内容来源：2026 年 8 月 8 日 -10 日，笔记侠在杭州举办的【AI 十倍增长营】02 期课程中，森创启睿 CEO/ 企业 AI 转型实战总架构师渊虹分享的精华内容整理。

责编 | 柒

第 9840 篇深度好文：4945 字 | 10 分钟阅读

商业趋势

一、未来的组织形态，长什么样？

1. 新组织的四个特征

AI 时代的组织，应当是去中心化的分布式架构。今天的决策不应该被一个 " 收费站 " 卡住，高速公路应该是四车道全面通车。具体有四个特征：

第一，能够基于外部市场做出敏捷反应；

第二，层级相对扁平；

第三，产生跨职能团队，部门墙开始被打破；

第四，也是最重要的，坚持以人为本，想清楚人机协同的关系，以及组织内部利益的重新分配。

如果一家企业一开始就是冲着 " 减人 " 去的，很容易产生组织对抗。我们的建议是：企业未来人肯定会变少，但谁也不敢承诺 " 绝不减人 "，因为没人会信。真正该承诺的，是一种利益分配和保障的优先级。

2. 以人为本：重新分配利益，而不是减人

我们承诺的是：未来过程中可能发生岗位减少，但我们优先保护那些愿意拥抱 AI、能创造新生产力的人。这样既能平衡两方关系，也能鼓舞团队向 AI 人才转型。

有两家企业的做法形成了鲜明对比：

有一位老板对中层说，AI 应用后，今年要缩编 20%。中层既要向上负责也要向下负责，纸包不住火，一线很快知道，于是开始对抗，不交知识库、反对推进，严重时像工业革命时期纺织女工罢工。

企业推进不下去。更糟的是，如果先承诺 " 不减人 "、推着推着又开始减人，组织信用会严重受损。

另一家企业也搞了一个 AI 试点小组，老板说，加入小组的人什么都不用干，薪资直接翻一倍，所有人挤破头想进。随后老板推出政策：达成 AI 项目组目标，年底薪资再涨。小组死命地干。

两种做法，成本差不多，但第二种花在刀刃上，让剩下所有人都想变成 AI 人才，结果截然不同。

3. 人机分工的演化：从人做主，到 agent 模式

这几年人机协同的演化路径很清晰。2024 年之前，大部分工作由人完成，AI 只做少量环节；2025、2026 年处于中间阶段，AI 完成流程里更多环节，但人工仍占一半；从明年开始进入 agent 模式，核心是 " 定目标、提供资源、监督结果、承担责任 "，大部分任务由 AI 独立完成。

在这个过程中，组织开始涌现出大量新岗位：AI 客服训练师、AI 生图师、AI 审图师、AI 知识库管理员，等等。

以 " 写标题 " 为例。过去天猫 A 品类运营写 A 品类标题，京东、抖音一模一样地再写一遍，重复建设严重，每个岗位只做表层基础活。

AI 来了之后，不需要每个平台、每个店铺都配人写标题。一个人出标题策略，AI 执行，数据出来他验证调优即可。他先变成 AI 标题专家，知识蒸馏完之后，可以去做更上游的事。

投流、数据分析也一样。投流人员不需要再操作那么多店铺后台、看完数据再分析调整，AI 执行完，人只做投流策略，所有店铺一人搞定。

我们不再需要七八个都写五六十分水平标题的人，而是需要一个八十分以上的专家。分工调整因此非常必要，专门的 AI 组也由此应运而生。

4. 未来人才：K 型分化，中间层大量减少

未来的人才呈 K 型分化：要么往上走，变成九十分、一百分的顶尖人才；要么往下走，去解决物理世界的问题，比如到办公室按一下开机键让 AI 跑起来，而中间层会大量减少。

