©️深响原创 · 作者｜刘亚澜

大厂正在集体发力“AI办公”：

腾讯的WorkBuddy已经跑出了千万月活；

字节推出豆包工作，飞书与豆包合并，字节跳动CEO梁汝波罕见站台；

阿里将三款智能体产品线合并为千问办公；

360发布了纳米Work、金山办公发布了AI办公智能体“灵犀专业版”、百度搭子增速明显……

久违的硝烟味，弥漫在大厂共同争夺的新入口前。但跳出大厂的叙事逻辑，用上“AI办公”的企业真的就能拥有更高的效率、获得更强劲的增长吗？

2024年，全球企业在生成式AI上投入了300-400亿美元，MIT的研究者在2025年追踪这些投资的回报，发现大约95%的企业没有获得任何可衡量的财务收益。波士顿咨询（BCG）2025年的研究报告也印证了这一点：只有5%的企业实现了“有意义的”AI回报。问题出在哪里？为什么对个人工作效率有明显提升的AI，对企业整体的价值却停滞不前、无法验证？

答案或许在组织上。WorkBuddy也好、豆包工作也罢，各家的能力目前仍然是工具化、以人为中心的。当绝大部分企业的组织架构仍然是工业时代的“人的组织”，AI对于企业的价值自然会大打折扣。

“把AI塞进一套为人类设计的组织架构里就像试图在蒸汽机车的铁轨上跑磁悬浮列车，技术本身没有问题，问题在于在错误的基础设施上运行它。”清华大学经济管理学院领导力与组织管理系系主任、Flextronics讲席教授李宁告诉“深响”。他认为，企业要想真的拥抱AI，就要在组织上进行变革，而非单纯地引入AI工具。

01

从传统组织到AI组织：

什么变了？

在探讨AI时代的企业应该有什么样的组织之前，我们先探讨了传统组织的运转逻辑。李宁把传统组织的建立归纳为三个核心假设：

第一，有限理性，人的认知能力是有限的。我们无法同时考虑所有的信息，无法预见所有的后果，无法做出完全理性的决策。我们的大脑有处理容量的上限，这种认知限制的解决方案就是分工。每个人精通自己的领域，组织通过协调把这些专业能力组合起来。这就是为什么我们有会议、文档、项目管理、组织架构，这些都是组织协调的成本。他们不直接创造价值，但他们是分工的必然代价。

第二，人的不确定性。人有情绪，会疲劳、分心、犯错。人的判断受到认知偏误的影响，人的动机会随环境变化。即便是最优秀的员工，也可能因为家里出了事而心不在焉。这种人的不确定性的解决方案就是管理。激励机制、培训、绩效考核，通过管理来应对人的不确定性。

第三，人的成长性。一个新员工在工作三年后会比刚入职时更有经验、有判断力。这种成长性带来了经验的价值。传统组织往往看重经验，高级职位通常要求“5年”“10年”等相关经验。这背后的假设是时间会带来积累，积累会带来能力。

传统组织的三根承重柱

这三点有一个共同的基础：人类是组织中唯一的智能行动者。而AI动摇的正是这个基础——

首先，AI并不存在劳动分工。大模型并不是只负责某一个环节。以软件开发为例，AI既可以设计前端UI和用户交互，也可以写代码、做后端数据库、进行测试，没有所谓的劳动分工。今年初，阿里前技术专家毕玄创办的公司就取消了所有按技术栈划分的岗位，他认为在AI编程工具时代，这种划分已经过时了，一个工程师加上AI工具链，可以处理从前端到后端、从数据库到部署的完整问题。

其次，AI带来的是一种与人完全不同的不确定性——幻觉。AI没有情绪波动、没有动机问题，但它的输出有一种本质上的不可预测性，你无法完全确定它这次的输出是否正确，即使上一次是正确的。这种不确定性与人的不确定性完全不同。人的不确定可以通过激励、监督、培训来管理，你可以给人奖金让他更努力，设置检查点确保他不偷懒，提供培训让他犯更少的错，但这些方法对AI完全不适用。AI不需要激励，不需要监督，不需要培训，它的能力边界由模型决定。AI的不确定性需要通过约束、验证、冗余来管理。

从传统管理到AI时代管理的逻辑变化

最后，关于成长性。人会自然成长，但AI不会。一个员工工作三年后会自然积累经验，他会知道哪些方法有效，哪些无效；会知道公司不成文的规则。人类员工会随着时间建立信任，但AI不会因为"用了三年"就变得更值得信任，它没有稳定的人格。这意味着对信任不是依赖时间的积累，而必须依赖架构的设计。你必须明确规定：AI在什么范围内可以自主行动、什么决定必须经过人类确认、什么输出需要交叉验证。这是一种"信任架构"，它不是慢慢培养出来的，而是预先设计出来的。同样，组织中的知识积累和传承也不能再依赖自然过程。

