内容来源：2026 年 6 月 24 日 -26 日，笔记侠在北京举办的【AI 十倍增长营】01 期课程中，影刀创始人十布分享的精华内容整理。
分享嘉宾：十布，影刀创始人兼 CEO。
责编 | 贾宁 排版 | 沐言
第 9736 篇深度好文：6035字 | 17 分钟阅读
AI 天演论
笔记君说：
现在，AI 的智商已经超过了绝大部分人，你的企业还在只靠人做决策吗？
今天这篇文章来自影刀创始人兼 CEO 十布，在笔记侠 AI 十倍增长营 01 期上的分享。
影刀服务了一万多家企业，累计融资两亿美金，投资方包括高瓴、高盛、腾讯。但这家公司 " 不太正常 "，从不设营收目标，却连续多年保持增长。
他在这篇文章里没有讲 AI 趋势预测，只讲已经落地的实战经验：
如何用 AI 驱动考勤管理、销售决策、面试招聘、客户评估和财务对账；
如何把企业的决策系统从人切换到 AI；
为什么 Token 要像钱一样被治理；
以及一个核心判断：未来的企业，人会变成 AI 的子集，AI 才是组织的主体。
如果你是企业家或创业者，无论你的公司现在是 10 个人还是 1000 个人，这篇文章都值得你从头读到尾。
一、AI 时代的本质
科学时代，人类造就了工具，工具最大的特点是准确、高效，流程和规则被定义得非常清晰。
AI 时代，人类造就的是 " 大脑 "。
当然 AI 有幻觉，但人类大脑也有幻觉。
所以在 AI 时代，我们不应该因为 AI 有幻觉就不去用它，而应该思考如何用更好的方法让 AI 输出高质量的内容，就像人类有幻觉，但我们用流程来约束一样。
AI 是人类历史上最后一次技术革命，它不是业务的升级，而是文明的跃迁。
二、" 造塔 " 与 " 造船 "
未来企业的组织形态会从 " 人驱动 " 走向 "AI 系统驱动 "。
原来的组织形态中，人是企业的主体，所有软件、流程、精力都服务于人。
现在 AI 的智商已经超过了绝大部分人，它将成为企业的主导。
原来的企业主体是人，未来的企业主体是 AI，人会变成 AI 的子集。
我把这种组织叫做 AI 原生组织，将组织的能力建在 AI 之上。如果哪一天 AI 失效，组织也会失效。
这就好比工业化时代的企业必须建立在电力之上，信息化时代的企业必须建立在互联网之上，没有电、没有互联网，企业就无法运转。
同样的逻辑，如果今天一家企业没有 AI 还能正常运转，那它就不是 AI 原生组织。
AI 原生组织的定义是：AI 才是企业组织的主体，没有 AI，企业将不再存在。
国内有没有这样的企业？
美团就是。美团的骑手组织，每天去哪里取餐、什么路线配送、送到哪里，全由美团的 AI 调度系统决定。AI 调度系统是主体，没有它，美团的骑手组织无法运转。
滴滴的司机组织、支付宝借呗的放款逻辑同理：AI 是主体，不是辅助，AI 本身就是组织。
华为的组织观是 " 能力建立在组织之上，组织建立在流程之上 "。未来，AI 会重构这一逻辑，流程要建在 AI 之上。
我们过去的做法是什么？不停学习、参加培训，本质上是 " 造塔 "，把自己的能力垒得越来越高。
但问题是，当更聪明的 AI 出现时，塔垒得再高也会被淹没，因为塔终究是在地面上的。
在 AI 时代，我们应该 " 造船 "，把能力建在 AI 之上。AI 变得越聪明，我们就水涨船高。
下面，我重点讲讲我们的实践经验。
三、影刀的 AI 应用实践
1. 招聘上的实践
我们公司之前的面试中存在很多问题：
有些主管不喜欢招比自己强的员工，总是拒绝牛人，招进来的都是水平一般的；
有些面试官没经验，纯靠感觉，招了很多不合适的人。
所以我们决定，把面试的判断建在 AI 之上。
第一步：定义岗位目标和关键产出
招聘一个人，最重要的事情是想清楚要招什么样的人，如果连这个都没想清楚，面试就无从谈起。
具体做法是：
用一句可衡量的话描述这个岗位 6 到 12 个月的岗位目标。
还要问一个问题：这个岗位不招会发生什么？如果招和不招结果一样，这个人就没必要招。再定义关键产出：这个人做得好，半年后会留下什么？
岗位目标和关键产出必须由人来定义，AI 不知道，因为只有企业自己才知道招这个人的目标是什么、关键产出是什么。
第二步：AI 推导能力和胜任力模型。
