2026 年进入倒计时了，但关于 AI，我们仍然有很多的不确定性，"AI+ 组织 " 是其中最重要的一个话题。

如果只把 AI 当作个人提效工具，很多公司、很多员工，都已经掌握得非常好了。那些超级个体拥有一套完整的工作系统，可以从前到后干很多活。

但是，越来越多企业已经意识到，个人提效不等于组织提效。他们花钱买模型、搞培训，鼓励员工用 AI，却没有拿到 " 企业整体提速 " 的大结果，也没有看见新的利润增长。

问题到底出在哪里？还要继续投入做 "AI 原生组织 " 转型吗？

很多已经几十岁的 " 中登、老登公司 "，怎么可能回到 Baby 状态呢？

袁凌梓老师曾经是字节跳动集团 CHRO 首席幕僚官、飞书业务副总裁，拥有 20 多年的组织变革咨询经验，服务过数百家头部企业。

在她看来，尽管成熟的大公司可能无法成为真正意义上的 AI 原生组织，但可以变成 "AI 加强公司 ""AI 赋能公司 "，依然能真正做到让 AI 解决生产力痛点，让公司变得更好。

（文末海报扫码，预约在混沌 APP 看课）

企业做 AI 转型 " 半推半就 "，不敢真正往前走

今年是 AI 最热的一年，国内大模型竞争非常激烈。但在应用端，企业究竟走到哪一步了？你真的看清了吗。

袁凌梓老师和团队最近调研了大约 40 家 "Top Employer" 企业，摸排的结果是：企业级 Agent 已经进入了组织核心工作流。

比如，人力资源、财务等共享服务中心，在用 Agent 处理标准化的基础业务流程。销售、客服等一线团队被 AI 武装得最厉害，生产力大幅提升。甚至在组织内部，Agent 成了每个人的小助理，他们用 AI 工具读报告、做分析。

但是，这些都是这单点的、局部的效率提升，公司并没有因此获得新的市场，也没有研发出创新的产品，成本结构也没有被彻底改变。

企业就像一架马车，你给每个轮子都安装上了 AI 这个动力辅助系统，但它还是一架马车。

马车更快到了下一个路口，如何决定接下来往哪里去？动力增强了，但如果负重也增加了，马车又一定能跑得更快吗？更快的马车就一定能够应对市场变化吗？企业的组织形态还应该是一架马车吗？

袁凌梓老师认为，企业的 AI 组织转型现在其实面临着四大困境：

第一，大概 89% 管理者没有看见 AI 对组织生产力的显著影响，但是投入却年均增长 40%。如今很多行业的企业都并不好过，更加重视 ROI。每花一笔钱都要问 " 这钱值不值得投？" 但如果要问 " 还要不要继续投 AI？" 很多企业开始心里没底。

第二，如果要让组织真正提效，就不能困在旧的工作流程里，但大部分组织很难去真正改流程。比如外企改流程，要从总部一路改到中国区，难度非常大。谁能做这个决定？要不要做这个决定？可能都在一边观望、一边做 " 无用的 " 小尝试。

第三，知识与数据的基础建设还没有准备好。AI 之前，很多企业谈的是 " 数字化转型 "，把以往需要人用纸张流转的资料、数据、环节放进数字系统里。

但很多企业 " 数字化 " 这一步都没补完，Agent 就来了。而 Agent 不仅需要企业 " 投喂 " 大量的基础数据，还需要人先把这些东西萃取出来，训练 Agent 的 know-how，并在训练过程中不断调优。这一整套最基础也最重要的工作谁能承担？很多企业至今没有答案。

第四，数据隐私、算法偏见、责任归属等 AI 治理与伦理风险还是悬而未决。如果这个 AI 底座问题没有被解决，企业做 AI 转型就像是 " 半推半就 "。虽然相信最终的大方向正确，但现在还是会被大量未知卡住，所以不敢真正往前走。

员工陷入焦虑和迷茫，企业更难长出 AI 形态

现在不少公司已经做了两三年的 AI 转型尝试，这个过程中又出现了一个很有意思的现象：大量员工已经在用 AI 给自己打工、干活，但只有少数人会告诉老板这是用 AI 做的。

为什么？因为他们会觉得，如果老板知道这些活都是 AI 干的，是不是就不会要那么多员工了？

甚至，老板自己也在用 AI" 监工 "，员工交上来的工作结果，他直接给自己的 AI 去审核。最后的结果就变成了 AI 给 AI 派活、AI 给 AI 汇报。

袁凌梓老师把这个现象叫做 " 影子员工 "。不止企业存在 AI 困境，在员工个人视角来看，焦虑感和迷茫感更加真实。

首先是生产力悖论。员工使用 AI 工具大幅提升工作效率后，人应该更轻松才对。但事实是，AI 用得越好的员工反而越累，甚至工作时长不降反升。或者，员工利用 AI 快速做了基础的执行工作后，被迫面对了更加耗费心力、超出认知水平的判断类工作。

