©️深響原創 · 作者｜劉亞瀾

大廠正在集體發力「AI辦公」：

騰訊的WorkBuddy已經跑出了千萬月活；

字節推出豆包工作，飛書與豆包合併，字節跳動CEO梁汝波罕見站台；

阿里將三款智能體產品線合併為千問辦公；

360發布了納米Work、金山辦公發布了AI辦公智能體「靈犀專業版」、百度搭子增速明顯……

久違的硝煙味，瀰漫在大廠共同爭奪的新入口前。但跳出大廠的敘事邏輯，用上「AI辦公」的企業真的就能擁有更高的效率、獲得更強勁的增長嗎？

2024年，全球企業在生成式AI上投入了300-400億美元，MIT的研究者在2025年追蹤這些投資的回報，發現大約95%的企業沒有獲得任何可衡量的財務收益。波士頓諮詢（BCG）2025年的研究報告也印證了這一點：只有5%的企業實現了「有意義的」AI回報。問題出在哪裏？為什麼對個人工作效率有明顯提升的AI，對企業整體的價值卻停滯不前、無法驗證？

答案或許在組織上。WorkBuddy也好、豆包工作也罷，各家的能力目前仍然是工具化、以人為中心的。當絕大部分企業的組織架構仍然是工業時代的「人的組織」，AI對於企業的價值自然會大打折扣。

「把AI塞進一套為人類設計的組織架構裏就像試圖在蒸汽機車的鐵軌上跑磁懸浮列車，技術本身沒有問題，問題在於在錯誤的基礎設施上運行它。」清華大學經濟管理學院領導力與組織管理系系主任、Flextronics講席教授李寧告訴「深響」。他認為，企業要想真的擁抱AI，就要在組織上進行變革，而非單純地引入AI工具。

01

從傳統組織到AI組織：

什麼變了？

在探討AI時代的企業應該有什麼樣的組織之前，我們先探討了傳統組織的運轉邏輯。李寧把傳統組織的建立歸納為三個核心假設：

第一，有限理性，人的認知能力是有限的。我們無法同時考慮所有的信息，無法預見所有的後果，無法做出完全理性的決策。我們的大腦有處理容量的上限，這種認知限制的解決方案就是分工。每個人精通自己的領域，組織通過協調把這些專業能力組合起來。這就是為什麼我們有會議、文檔、項目管理、組織架構，這些都是組織協調的成本。他們不直接創造價值，但他們是分工的必然代價。

第二，人的不確定性。人有情緒，會疲勞、分心、犯錯。人的判斷受到認知偏誤的影響，人的動機會隨環境變化。即便是最優秀的員工，也可能因為家裏出了事而心不在焉。這種人的不確定性的解決方案就是管理。激勵機制、培訓、績效考覈，通過管理來應對人的不確定性。

第三，人的成長性。一個新員工在工作三年後會比剛入職時更有經驗、有判斷力。這種成長性帶來了經驗的價值。傳統組織往往看重經驗，高級職位通常要求「5年」「10年」等相關經驗。這背後的假設是時間會帶來積累，積累會帶來能力。

傳統組織的三根承重柱

這三點有一個共同的基礎：人類是組織中唯一的智能行動者。而AI動搖的正是這個基礎——

首先，AI並不存在勞動分工。大模型並不是只負責某一個環節。以軟件開發為例，AI既可以設計前端UI和用戶交互，也可以寫代碼、做後端數據庫、進行測試，沒有所謂的勞動分工。今年初，阿里前技術專家畢玄創辦的公司就取消了所有按技術棧劃分的崗位，他認為在AI編程工具時代，這種劃分已經過時了，一個工程師加上AI工具鏈，可以處理從前端到後端、從數據庫到部署的完整問題。

其次，AI帶來的是一種與人完全不同的不確定性——幻覺。AI沒有情緒波動、沒有動機問題，但它的輸出有一種本質上的不可預測性，你無法完全確定它這次的輸出是否正確，即使上一次是正確的。這種不確定性與人的不確定性完全不同。人的不確定可以通過激勵、監督、培訓來管理，你可以給人獎金讓他更努力，設定檢查點確保他不偷懶，提供培訓讓他犯更少的錯，但這些方法對AI完全不適用。AI不需要激勵，不需要監督，不需要培訓，它的能力邊界由模型決定。AI的不確定性需要通過約束、驗證、冗餘來管理。

從傳統管理到AI時代管理的邏輯變化

最後，關於成長性。人會自然成長，但AI不會。一個員工工作三年後會自然積累經驗，他會知道哪些方法有效，哪些無效；會知道公司不成文的規則。人類員工會隨着時間建立信任，但AI不會因為"用了三年"就變得更值得信任，它沒有穩定的人格。這意味着對信任不是依賴時間的積累，而必須依賴架構的設計。你必須明確規定：AI在什麼範圍內可以自主行動、什麼決定必須經過人類確認、什麼輸出需要交叉驗證。這是一種"信任架構"，它不是慢慢培養出來的，而是預先設計出來的。同樣，組織中的知識積累和傳承也不能再依賴自然過程。