围绕这个判断，组织调整的方向是：让专家型人才纵深发展，把重复动手的活交给 RPA 和 AI，把人的时间释放出来做策略、解释、复盘、调优。

二、团队愿意转型，AI 转型才有戏

1. 激励体系

我们沿用三位一体激励：物质激励、精神激励、成长激励。三类激励的具体做法如下。

精神激励：这一层成本最小，基本不花钱。群里发周报、发案例，老板智能体给一线员工点赞；智能体可以帮老板审核周报、打分、写反馈，超过阈值就点赞，物以稀为贵。

再往上是月度之星、年度优秀个人和部门 AI 达人榜，达人榜比的是谁 AI 用得最好、多维表用得最好、RPA 用得最好、智能体用得最好。

物质激励：森马的最小单位是下午茶，比如有一个关键场景突破，就及时奖励；其次是森马币，这是一套内部积分体系，没有的企业用红包代替就行；最重要的是 KPI 保底、调薪倾斜、晋升机会。

我们把 AI 指标从上往下拆进全员 20% 的 KPI：总经理管总盘，短视频老大背 20% AI 视频带货指标，直播老大背 20% 数字人直播指标，客服老大背 20% 机器人订单转化与接待目标，所有人都要涉及。

成长激励：学习基金、培训机会、大模型高级版本的优先使用权，以及知识技能挑战赛。高级版本的权限只给 AI 人才，不全员发放。

激励有两个关键认知：

第一，比金额更重要的是价值衡量。员工心里自有一杆秤，如果原来 500 的激励突然变 1000，大家都知道这事重要；突然变 200，都知道不重要。

第二，学习热情会消退，必须拉高频次。公司级激励到年、到半年不够，部门级至少要到周，因为激情 7 天后必然消退，必须高频调上来。

2. 软硬技能培养

原有员工的培养，课程体系整体推翻。硬技能从 PPT、Excel、Word，换成 RPA、Python、低代码、多维表，一个月内能学会。

在软技能培养上，我们更关注这七个维度：

一是逻辑结构，工作流编排得好不好，取决于逻辑清不清晰；

二是判断决策，AI 给出大量方案之后，怎么选出对的；

三是洞察创新，用 AI 洞察消费者潜在需求、创造蓝海品类；

四是学习迭代，跟上 AI 发展潮流；

五是沟通协调，人与人的沟通未来更有温度，不会派机器人去跟平台或甲方谈判；

六是审美能力，设计师、编导、研发都看重；

七是提问能力，它决定上面所有能力，不会可以问大模型补齐。

三、领导力： 用 AI 增强一号位与高管团队

1. 一号位必须回答的五个问题，并释放时间

一号位是 AI 转型的第一责任人，必须回答五个问题：战略目标是什么？AI 怎么帮我们实现？如果忘掉现有组织架构和业务模式、重新创业一遍会怎么做？新的能力怎么从组织里长出来？以及，价值怎么衡量？

想清楚这五个问题之后，一号位自己还要腾出时间亲手抓转型。怎么释放时间？

三个建议：一是做时间的减法，砍掉低价值事务；二是做时间的乘法，配上 AI 助理，省下碎片时间；三是做结构化的时间设置，倒推着每周预留 8 小时做 AI 转型，而不是其他事排完有剩余才做。

AI 转型不是 IT 部门牵头的数字化项目，而是一号位的战略项目，要考虑增长机会、效率提升、业务创新和组织能力，IT 团队搞不定。

四、文化与机制保障

1." 只招成年人 "，以及 " 因为看见所以相信 "

我们学了奈飞的文化手册：只招成年人，也就是心理成熟、能自驱、能创新、保持透明的人。当企业开放程度够高、员工掌握足够信息时，能调动主人翁意识；也包容认知的多样性，只要 AI 大方向一致，小分歧、用不同工具都不强求统一。

关于 " 相信 "，阿里说 " 因为相信所以看见 "，这话只适用于高管。对一线员工讲，他只觉得你在画饼；一线是反过来的，" 因为看见所以相信 "。

所以，我们拉运营团队去看客服中心一排电脑自动干活，连低学历同学都能学会，高学历的还有什么理由学不会？眼见为实。我们还去上海看了业务驱动变革的 AI 公司，反对声音就少了。