岗位目标和关键产出定义好之后，AI 非常擅长做逻辑推导，能准确判断完成这些关键产出需要什么能力，包括哪些是必须项、哪些是加分项。
能力项决定胜任力模型，胜任力模型也由 AI 推导出来。
第三步：基于胜任力模型建立评分体系。
比如 " 问题拆解 " 这个维度，AI 会给出定义：
在信息不完整、目标模糊的情况下，将复杂问题拆解为本质性问题。
然后明确什么叫正例、什么叫负例，什么是 1 分、什么是 3 分、什么是 5 分，这些全部由 AI 定义。
评分体系非常重要，没有评分体系，就无法评判候选人是否合格。
很多 HR 用 AI 时，只是把录音和简历丢进去，问这个人合不合适。
没有参考系、没有评估体系，AI 很难给出有效答案。同样一个候选人，在这家公司合适，在另一家公司可能就不合适。
第四步：AI 构建面试流程和面试题。
基于胜任力模型，AI 会构建面试流程。比如高级岗位需要四轮面试，AI 会清晰定义每轮面试的目标维度。
原来的面试是什么都问、从头问到尾，意味着面试没有目标，这很可怕。有了明确的面试维度后，AI 会结合候选人简历，自动生成每轮的面试题。
第五步：面试执行与决策。
面试官拿到的是完整的面试卡 , 有评分体系、面试题、计时、录音、反馈和追问功能。因为建立了参考系和问题库，AI 能非常好地辅助面试。
最终决策分为：强推、推荐、中立、不推、强不推。如果人和 AI 决策分歧很大 , 比如人强推、AI 强不推 , 我们会把面试录音留到下一轮再做判断。
整个流程的核心逻辑是：
① 岗位目标和关键产出（人定义）
② 能力项和加分项（AI 生成）
③ 胜任力模型（AI 生成）
④ 评分体系（AI 生成）
⑤ 面试流程（AI 生成）
⑥ 面试题（AI 生成）
⑦ 追问与决策
这里的关键启示是：构建 Agent（智能体，下同）时，必须把流程一层一层建构出来，在每一层写好思维链，这样才能做好一个 Agent。
这也是为什么市面上很多 HR 系统没法用的原因，这样的产品应该基于企业自身的个性化需求来自建。
2. 客户价值评估实践
除了面试，销售工作也可以用 AI 辅助。
我们公司很多销售，特别是新销售，最大的问题是逮到客户就使劲跟。但做销售最重要的是跟对客户，知道什么客户应该放弃，什么客户应该重点投入。
我们还发现一个有趣的现象：长得漂亮的销售往往业绩不太好。因为客户总是不拒绝漂亮的姑娘，喜欢找她聊天。销售在不对的客户身上花大量时间，感觉能成，其实客户只是找她聊天而已。
所以我们建了一个客户价值评估系统，让 AI 来评估这个客户要不要跟、要不要放弃、怎么跟。
核心设计思路是，做任何 Agent 或 skill（技能，下同），首先要定义目标：最终要输出什么？
我们的目标是输出：这个客户是否值得投入、赢的概率是多少、怎么赢。
其次要定义输入结构。AI 需要有输入才有好的输出，和 AI 招聘一样，先输入岗位目标和关键产出，再一层层推导。
客户价值评估的输入包括哪些？
客户基础数据：行业、增长情况、是否理想客户、是否有自动化基础；
用户行为数据：是否录过工单、是否主动联系过、是否开过会：
销售过程数据：信号数据等。
我们构建了多层判断模型：
第一层：是否是对的人？
第二层：是否会买？
第三层：是否能赢？
第四层：是否只做种草？如果是战略客户只做种草，非战略客户简单沟通即可。
这个判断逻辑由业务人员构建和持续修改，让模型越来越强。
它能调用工具、执行操作。比如在 CRM 中自动写入客户评分和状态、自动生成飞书审批调取售前资源、自动生成打法建议给销售。
这套系统被接入 CRM 后，员工输入客户信息时，系统会自动显示：这个客户要不要跟、打法是什么、下一步行动计划是什么。原来由人做的判断，变成了 AI 来预测。
我在内部实践中的感受是：中层越来越没有价值。中层原来的核心价值是提供决策建议、告诉你下一步做什么，但现在 AI 比人更靠谱。
四、AI Agent 的核心要素
传统软件的本质是定义规则、定义流程、定义功能。产品上线之前，你就知道这个软件长什么样、有什么流程、有什么功能，它是规则系统，高效精准。
但 AI Agent 完全不同，它是定义目标、定义上下文、定义评价体系。
什么叫好、什么叫不好？
