大中型企业落地AI转型，要回答员工“凭什么”

这两年，几乎每家公司都在上AI，不论是小公司，还是大中型公司。但情况不同，结果也就不同。

出生在AI时代的创业公司天生就是AI原生组织；那些在过去有成熟业务和市场的小公司，因为人员少、负担小，也能在阵痛之后成功转型。

而层级复杂、业务线多、数据沉重的大中型公司，绝大部分都还没有看到真正的AI组织变革。

本期混沌在线课程，MetaOrg元组织咨询创始人兼CEO袁凌梓老师详细讲述了中大型公司的AI困境，也指出了成为AI原生组织的关键核心。

她做了20多年组织咨询，从ERP咨询做到HR组织咨询，2020年进字节跳动做了HR首席幕僚官（梁汝波的幕僚）。

在袁凌梓老师看来，大中型公司大多是在“半推半就”做AI转型，不敢真正往前走。为什么？因为生产力已经被AI改变了，但配套的生产关系都还停在原地。

AI转型，从来不是技术问题，而是组织问题，关键在人。

人和AI如何共同服务于业务结果？人怎么拥有安全感，不担心被AI替代？人和AI怎么协作？人开始承担复杂判断后，对等的价值回报要怎么给？

这一堂课，袁凌梓老师把这些问题总结为“三座桥”。大中型公司要走过这三座桥，才能到达对岸，完成AI组织转型。

（以下是课程内容的精编笔记，仅占1/8，可通过文末图片扫码进入混沌APP学习完整版。）

投钱做AI组织转型，你走到哪一步了？

我想先说两个问题。一是企业的困惑，就是现在大部分企业都在用AI，结果却是每个人都在提效，但是组织没有产生增量，没有产生新的业务收入和利润增长。二是个人的体感，我们都在这个过程当中感受到了焦虑。越拥抱AI，越觉得自我价值降低了。

我们必须去探索一下，为什么会有这样的落差？如果我们要解决问题，要找到组织和个人的价值平衡，应该怎么做？

那么首先我们再仔细看看，现在很多大中型企业和创业公司都怎么用AI？

现实情况是，Agent已经进入了组织的核心工作流，每个人都能非常熟练地使用AI工具。但是，从企业层面来看，还是有四个大的困境。

一，ROI算不清楚，已经花了很多钱，但却没有明显看见AI带来的生产力影响和市场增长。二，大企业已经意识到，组织提效不能困在旧的工作流程里，但是很难去真正改流程。三，知识管理和数据建设是个巨大的洞，没办法去萃取沉淀那些隐性的判断和方法，去训练和优化Agent。四，AI治理与伦理风险悬而未决，数据隐私、算法偏见、责任归属等方面还是存在大量的未知。

所以大中型企业做AI转型更像是“半推半就”。虽然他们相信最终的AI大方向是正确的，但现在又还不敢真正往前走。

那么在近几年才成立的创业公司又是什么样的呢？那些出生在AI时代的“AI原生组织”怎么去做业务、管团队？

举个例子。2024年在美国成立的一家公司，Palona，它的产品是为餐饮商家提供AI应用服务。当时很多餐馆都需要客户打电话来详细说明需求，但Palona开发了两个Agent，一个作为餐馆前台面向客户收集订餐信息，一个作为门店后台管理餐馆的接单、出餐、座位清洁、账单支付等全部的运营流程。

更重要的是，这并不是一个标准化的数字产品。每个餐馆会有不同的需求，所以这家公司把所有员工就分了两组岗位，每次获客，一个销售会带一个技术，独立完成“见客户、理需求、写代码做产品”的全过程，中间不需要产品经理立项，也没有多层的开发审批流程。

以前需要销售等着产品，现在有各种版本产品来减轻销售的业务阻力。如果客户需求很大，产品生产又能快速对接，自然就拿到更多的收入，就这么简单。

所以为什么要改流程，因为流程中有导致效率下降的环节，每个环节可能都有一定的停留时间，有人的判断，要沟通，要对齐。

传统公司的管理方式是比较固化的，有一个业务目标，就从内部去找资源匹配、岗位承接。但是AI原生公司是从外面倒推的，围绕业务结果去组团队、做交付。

基于业务结果去拆工作流，思考是用人还是用Agent。但其实公司的本质都是为了拿业务结果，只是我们会发现很多公司越长越大、越长越成熟的时候，容易忘掉了为什么而存在。

