(dāng)系統(tǒng)可以直接根據(jù)數(shù)據(jù)分配資源，原來的管理者做什么？當(dāng)智能體可以跨部門完成工作，原來的部門邊界是否還需要存在？當(dāng)知識可以自動沉淀，過去依靠信息差形成的崗位價值會不會下降？

所以，企業(yè)轉(zhuǎn)型最大的阻力，往往來自內(nèi)部。

技術(shù)可以買，賬號可以發(fā)，模型可以接入，但組織中的利益、權(quán)力和責(zé)任結(jié)構(gòu)，不會自動改變。

這也是為什么，老板一個人想變，往往不夠。

05

今天該做的三件事

既然很多基礎(chǔ)條件還沒有完全成熟，企業(yè)今天最需要做的不是宣布“全面AI Native”，而是找到可落地的路徑。

第一，舊廠裝小電機(jī)，新廠做新物種。

對于成熟運(yùn)行的業(yè)務(wù)，先用被驗證有效的AI工具，提高關(guān)鍵工位效率。

并且，管理者自己先用，形成對AI能力邊界的真實(shí)體感。什么事情AI擅長，什么事情容易出錯，哪里必須審查，什么情況下需要回滾。與此同時，逐步建立質(zhì)量標(biāo)準(zhǔn)、審查機(jī)制、異常處理和回滾機(jī)制。

對于新業(yè)務(wù)、新團(tuán)隊，從一開始就按照智能體組織的方式設(shè)計，不必背負(fù)舊流程和舊利益結(jié)構(gòu)。

第二，不做幾十個Demo，先跑通一條“微生產(chǎn)線”。

全公司幾十個部門一起上AI項目，看起來熱鬧，最終卻容易形成大量彼此孤立的Demo。

企業(yè)需要的不是更多試點(diǎn)，而是跑通一條閉環(huán)的業(yè)務(wù)鏈。

選擇一條相對短的流程，崗位不要太多，協(xié)作關(guān)系不要太復(fù)雜，參與者愿意擁抱變化，業(yè)務(wù)價值可以清楚衡量。然后把多個工位連接起來，形成穩(wěn)定、可復(fù)用、可衡量的智能體業(yè)務(wù)閉環(huán)。這就是“微生產(chǎn)線”。

衡量它的，也不應(yīng)該是Token消耗量，而是結(jié)果。質(zhì)量有沒有提高？周期有沒有縮短？返工有沒有下降？客戶規(guī)模擴(kuò)大時，人力是否仍然線性增長？組織知識是否在持續(xù)沉淀？

Token是成本，不是產(chǎn)出。

第三，在實(shí)踐中發(fā)明新管理學(xué)。

真正領(lǐng)先的企業(yè)，不能只等技術(shù)公司解決問題，而要一邊使用新技術(shù)，一邊創(chuàng)造新的組織方法。

包括人和Agent如何分工，如何設(shè)計授權(quán)和審查，如何處理異常和責(zé)任，如何衡量組織產(chǎn)出，以及如何分配知識貢獻(xiàn)帶來的價值。

一條跑通的“微生產(chǎn)線”，最終應(yīng)該沉淀出四類東西：清晰的業(yè)務(wù)流、明確的質(zhì)量標(biāo)準(zhǔn)、可復(fù)用的規(guī)則，以及與新分工相匹配的崗位和利益機(jī)制。

這些東西，比做幾十個AI Demo更有價值，它們才是未來規(guī)?；瘡?fù)制的基礎(chǔ)。

每一次技術(shù)革命，最先改變的往往是工具，真正拉開企業(yè)差距的，卻是后來發(fā)生的組織重構(gòu)。

模型讓AI擁有智力，組織讓AI形成生產(chǎn)力。

未來企業(yè)真正的AI競爭力，不是誰先用了更強(qiáng)的模型，而是誰先建立起一套能夠駕馭智能體的組織系統(tǒng)。