人类员工和智能体的区别

显然，AI的生产力和现有的生产关系是不匹配的，这也是企业AI效率低下的真正原因。就像从农业社会到工业社会，生产场所从“分散的家庭作坊”到“集中的工厂”、分工模式从“全流程操作”到“流水线标准化”、组织形态从家族/宗族的熟人网络到金字塔型架构的层级制度、管理依据从习惯经验和家族权威到标准化与流程、雇佣关系从租佃关系/师徒传承/人身依附到契约化雇佣。而从工业社会到AI社会，这些组织方式也都需要发生对应的变化。

“AI的生产力，完成同样的任务可能是人的几十倍甚至上百倍，但现有组织模式仍然围绕“人是行动主体”、“人是干活的主力”来安排。”李宁说：“而企业的难点在于，你很难推翻现有的组织结构，就像一栋住着很多人的房子要重新装修，客户还在催进度，业务还要正常交付。这时候出现了一种全新的工作方式，企业也不知道转型后效果会不会更好、能不能保证交付。你既想装修，又不能停止居住。每个房间都住着人，要装修就得把里面的人请出去，但大家未必愿意。”

李宁认为现在企业进行AI组织转型面对着四个难点：

第一，技术本身还在快速变化。

“最开始大家讲智能体，很多智能体实际上是Workflow（工作流），后来大家逐渐发现，这种方式灵活度比较差，因为很多工作很难提前完全定义成一个确定的Workflow。到了今年，技术开始转向Agent Harness，到了今年，技术开始转向Agent Harness。现在技术方向可能出现了一定程度的收敛，但这个收敛也就是最近几个月、半年左右的事情。”

第二，劳动分工不变的情况下，AI变革会涉及利益重新分配与博多方弈。

现在很多人都有自己的AI工具，但人与人之间的协调仍然靠人，劳动分工也没有发生变化。这时候员工就可能产生抵触：“AI已经这么强了，我们10个人明显不需要10个人，可能两个人就能干。”但员工当然也不愿意说：“我的效率这么高，那我把同事的活都干了。”于是就会出现一个很奇怪的现象——AI越用越强，个人效率越高，但工作量反而可能越来越多。因为这已经不只是效率问题，而是组织变革问题。组织变革一定会涉及利益重新分配，也会涉及组织内部多方博弈。

第三，效率提升后，出口在哪儿？

企业一直在讲降本增效，但如果AI只是降本，企业客户还是这么多，业务规模没有变化，没有新的增长出口，那么效率提升本身也没有意义。所以一定要有一个新的出口：用AI去创新。比如用AI去做长尾客户，以前因为时间精力有限，只能提供标准化产品，有了AI之后，就有可能提供个性化服务。因此企业更需要思考的是AI如何带来增量，而非替换员工。

第四，企业和员工对AI的认知还远远不够。

李宁谈到他接触的很多企业和员工对AI能力的掌握还不够深入：AI在工作中到底能做什么、幻觉为什么产生、Agent到底是怎么回事、哪些事情可以信任AI、哪些事情不能完全信任；管理层应该如何判断技术方向……这些基本问题的认知都还没有形成。

更重要的是，AI组织并不是简单的组织调整。它不是像过去的组织变革一样，把部门调整一下、合并一下，再把人从一个部门移到另一个部门。它要求组织和技术进行深度融合。也就是说，AI时代需要重新建设组织的基础设施，而这一部分目前还远没有完善。现在更多跑出来的，反而是OPC或者一些小规模团队。

02

详解AI组织形态与竞争力

既然现有的组织关系难以承接AI生产力的爆发，那么究竟什么样的组织形态才是AI时代需要的？AI组织的竞争壁垒又在哪里？

焦点从“人”转向“任务”。人的专业能力不再是唯一的分组依据。新的组织逻辑是任务本身的性质需要什么样的资源来完成：纯AI、人加AI、纯人。

纯AI就是可自动化的任务集群，AI执行整条工作流，人负责维护这条工作流，只在出问题时介入，一个人可以同时维护多条任务流；

人加AI则是增强型任务集群，这类任务的特征是没有客观真理，“什么是好的”需要人来定义——战略选择、创意方向、品牌调性、用户体验等。AI生成、人判断、AI执行、人验证。人介入的位置，都是在“选择方向”的时刻，不是在“执行细节”的时刻；

纯人类任务集群是最复杂的，它需要进一步被细分。这类任务的价值在于人的参与本身，但不是所有“只有人能做”的任务都具有同等的战略价值。

当你把这三种任务集群放在一起时，一个新的组织图景就出现了。人不再是被分配到岗位，而是被“部署”到任务流中最需要人类智慧的位置。不是“给人配AI”，而是“按任务流配置人和AI”。