所以现在很多大型组织想要改造成为“AI原生组织”，但是我认为，真正的AI原生组织其实是出生在AI时代的“Baby Company”，很多已经六七十岁的“老登公司”，怎么可能变成Baby的状态呢？

但是如果变不成“AI原生组织”，能不能变成一个AI加强公司、AI赋能公司？能不能真正让AI解决生产力痛点？是可以的。

从传统公司到AI原生公司，本质是要解决生产关系的重塑问题。生产关系要是顺了，人就有动力干活，通过更好的协作，拿到更好的回报。所以现在在讲的规模大小、一人公司、让AI进入流程，这都是结果，最底层应该就看有没有解决生产关系。

第一个要点，人和生产资料的问题。AI原生公司的生产资料多了模型、数据、知识库和智能体，组织需要重新规定“这些生产资料谁拥有？谁可以使用？谁可以配置？谁可以收益？”但这个问题到目前为止也没有解决，甚至有些AI原生公司的员工个人也不具备拥有权。

第二个要点是分工。传统公司的分工相对稳定，但AI原生公司是根据业务结果拆工作流，在人和智能体之间做动态的任务分派，谁做更好？谁做更快？谁做成本更低？谁能够更让合作更加丝滑？谁就干这事。

第三个要点是人与权力。传统公司追求稳定性、规模化和效率，管理者拥有权利，分配资源、检查工作。但AI 原生公司中的权利会更下沉，谁对结果负责任？谁能够直接带来业务结果？谁可以调动相关Agent？谁就拥有权利。所以一线员工往往会拥有更多的判断权利。

第四个要点是协作。传统公司有稳固的标准分工，但AI原生公司分工模糊，会灵活变化。

第五个要点是价值分配，传统公司基本上是按岗位、按结果、按绩效来做评价、做分配，劳动者能拿到的回报是相当有限的。但AI原生公司里，其实个体对业务结果产生了更大更多的贡献，如果你不给他足够的回报，不给他的知识和价值足够的溢价，他不可能跟你一起干，他完全可以自己做一个AI原生公司。

一和五是极其难的，那中间的分工、权力和协作发生改变了吗？也很难。但是如果我们要真正推动生产力的大幅上升，不去做突破、做改变的话，是做不到的。那么为了让生产关系有机会发生改变，我认为可以先做“三套核心机制”。

第一套是围绕着结果的液态组队的组织机制，第二套叫围绕着工作流的灵活分工的工作机制。第三套叫围绕责任和贡献的价值分配的回报机制。

通过这“三座桥”，我们可以从一个传统的大中型公司到达彼岸的AI原生公司，变成一个AI加强公司、AI赋能公司。

组织液态化，不是去掉所有层级

现在组织变革的一个趋势是大家都想打破科层制，因为科层制虽然责任分工很明确但也会导致公司变慢。现在，在有壁垒的行业当中，科层制的公司还是能活得很好；但是在那些竞争越来越激烈的行业中，越慢就死得越快。

所以我觉得，所有的公司，不论是什么行业，只要你没有绝对的垄断，你都应该开始做组织的液态化。并不是完全没有结构，而是资源可以围绕着价值和经营结果，快速流动组合。

过去大家也想这么做，但做不到，现在AI让这件事变得可能了。因为协作成本下降了，文档和Agent的对齐比人和人口头沟通更清晰；Agent背后的数据知识库也可以跨部门流动，大家看到的数据都是一样的，没有歧义，不会扯皮。AI让过去成本过高的敏捷组织，第一次具备了规模化的条件。