人類員工和智能體的區別

顯然，AI的生產力和現有的生產關係是不匹配的，這也是企業AI效率低下的真正原因。就像從農業社會到工業社會，生產場所從「分散的家庭作坊」到「集中的工廠」、分工模式從「全流程操作」到「流水線標準化」、組織形態從家族/宗族的熟人網絡到金字塔型架構的層級制度、管理依據從習慣經驗和家族權威到標準化與流程、僱佣關係從租佃關係/師徒傳承/人身依附到契約化僱佣。而從工業社會到AI社會，這些組織方式也都需要發生對應的變化。

「AI的生產力，完成同樣的任務可能是人的幾十倍甚至上百倍，但現有組織模式仍然圍繞「人是行動主體」、「人是幹活的主力」來安排。」李寧說：「而企業的難點在於，你很難推翻現有的組織結構，就像一棟住着很多人的房子要重新裝修，客戶還在催進度，業務還要正常交付。這時候出現了一種全新的工作方式，企業也不知道轉型後效果會不會更好、能不能保證交付。你既想裝修，又不能停止居住。每個房間都住着人，要裝修就得把裏面的人請出去，但大家未必願意。」

李寧認為現在企業進行AI組織轉型面對着四個難點：

第一，技術本身還在快速變化。

「最開始大家講智能體，很多智能體實際上是Workflow（工作流），後來大家逐漸發現，這種方式靈活度比較差，因為很多工作很難提前完全定義成一個確定的Workflow。到了今年，技術開始轉向Agent Harness，到了今年，技術開始轉向Agent Harness。現在技術方向可能出現了一定程度的收斂，但這個收斂也就是最近幾個月、半年左右的事情。」

第二，勞動分工不變的情況下，AI變革會涉及利益重新分配與博多方弈。

現在很多人都有自己的AI工具，但人與人之間的協調仍然靠人，勞動分工也沒有發生變化。這時候員工就可能產生牴觸：「AI已經這麼強了，我們10個人明顯不需要10個人，可能兩個人就能幹。」但員工當然也不願意說：「我的效率這麼高，那我把同事的活都幹了。」於是就會出現一個很奇怪的現象——AI越用越強，個人效率越高，但工作量反而可能越來越多。因為這已經不只是效率問題，而是組織變革問題。組織變革一定會涉及利益重新分配，也會涉及組織內部多方博弈。

第三，效率提升後，出口在哪兒？

企業一直在講降本增效，但如果AI只是降本，企業客戶還是這麼多，業務規模沒有變化，沒有新的增長出口，那麼效率提升本身也沒有意義。所以一定要有一個新的出口：用AI去創新。比如用AI去做長尾客戶，以前因為時間精力有限，只能提供標準化產品，有了AI之後，就有可能提供個性化服務。因此企業更需要思考的是AI如何帶來增量，而非替換員工。

第四，企業和員工對AI的認知還遠遠不夠。

李寧談到他接觸的很多企業和員工對AI能力的掌握還不夠深入：AI在工作中到底能做什麼、幻覺為什麼產生、Agent到底是怎麼回事、哪些事情可以信任AI、哪些事情不能完全信任；管理層應該如何判斷技術方向……這些基本問題的認知都還沒有形成。

更重要的是，AI組織並不是簡單的組織調整。它不是像過去的組織變革一樣，把部門調整一下、合併一下，再把人從一個部門移到另一個部門。它要求組織和技術進行深度融合。也就是說，AI時代需要重新建設組織的基礎設施，而這一部分目前還遠沒有完善。現在更多跑出來的，反而是OPC或者一些小規模團隊。

02

詳解AI組織形態與競爭力

既然現有的組織關係難以承接AI生產力的爆發，那麼究竟什麼樣的組織形態纔是AI時代需要的？AI組織的競爭壁壘又在哪裏？

焦點從「人」轉向「任務」。人的專業能力不再是唯一的分組依據。新的組織邏輯是任務本身的性質需要什麼樣的資源來完成：純AI、人加AI、純人。

純AI就是可自動化的任務集群，AI執行整條工作流，人負責維護這條工作流，只在出問題時介入，一個人可以同時維護多條任務流；

人加AI則是增強型任務集群，這類任務的特徵是沒有客觀真理，「什麼是好的」需要人來定義——戰略選擇、創意方向、品牌調性、用戶體驗等。AI生成、人判斷、AI執行、人驗證。人介入的位置，都是在「選擇方向」的時刻，不是在「執行細節」的時刻；

純人類任務集群是最複雜的，它需要進一步被細分。這類任務的價值在於人的參與本身，但不是所有「只有人能做」的任務都具有同等的戰略價值。

當你把這三種任務集群放在一起時，一個新的組織圖景就出現了。人不再是被分配到崗位，而是被「部署」到任務流中最需要人類智慧的位置。不是「給人配AI」，而是「按任務流配置人和AI」。