岗位向任务流的转变

焦点也从“集体”转向“个人”。

李宁提到AI编程软件公司Cursor的例子，从创立到2025年底，团队从20人增长到250人，创造了超过10亿美元的年度经常性收入，人均产出超过400万美元。Cursor的招聘原子单位不是岗位，而是人——先发现一个非常优秀的人，然后围绕这个人设计角色，而不是先定义岗位，再找人填充。Cursor的文化高度推崇IC（individual contributor），个人贡献者、不带团队的人。

为什么AI时代的组织里“个人”变得如此重要？因为智能体的灵魂是人类注入的知识。Skill是让AI从拥有泛化能力变成拥有具体能力的桥梁。问题来了——如果一个专家1个月创造了一个skill，这个skill之后被整个组织使用了5年，那他应该得到1个月的薪水，还是5年的价值分成？

时间卖了就没了，知识可以被反复使用，要求用卖时间的方式来换取知识创造，对知识创造者是不公平的。如果这种不匹配持续存在，最优秀的人就会带着他们的知识离开。或者更糟，他们呆在公司里，却根本不会把真正的知识贡献出来。现在其实就有很多人做了智能体，把工作流梳理得清清楚楚，但绝不会放到公司系统里，大家的心理活动很简单：公司拥有了我的Skill，我的饭碗不就没了？这不是自私，是理性。在现有组织激励结构下，贡献知识就是在削弱自己的不可替代性。

李宁认为，在AI原生组织中，“员工”的概念可能会消失，取而代之的是“伙伴”。它意味着权力结构、激励机制、知识产权归属，甚至我们对工作意义的理解，都需要被重新审视。

在AI原生组织中，知识拥有者提供知识，组织提供智能体网络和放大能力，双方共同创造价值，分享回报。就像在Cursor，地位最高的角色是IC，而不是管理者。人们通过自己的热情和意志力让事情发生，而不是等待管理者的指派。Cursor用“故意模糊”的角色定义吸引顶尖人才，让他们自己定义价值创造的方式。组织不再“购买时间”，而是“投资知识”。

传统雇佣关系与AI时代的合伙关系

“我们正走向一个流动的、液态的协作网络。在这个网络中，组织不再是固定的实体，而是随时聚散的能力云。”李宁认为，未来组织真正需要提供的东西在于使命和愿景、文化氛围、人才密度。这些吸引优秀人才的核心要素，才是真正的竞争力。

“未来，管理本身可能只占CEO工作很小的一部分，”李宁说：“他更重要的职责是定义方向，定义问题，解决AI解决不了的问题，比如外部资源问题。”

当然，当组织向AI、向超级个体的伙伴模式演进时，一个尴尬的问题也不可回避——那些无法一跃成为“超级个体”的普通员工应该何去何从？这些人，才是现有企业里的绝大多数。当AI组织真正到来之后，组织还需要这些普通员工吗？

“这个问题的前提是，我们怎么定义普通员工和精英？”李宁告诉“深响”：“过去我们有一套非常明确的定义标准，学历、工作经验、职级、技能高低，社会竞争也围绕这些东西展开、社会收入分配也很大程度上按照这些标准进行。但在AI时代，个人禀赋还重要吗？最近有专科生做出AI大片，也有业余人士用AI去攻克数学猜想……”

李宁认为，未来区分“超级个体”和“普通员工”的东西并非资源禀赋，而是驱动力——技术趋于平权，真正重要的是一个人的“drive”。一个人有没有动力去学习、有没有沉浸式学习的意愿，以及能不能对自己的业务和真正想做的事情进行深度思考。

资深专家从哪里来？过去我们默认是从学习禀赋、实践经验里来，但AI已经在打破这个固定的路线，学习轨迹本身发生了变化。换句话说，你是超级个体，还是普通员工，完全取决于个人的主观能动性。

03

结语

日常工作中，不少企业管理者找到李宁，最常问他的问题是：“引入这个 AI 工具，能帮我节省多少人力成本？三个月能回本吗？”在李宁眼中，这就像一只恐龙看到陨石划过天际，关心的是这块发光的石头能不能帮它把蕨类植物烤得更好吃。

从工具到组织，AI带来的变化远不只是效率提升。

AI组织最终要解决的是一个更难的问题：当执行越来越不稀缺，什么东西才值得由人来完成？如果答案是判断、创造、责任和驱动力，那么企业未来真正需要设计的，就不再是一套如何让人更高效工作的管理体系，而是一套如何让人的独特价值与机器智能共同产生价值的全新机制。