但是具体应该怎么做呢？把所有部门都拆了、把金字塔架构彻底推翻吗？我做了二三十年的组织变革，我认为这是不可能的。员工需要安全感，如果这么做，他们没办法接受。

对于大公司来讲，这些有一定规模和历史的组织，要想做组织的液态化，应该是要做“双层组织”。液态的前台，加上稳态的底座，既要有快速变化的部分，也要有稳定沉淀的部分。

让你的销售、产品、项目经理，让这群在前台的人能够跨团队干活，快速组队，一起解决客户的需求和问题。底座部分，就是你的知识管理、信息打通、大量工作SOP，这些要更紧迫地去做，而且每个部门做了之后一定还要在公司平台上进一步原子化拉通。

那么这里我也给大家提供液态化组织的五种显性形态。如果你的公司虽然有科层制，有金字塔架构，但你实际工作是以这五种方式来协作的，那么你的液态程度就很高了。

第一，动态跨职能组队。能不能在很快时间内，让来自不同部门的人围绕一个客户问题或业务问题坐下来，有共同目标、对齐分工、各自贡献技能、形成结果？

第二，最小价值单元。比如让销售、售前、产品、运营坐在一起，短时间内拿到客户、验证需求、提供产品、拿回订单。如果都是这样的端到端闭环能拿结果，CEO变成若干个端到端团队的雇主，公司就全是收入和利润单元。

第三，强底座、活前台。每个部门有大量Agent处理日常工作，人去做拿结果、面对客户的事。底座一定要通，但这比较困难，因为数字化这件事做了这么多年还是做得很差，不过现在AI是一个做强做好的机会。

第四，AI流水层+人工例外层。标准化、常态化的运营工作全给AI，人跳出日常职能，进入跨职能工作。

第五，管理协调功能消融。以前管理者在某种程度上是“设边界、卡关卡”，比如部门的人要帮谁谁干活必须要经过部分负责人的同意。液态化就是把这种关卡拿掉，换成每个人自己管自己、AI管人、数据平台管人。

组织液态化一定是一个渐进阶段，固化职能制→跨部门项目制→端到端流程团队→最小价值单元小闭环→液态组织。

我曾经也是做人力资源的，我知道当边界被拿走之后，人是没有安全感的。你把我的人都掏走了，我对什么负责任呢？我没有权利了，没有影响力了，怎么办呢？

所以职能部门要从“资源的领地”转向“能力的平台”。你能不能给公司把知识、SOP、专业能力建好、建得有战斗力，这就是你未来被依赖的价值。从那些"制造摩擦、降低客户感受"的损耗部门开始液态化，把不必要的监控和审批拿掉。每次组队之后要建临时章程，尽量把项目变成真实的组织单元。

比如我自己在字节做了很多年，字节已经十几二十万人了，它有大公司的形态，也还保留一定程度上的创业色彩。因为组织里的分工模糊化、协同目标化，决策是最小链条的决策，授权是最大化的一线授权。

我想说的就是，组织液态化不在于把部门拿掉、把层级拆掉、把组织扁平化这些形式上的表象，真正内里的一定是大家的工作方式，能不能更好地围绕着价值去做分工。

解构与重组工作，不能只靠员工

什么叫工作解构？我们说组织AI转型的过程中，要建立新的生产关系，要改变其中的分工和协作。但我们会发现，AI技术进入工作后，会被改变任务，原来由人做的事情被提速了。

原来的岗位就像一张“包袱皮”。假如我是法律专员，我的“包袱皮”就是review合同、参与谈判、审批价格、知识沉淀这一摊事。但AI进来之后，它能把review合同、审批价格、知识沉淀做得更好，我就剩下谈判了，因为这件事AI干不了。

AI的进入，拆掉了岗位的“包袱皮”。所以工作需要重新被拆解和被组合。但是，公司有意识地在做这件事吗？

解构工作其实很难、很复杂，很多公司会鼓励员工自己先解构一下，自己尝试把工作交给Agent，但有些时候员工不太愿意解构，因为最后可能会显得员工好像没有价值了。

所以，工作解构这件事情，它不是一个能自下而上发生的事，它需要自上而下地去推动，但现在自上而下的力度和方法太少了。

其实大概五六年前，人力资源们就在谈——从job based（岗位为基础）走向skill based（技能为导向），但一直走不动。因为岗位边界把人框成了“责任导向”，干活先想“这该不该我干”，而不是“客户需不需要”。

