AI时代：从个体效率到组织变革的跃迁

一家估值超100亿美元的企业，规模却仅247人，这是硅谷的Perplexity给出的答案，而其估值已达140亿美元。另一家Cursor AI更是仅有30人，却支撑起了估值约90亿美元的庞大企业。这些数字揭示了AI时代企业的新面貌。

仅从企业规模上就可看出，AI时代成长的企业与传统企业有着明显的差异。如此大体量的公司，只需极少的人数就能维持运转，背后的管理逻辑已然发生了巨变。

上述两家企业是“AI原生组织”的典型案例，但它们是极端之一。如今，无论是在日常生活、学术研究还是企业经营中，AI的影响无处不在。麦肯锡最新的全球调查显示，使用AI的企业占比已升至78%，有71%的企业在至少一个业务职能中“经常”使用生成式AI。麦肯锡估算，生成式AI每年可新增2.6万亿至4.4万亿美元的经济价值，主要集中在客户运营、市场与销售、软件工程与研发等职能。

然而，企业端对AI的实践呈现出明显的两极分化：一方面，与AI深度融合的成功企业，其内在逻辑已随AI发生根本性改变；另一方面，在大多数企业中，尽管AI是热门话题，但应用深度有限。更关键的是，高采用率并未转化为相应的价值回报，这种“采用率高、价值兑现参差”的现象值得深思。

个体提效与组织困境：生产力悖论的本质

当我们从年轻的“AI原生组织”转向更成熟的企业时，看到的是另一幅图景。

在调研中，我们遇到了一家程序员“含量”达90%的公司。为了探寻AI对生产力的影响，公司在内部做了对照测试。然而，测试发现AI对效率的提升效果仅有10%—15%，与公司的期待值相距甚远。原因在于公司的软件开发流程并未发生根本改变。

在个体层面，受控实验与真实使用数据已反复显示类似的提效效应。但在组织层面，“兑现难”同样得到了大量研究与调查的支持。麻省理工学院与波士顿咨询公司的多年跟踪报告显示，只有约一成企业从AI中获得显著财务收益，主要瓶颈不是算法，而是组织学习、流程重构与人机协作能力的不足。

说到底，问题的症结在于“组织化能力”而非“工具缺位”。对于大部分成熟企业而言，单纯在运营过程中引入AI工具而不改变工作流程，只能带来碎片式的优化。关键在于将任务拆解进入AI的能力边界，设计出可评测的基线，将人机分工纳入流程。

从任务替代到能力重构：技能金字塔的重绘

过去的组织结构基于劳动力分工形成：企业内部分割出不同任务，再根据任务内容和人的技能设计岗位。现在的问题是：AI会替代哪些岗位？实际上，AI很难替代某一个岗位，它替代的是一个任务。

知识工作者将大量时间用在个性化的“支线任务”上，而非基础的生产任务。这样的成本是惊人的。对于技术适应组织还是组织适应技术的问题，当下阶段更多需要组织适应技术。

这样的逻辑在历史上已有先例。第一次工业革命与第二次工业革命交接期间，生产力飞跃也花了30—50年时间才实现。其中一个原因在于工厂布局的变化。蒸汽机时代工厂是立体式纵向建设，到了电力驱动时代，工厂布局变得更加灵活。

组织适应AI的三个关键维度

当思考价值创造的整个过程时，问题从简单的提高效率转为工作流的系统性重构。

客服是当下AI应用最广泛的场景之一。传统做法是让每个客服人员使用AI辅助回答问题,但流程本身不变。这种碎片化应用确实能提升个人效率，但组织整体收益有限。

站在全局的角度，组织需要回答的问题是：哪些任务可以完全由AI自动处理？哪些需要人工介入但AI可以准备好所有背景信息？这种重构的核心是建立“人机分工”的清晰界面。

人的分工发生变化后，人才发展自然需要全新的思路。在AI时代的职场中，我们需要重新定义对人才和岗位的技能需求。

未来的职场人才需要的第一个基本能力是会定义。这意味着他/她能够将模糊的业务需求转化为清晰的任务规范和质量标准。此外还需要验证、编排和“教机”的能力。

这四组能力的共同底座是避免“能力退化”。关于自动化导致技能衰退与自动化偏误的实证研究早已存在。即便有了新的工作流和合适的人才，组织还必须跨过文化维度的转变这一关。

首先，组织要让员工获得心理安全感。透明的沟通、明确的转型路径、持续的技能培训都是建立信任的基础。

其次，组织需要建立实验文化。通过建立“AI大使”网络，让早期采用者分享经验。当员工看到同事通过AI提升工作质量、节省时间时，会自然产生学习和应用的动力。

最后，选择那些AI能力成熟、业务价值明确、失败风险可控的场景作为突破口。组织也需要逐步构建起能力沉淀机制。

AI agent：从工具到数字员工的跃迁

新的流程和结构背后，AI在组织中有了自己的角色。AI agent或许就是这一思路在未来的呈现模式。

我们可以将AI的使用分为几个阶段：基础大模型的使用、单一AI agent的投入使用以及多元AI agent的成熟应用。随着AI agent能力的增强，它们将成为企业的数字员工。

未来组织的形式也将发生变化。从电力时代以任务为导向的专业化分工转化为AI agent包围下的工作“集群”。大多数工作可能会集中在少数人手里。这种工作模式成为一种普遍现象可能需要很长的时间。

最终我们或许能看到与今天截然不同的组织的模样。而这一切变化的发生会是一个自下往上的过程——由每一个岗位的变化汇聚成组织的变革。