然后是信任危机。员工会担心自己被 AI 替代，担心不再被需要。这让他们甚至不敢拥抱 AI，不愿意把自己的知识和经验萃取到公司的 Agent 工作流。

以及，AI 让人产生的工具依赖和能力退化。AI 能够很快地给出 80 分的东西，还能够提供情绪价值、24 小时在线。很多人用久 AI，往往会感觉自己的脑子越来越转不动了。当 AI 产生幻觉时，人也容易被误导。

这就是现状。如果不解决真正的问题，现状就会一直持续下去。那么企业究竟需要解决什么？员工应该如何准备应对？

袁凌梓老师给出的判断是：组织如果不改分工、不改工作设计、不改回报机制，换不来员工的安全感和创造力，也就换不来企业的 AI 形态。

所以应该怎么改？袁凌梓老师会在课程中详细展开。

AI 原生组织的灵活，源于从业务倒推工作流

困境和问题都说清楚了，方法也在寻找了，那理想中的 AI 组织到底是什么样子呢？有没有已经做到的组织呢？有。

袁凌梓老师今年 8 月专门去了一趟硅谷，看到了一些最热门的 AI 创业公司，一些优秀的 AI 原生组织。她在课程中给出了三个案例：

有一家做餐饮垂直 AI 的公司叫 Palona，2024 年成立，一共 20 个人。他们的产品就是两个 Agent，一个客户经营 Agent 管前台，一个门店运营 Agent 管后厨，把餐馆从接单、下单、支付、生产到清洁安排全串起来。

20 个人分为两组，一组销售和获客，一组技术和交付，每个人都按经营结果分股权。一个销售带着一个技术，就能完成从见客户、理解需求，到写代码做产品原型的全过程，中间没有产品经理、没有售前、没有开发的层层流转。

还有一家给律所做 AI 的公司叫 Harvey，四年做到现在 1500 人。这家公司先是找了一组律所大合伙人，再让一组工程师跟这些精英律师合作，把专业判断工业化，开发出法律 AI 平台，最后让一组销售获客。很多律所用了 Harvey 产品让初级律师从重复性标准化的文书工作里解放出来，并且没有大规模裁员。

最有意思的是一家叫 Mercor 的公司。表面上看，它做的是 " 猎头 " 生意，为前沿 AI 实验室寻找行业专家，但实际上是用 Agent 去管理专家。筛人、雇人、留痕、评估、推荐、淘汰，用 Agent 把所有评估结果沉淀下来，系统就能自动把最合适的专家推荐给下一个客户，成为企业外部人才库的 " 外挂 "。

这三个案例，代表了 AI 原生公司的不同形态，但它们的共同点是：一切围绕 " 业务结果 " 展开。

传统公司 " 向内看 "，看岗位、看流程、看汇报关系。AI 原生公司 " 向外看 "，最大目标就是实现业务结果。所有的资源配置都是倒推的，我要产生什么样的结果，就组什么样的团队，用什么样的人或 Agent。

袁凌梓老师做了 20 多年组织咨询，从 ERP 咨询做到 HR 组织咨询，2020 年进字节做 HR 首席幕僚官（梁汝波的幕僚），后来又亲身下场做飞书的业务 VP。她不是从外面看字节，是在字节内部推过组织变革的人；她也不是只看硅谷案例，现在正带着中国企业做 AI 组织转型。

所以这门课不是只呈现 " 对面有多美好 "。她要回答的是：大部分公司变不成 AI 原生组织，那可以怎么变成一个 "AI 加强公司 "？从 " 现状的此岸 " 走到 " 对面的彼岸 "，二者之间的桥梁可以怎么搭？

扫码预约看课，看穿 AI 转型的本质

本文为混沌在线周六课程的预告。想获取最新、最全、最具现场感的学习内容，欢迎锁定每周六的直播课。

关注混沌在线，每周一堂课，为你带来企业创始人的前沿判断与商业认知。

进入混沌 APP，往期 700+ 精华好课，助你搭建商业思维体系，实现认知跃迁。

AI 不是组织的工具，而是组织的 " 竞品 "

组织，要让人永远有人的去处

张天乐：AI 原生第二曲线，先判断做不做，再重新设计组织