崗位向任務流的轉變

焦點也從「集體」轉向「個人」。

李寧提到AI編程軟件公司Cursor的例子，從創立到2025年底，團隊從20人增長到250人，創造了超過10億美元的年度經常性收入，人均產出超過400萬美元。Cursor的招聘原子單位不是崗位，而是人——先發現一個非常優秀的人，然後圍繞這個人設計角色，而不是先定義崗位，再找人填充。Cursor的文化高度推崇IC（individual contributor），個人貢獻者、不帶團隊的人。

為什麼AI時代的組織裏「個人」變得如此重要？因為智能體的靈魂是人類注入的知識。Skill是讓AI從擁有泛化能力變成擁有具體能力的橋樑。問題來了——如果一個專家1個月創造了一個skill，這個skill之後被整個組織使用了5年，那他應該得到1個月的薪水，還是5年的價值分成？

時間賣了就沒了，知識可以被反覆使用，要求用賣時間的方式來換取知識創造，對知識創造者是不公平的。如果這種不匹配持續存在，最優秀的人就會帶着他們的知識離開。或者更糟，他們呆在公司裏，卻根本不會把真正的知識貢獻出來。現在其實就有很多人做了智能體，把工作流梳理得清清楚楚，但絕不會放到公司系統裏，大家的心理活動很簡單：公司擁有了我的Skill，我的飯碗不就沒了？這不是自私，是理性。在現有組織激勵結構下，貢獻知識就是在削弱自己的不可替代性。

李寧認為，在AI原生組織中，「員工」的概念可能會消失，取而代之的是「夥伴」。它意味着權力結構、激勵機制、知識產權歸屬，甚至我們對工作意義的理解，都需要被重新審視。

在AI原生組織中，知識擁有者提供知識，組織提供智能體網絡和放大能力，雙方共同創造價值，分享回報。就像在Cursor，地位最高的角色是IC，而不是管理者。人們通過自己的熱情和意志力讓事情發生，而不是等待管理者的指派。Cursor用「故意模糊」的角色定義吸引頂尖人才，讓他們自己定義價值創造的方式。組織不再「購買時間」，而是「投資知識」。

傳統僱佣關係與AI時代的合夥關係

「我們正走向一個流動的、液態的協作網絡。在這個網絡中，組織不再是固定的實體，而是隨時聚散的能力雲。」李寧認為，未來組織真正需要提供的東西在於使命和願景、文化氛圍、人才密度。這些吸引優秀人才的核心要素，纔是真正的競爭力。

「未來，管理本身可能只佔CEO工作很小的一部分，」李寧說：「他更重要的職責是定義方向，定義問題，解決AI解決不了的問題，比如外部資源問題。」

當然，當組織向AI、向超級個體的夥伴模式演進時，一個尷尬的問題也不可迴避——那些無法一躍成為「超級個體」的普通員工應該何去何從？這些人，纔是現有企業裏的絕大多數。當AI組織真正到來之後，組織還需要這些普通員工嗎？

「這個問題的前提是，我們怎麼定義普通員工和精英？」李寧告訴「深響」：「過去我們有一套非常明確的定義標準，學歷、工作經驗、職級、技能高低，社會競爭也圍繞這些東西展開、社會收入分配也很大程度上按照這些標準進行。但在AI時代，個人稟賦還重要嗎？最近有專科生做出AI大片，也有業餘人士用AI去攻克數學猜想……」

李寧認為，未來區分「超級個體」和「普通員工」的東西並非資源稟賦，而是驅動力——技術趨於平權，真正重要的是一個人的「drive」。一個人有沒有動力去學習、有沒有沉浸式學習的意願，以及能不能對自己的業務和真正想做的事情進行深度思考。

資深專家從哪裏來？過去我們默認是從學習稟賦、實踐經驗裏來，但AI已經在打破這個固定的路線，學習軌跡本身發生了變化。換句話說，你是超級個體，還是普通員工，完全取決於個人的主觀能動性。

03

結語

日常工作中，不少企業管理者找到李寧，最常問他的問題是：「引入這個 AI 工具，能幫我節省多少人力成本？三個月能回本嗎？」在李寧眼中，這就像一隻恐龍看到隕石劃過天際，關心的是這塊發光的石頭能不能幫它把蕨類植物烤得更好喫。

從工具到組織，AI帶來的變化遠不只是效率提升。

AI組織最終要解決的是一個更難的問題：當執行越來越不稀缺，什麼東西才值得由人來完成？如果答案是判斷、創造、責任和驅動力，那麼企業未來真正需要設計的，就不再是一套如何讓人更高效工作的管理體系，而是一套如何讓人的獨特價值與機器智能共同產生價值的全新機制。