采纳率、准确率是什么样的？里面的流程和规则是不清晰的。AI Agent 是一个黑盒，做不到 100% 准确，它是一个概率系统，不是规则系统。
所以做 AI Agent 最重要的目标，就是让概率越来越高，如何用更好的方法让 AI 输出更高质量的内容。
AI Agent 有四个核心要素：
第一，高质量的上下文。
如果输入的内容无效，输出一定有问题。就像 AI 招聘，如果只是把聊天记录或简历丢给 AI 评判，结果一定有问题，因为前面缺少了岗位目标和关键产出的定义。
第二，有效的工具调用。
大模型为什么能知道今天的天气？因为它调用了互联网搜索。所以，给予 Agent 更多调用工具的能力，比如数据采集、信息查询等等，至关重要。
第三，Prompt（提示词）。
提示词是否持续进化、是否越来越好，也非常重要。
第四，评价体系。
这是被很多人忽略的关键点。
没有正确率、采纳率、业务结果等评价指标，AI 就永远停留在 demo（演示）阶段。因为它是概率系统，必须评价什么是好、什么是不好，才能持续进化。
评价体系的作用类似传统软件的测试用例。
比如客户价值评估系统，我们有很多人工验证过的客户案例，让 AI 重新跑一遍，看准确率是否变高。
或者换个模型，从 Claude 换到 DeepSeek，看准确率是否还能维持。当每次修改导致离目标越来越远时，可以回滚版本。
所以，Agent 最重要的不是当前好不好用，而是能否持续进化，持续进化高质量的内容、持续进化工具调用、持续进化算法。
我们原来的 agent 都是开发写的，但开发最大的问题是不懂业务逻辑。
而且 skill（技能）需要不停 " 养 "，如果每次业务人员觉得输出结果不好都要反馈给开发去改，效率很低。
好的协作机制是这样的：
管理者定义目标、最终输出结果和产出；
IT 人员连接数据库、知识库、调用工具，这是业务人员搞不定的；
业务人员懂业务场景，持续优化规则，边用边改；
一线使用人员建立反馈机制，帮助业务人员更好地优化。
比如我们公司用 AI 写邮件，AI 会在末尾写 " 此致敬礼 "，但实际大家写邮件都是写 " 谢谢 "。发现这个问题后，我们调整规则，整个 AI 的输出就变了。
这就是业务人员在边用边改。
未来的 AI Agent 一定是企业自己搭建、自己持续完善和改进的，不是由开发公司写好规则直接交付使用的。
五、Token 治理与分层管理
我原来给团队充了 10 万块钱的 Token（词元，下同），两天就用完了。
我都不知道用在哪里。还有员工为了汇报工作，把文档转成 PPT，自动生成 PPT 很耗 token，造成了极大浪费。
Token 需要被治理，就像管钱一样。钱是稀缺的，需要你选择怎么分配：
哪个部门应该多给、哪个应该少给；
哪个员工绩效好应该多激励；
哪些 Agent 是高效的、哪些是低效的，高效的应该重点配置，低效的应该禁止。
我们需要有一个后台管理系统，知道哪些 Agent 正在被高效消耗、哪些流程在浪费、消耗的变化趋势是什么、是否有性价比更高的模型可选。
我前段时间看到一个新闻，亚马逊一个月收到 5 亿美金的 AI 账单。我们现在用 Claude 大模型，开发人员随便用一天能用掉一两千块钱。
所以 Token 治理是企业级产品必须做的，否则没法合理合法地给员工更多 Token 资源。
企业级 AI 需要分层管理，我把它分成三层：
第一层：企业级框。
就像国家先有宪法，再有党的指导方针，最后才是个人的行动计划，个人的行动计划都继承宪法和指导方针。
企业也一样，需要有企业级的框，定义所有员工共享的行为准则：企业的价值观、文化、战略、方法论、安全机制、什么能干、什么不能干。
第二层：团队级框。
某个团队专属的工作规则，包括团队的 KPI、OKR、目标等。
第三层：个人级框。
企业级框和团队级框需要被继承到每一个人的 Agent 中。
比如 HR 团队的 Agent 和财务团队的 Agent 工作方式不同，但它们共同继承了企业级的方法论。
这样做的好处是，做战略共识时就不会那么难 , 通过企业级产品，可以把每个战略构思一次性建立起来。员工用 AI 时，下面自动加了一个 " 思想钢印 "。