现在AI来了，这件事变成了双向奔赴。AI以一个个skill去接管工作，最终留在人身上的skill才是真正有价值的skill。

所以现在公司怎么自上而下做工作解构？有两种，正着做，反着做。

从人出发正着做，自上而下把公司业务流拆开，每个业务流有多少场景？每个场景中有多少任务？每个任务下有多少技能？这些技能哪些是人来做哪些是AI来做？

以人为核心的，常规的、大量消耗时间的事让AI干，人留少量高价值高判断的事。这样拆完之后，AI是助手、是工具，对流程的彻底改变有限。

反着做就是默认所有流程让Agent干。先把流程全部画出来，看每个步骤Agent能不能干、怎么干？我们要先找到组织和流程的关键角色，那这些关键角色怎么干活？把他们的业务知识、数据、可复用能力喂给Agent去跑通。

它能干活之后，还要告诉它哪些能干，哪不能干的要交给人来处理，设置一个组织红绿灯。

举两个例子，也是我的两个客户。第一个是来也科技，创业公司，以前专门做RPA（Robotic Process Automation，机器人流程自动化）。他们用Agent把自己的销售流程重做了一遍，有客户经理Agent、销售主管Agent、售前顾问Agent、交付经理Agent、后台管理员Agent，把原来项目经理和销售扯皮的环节全替代了。

他们还用Agent重塑了HR流程。首先就是最高频发生的“入离调转”，然后是追踪每个人的薪酬考核，给管理者配一个分析Agent，让他能看到下属团队的人力成本分配。目前已经可以看到效率提升和人力释放，但收入利润上升还在早期。

他们把自己的方法论总结是“四个阶段、八个动作、一条主线”，梳理流程角色→优化流程重组角色→设数据治理和权限→跑试点再全量推，一条一条业务流程去做。

第二个也是一个创业公司，给生产制造企业做Agent平台，就是带着系统平台去改造客户的业务流程。他们自己在内部先做了一个“销冠agent”，因为小公司很难招到顶尖销售，所以就把最优秀的一两个销冠的经验萃取出来。

每个初级销售见客户之前，销冠agent先给他做一次演练和武装，其中很多是应届毕业生，一个大客户销售的经验都没有。做完之后，这家公司的赢单率在上升，新人的时间投入在下降。

那么在什么场景中，哪些工作应该首先被解构，重新被组合？这里也有一个“判断矩阵”：重复性、标准度、情感度、风险度。根据这些维度去筛选。低结构化、极高复杂度的工作，就完全得靠人做。

回报与价值，是所有行动落地的关键

前面我们都在说“怎么干”，但是员工会问：我把知识都萃取给你了，Agent可以去干了，那我图什么？所以重要的是这第三套回报机制。

那么很多网上自媒体会说AI原生公司的激励是“没有职级、没有晋升，用结果验证，责任越大奖励越重”。但我认为这是理想状态，在大中型企业里不能这么干。你不可能把现在所有管理中层的职级全部取消重来，逼自己成为AI原生公司。

未来一定还是有职级的，只是它会从象征身份权力变为“治理的底座”，就是一个人解决问题的复杂能力，代表你的分量。

其实AI时代的回报体系，包含了人们对级别、薪酬、奖金的、职业发展的回报。过去的体系当中，是直接用岗位职级来决定你的固定工资、奖金、福利待遇。但是用了AI以后，就会打破这些，比如会多了最基础的token津贴。

有一个现象是，现在招聘要求必须会用AI，就像以前要求会用电脑软件。现在很多会AI的研究员和工程师，工资开到了非常高，但我认为这是一个短期的超级溢价过程，最终对AI人才的定价会回归理性。