举个例子：我们公司有企业级安全机制，不允许员工了解其他岗位的薪资结构。当员工在个人 AI 中询问薪资时，AI 会马上提示没有权限，建议他找 HR 咨询。
六、AI 时代，
企业的组织记忆与决策核心
组织记忆不是简单的文档存档，而是企业的最佳实践、经验、决策逻辑、方法规则。这些都应该记在组织里。
我看现在的产品，大多数讲的都是 " 超级个体 "。但如果你是老板，你欢迎企业有超级个体吗？至少我是担心的。
如果企业有超级个体，说明组织做得不好。好的企业不允许有超级个体，只有老板才允许成为超级个体。超级个体离开，企业就会出现大问题。
但好的企业允许有超级 AI 能力。我们为什么需要企业级产品？就是要把那些 skill、经验流全部沉淀在企业资产里，包括上下游也是企业的资产。即使人走了，这些资产也留在企业里，更好地被复用。
这也是我不太建议大家用 ChatGPT 这类产品的原因。
ChatGPT 全部是个人资产，我用了太久，都没有动力换号，因为 ChatGPT 太懂我了。我走了，这些资产就会全带走。
企业级产品一定是把所有聊天记录、上下文、组织记忆沉淀在企业里的。
我前段时间翻开了十几年前在 Google 文档上写的个人感想，现在看觉得当年自己挺牛的。
那些感想和理解，如果当年沉淀下来，现在很多判断基于它们来做，我可能会有更大的成就。
但很遗憾，那些文字我早就忘光了。人的大脑存储是有限的，必须忘掉一些东西才能记住新的。
在 AI 时代，组织记忆从理论上可以不受限制，比如 AI 做决策时，可以把我所有的记忆全扫一遍，做出更准确的决策，这样就可以避免人类老是重复犯错，因为我们老是忘记，AI 不会忘记。
建议你每招一个人、每做完一个项目，都应该复盘最佳实践和踩过的坑，沉淀在组织里。
我们早期做过很多员工培训，后来发现培训不是最好的方案。最好的方案是改造流程，把 AI 插进关键流程节点。
比如新线索进入 CRM 时，自动触发客户价值评估；合同上传时，自动触发条款审核；工单升级时，自动触发风险归因。
要让 AI 成为默认工作方式，不是想用就用，而是流程本身就是这么做的。
所以核心不是让员工学好 AI、用好 AI，而是让组织的流程嵌入 AI，让 AI 成为基础设施，员工不得不用。
然后用结果反推组织习惯：谁在用、谁在互动、哪些页面高采用、哪些没人用、哪个环节效果好、哪个环节失效，基于这些去持续迭代。
企业最重要的是决策系统。原来由人类供给决策智商，未来要把决策系统换成 AI。这就是 " 造船 "，水涨船高。
如果我们优先把决策系统换成 AI，全人类最聪明的人都在帮你工作，企业就会越来越好。
传统软件是给人用的，未来的软件是给 AI 用的，最终目的是让组织变成 " 人服务于 AI"，AI 是主体。
从这个角度讲，人的价值定位会发生根本性变化。AI 不是工具、不是聊天机器人，它应该有企业的管理流程变成可运行、可治理、可规模化的系统能力。
结语
回看全文，十布的核心观点可以浓缩成一句话：在 AI 时代，企业的能力必须建在 AI 之上。
未来的企业，AI 是主体，人服务于 AI，组织能力、决策逻辑和最佳实践全部沉淀在企业资产里，形成不依赖于任何个体的 " 超级 AI 能力 "。
从 " 造塔 " 到 " 造船 "，从培训员工到改造流程，从个人资产到组织记忆，每一步都是企业从传统组织向 AI 原生组织的跨越。早一天完成这场跨越，就早一天建立起别人难以复制的竞争壁垒。
笔记侠【AI 十倍增长营】02 期即将在杭州开启。这一期将聚焦 AI 原生组织的搭建路径，拆解企业 AI 化的真实案例，帮助企业找到属于自己的 " 造船 " 方案。
企业最大的价值是决策，制度、流程是规则驱动，而决策是概率驱动，人的决策准确率取决于思考框架而非智商，企业 AI 的价值上限不取决于底层大模型选型，而取决于配套运营框架。
本文作者十布，也将作为核心导师现场授课，分享 AI 决策系统产品与落地实践。
如果你想系统性地理解这套方法论，并和一群同样在探索 AI 落地的企业家深度交流。
欢迎扫描下方海报二维码，了解详情。
好文阅读推荐：
" 中国最低调的 3 个男人 "，正在同一条赛道上赌命
这，才是下一个 10 年最稀缺的能力
分享、点赞、在看，3 连 3 连！