我们很难讲清楚一套稳定的分配方法，但是可以看到有几个重要的变化。

首先，薪酬会从岗位付薪走向贡献付薪，因为用了AI后很容易有更大的产出。

其实大家都想过，企业给员工薪酬是为什么而买单？其实就是为了员工的经验、能力、贡献。只是过去把这些都浓缩到了定职级上面，所以一个人跳槽能从经理到总监，然后加薪30%。但现在的趋势是层级简化，所以某些公司的经理可能会比其他公司的总监还要高还要强。

薪酬里边最重要的一直是贡献定性，然后是你的技能。但是现在AI接管了流程后，人的贡献和技能，多了一项“责任和判断”，这很重要。我们需要衡量不同的岗位，承担的判断的分量和大小。

你会处理更多高风险的、模糊的、AI难以独立完成的问题，处理得越好，带来的结果越好，那么“责任和判断”的溢价就要越高，员工应该得到更大的回报。

所以觉得，AI时代的薪酬架构，我们可以想象为四层：岗位基薪、Skill溢价、责任津贴、价值分享。价值分享，就是员工为流程改善、业务增量、沉淀可复用资产所做的贡献。

除了在这四层对应薪酬之外，还有一种重要的回报——绩效。怎么考核人的价值？这里我分享一个AI原生公司在探索的考核方式，不是按岗位考核，而是看三件事。

第一，多元角色，按照你实际承担了多少角色、多少责任去奖励。第二，AI的杠杆力，你用AI解决哪些多样性的复杂的问题。第三，价值贡献度，就是你最后产出的结果，客户和市场里的实际分润。

这是一个大概的思路，但是更突破的做法是，他们的考核不再按季度或年度，而是AI实时分析你的工作行为、判断难度、产出绩效，三个节点都能累计积分，在分奖金的时候很简单地拉个总分就行了，不需要再做任何评估和反馈。

当然，这样的话可能会让人的工作24小时暴露在AI监控下，但这也是AI深入组织后必须面对的拉扯。AI进入组织越深入、越自动化、越智能化，人就越被AI无孔不入地管理，也许这就是我们人类不可回避的一个结果。

最后，我还想说一点。如果是这样的回报机制，那么未来晋升还重要吗？员工还会向往成为经理、总监吗？我想，如果未来每个人能拿到跟贡献绝对对等的超额回报，工作本身又有意思，人对表面上的头衔晋升的期望值会下降。

所以，讲了这么多的现状、方法、理想状态，还剩下一个重要的问题：你想做吗？你想往前走吗？你想到达AI原生的彼岸吗？

现在有不少公司都在做组织变革，但这一轮过程非常痛苦。我最后分享三个案例，都是老板亲自all in推AI，但他们又走了三条不同的路。

第一个是普康科技，CEO于勇是典型的"组织先行"。他十年前就在打通部门边界，把工作方法和技能沉淀下来。所以AI来了，他可以直接快速地把这些知识库做成agent。如果没有前十年的沉淀，这是不可能的。

第二个是SKG，深圳的一家智能穿戴公司。因为竞争激烈，他们选择开始做海外市场、海外营销。但是海外团队不加人，而是用agent和token解决所有问题，内部每天滚动排名，老板亲自盯用得差的一线营业员和部门经理。

第三个是安克创新。他们先是在财务、营销做了两三年散点提效，后来发现太碎，回到基础能力上，拆解每个岗位，形成部门岗位和能力目录，派ADT（能力发展团队）跟IT一起把能力AI化，所有的团队都亲自参与了自己工作的重新的拆解和沉淀。

所有的尝试，其实都是遇到了“人”的问题。人在工作场景之外，可能会拥抱和接受AI，但在工作场景当中不一定。员工那边的阻力是真实的，所以组织的文化需要非常大的调整，要产生人机共生的伦理与价值观。比如透明共治、赋能授权、敏捷、共创共享、韧性试错等等。

虽然很多问题现在没办法有确定结论，但我觉得变革的车轮是阻挡不了的。我们只能看清这些问题，理解我们的目标，努力有效地去推动组织变革。

我们还在路上，有很多做法，也许明年就不是这样了，也许技术提升之后一些问题就迎刃而解了。