2. 让一线被看见

" 让一线看见 "，就是把 AI 转型从一句口号变成看得见、摸得着的事。我们靠三件事落地，正好对应上面三个词：

第一，RPA 学习，让能力被看见。 我们用 20 天、每天 2 小时、共 40 小时的 " 晚自习 " 式集训，要求全员过 RPA，基础开发运营就能搞定，很多人已经到中级。客服团队把 RPA 认证证书贴出来，评选一线标杆人物，让优秀被看见。

第二，赛马文化，让压力被看见。 各部门在群里发 AI 周报。这种群众监督形成了良性赛马文化。我们还推悬赏军令状：接榜有奖，完不成有罚，罚的方式是出去拉练走几公里，不罚款。

第三，民间学习单元，让抱团被看见。 我们还自发形成 5 到 6 人的民间学习单元，相互竞争、监督、分享。底层洞察是：成年人喜欢集体学习，一个人容易懈怠。

五、什么样的企业，很难做好 AI 转型？

1. AI 应用的 4 层深度

看了大量转型企业之后，我们把 AI 的应用分成四层。

第一层是效率层，约 90% 的企业目前停在这里，通过 RPA 加 AI 数字员工，解决填表、后台操作这类事务性加班时间的释放。

第二层是能力层，就是前面讲的 AI 高管团队延展开来，通过智能赋能突破企业的能力上限，变成超级大脑，包含销售预测、竞品分析、VOC 洞察等。

第三层是组织层，目前除了一些央国企和掉头很快的小企业跑通了，中大型企业还没有好的突破，森马也还在能力层，正往组织层靠。

第四层是生态层，以海尔为代表，开始做产业布局，对外输出能力，赋能 4.2 万家工厂。这是未来的终局方向：原来卖铲子的企业可能会发生变化，原来不卖铲子的可能开始卖铲子，越来越多企业完成能力层之后，就能进入各个行业。

2. 企业 AI 转型成败规律

看完大量案例，可以总结出一些规律。什么样的企业容易转型成功？

有六类。

第一类，创始人本身是业务极客，同时深度实操业务、既懂技术也懂业务的中小型公司，这类企业转得非常快。

第二类，主营轻资产、内容密集型业务的企业，比如聚焦做直播、咨询、设计、广告的，因为业务形态单一，一个部门就代表了整个公司的业务形态。

第三类，中层管理者全员懂业务，并且愿意放权、拥抱工具的中型企业。

第四类，年轻有活力的跨境电商企业。跨境电商这两年转型非常火，有几个先天条件：对国外模型的理解更深；组织刚成立不久，没有太多组织惯性和臃肿的决策流程；政府还在持续给跨境企业算力补贴，所以敢大胆让员工去消耗算力，转型速度自然快。

第五类，组织比较扁平、没有太多冗余层级的企业。

第六类，以增量增长为核心目标，而非单纯压降人力成本的企业。

转型容易失败的也有六类。

第一类，老板脱离一线，只把 AI 当成宣传噱头的企业。

第二类，重制造、重线下资产的传统老牌工厂，制造业的转型非常难。

第三类，中层管理者守旧，害怕被 AI 替代，刻意抵触数字化的企业。

第四类，盲目追求全栈自有技术路线的企业。

第五类，部门墙极厚、跨部门协同很难的企业。

第六类，短视主义，要求 AI 短期内立刻盈利、拒绝长期投入的中小微企业。

3. 企业在 AI 转型上的差异

下面再看大中小企业在 AI 转型上的差异，现象非常鲜明。

第一个是节奏。小企业船小好掉头，基本以周为单位就能快速转过来；大企业要几年才有变化。

第二个是复制。小企业单点突破非常快，但规模化复制很难，因为 AI 是放大器，基数小，乘法之后也带不来很大的规模效应；大企业正好反过来，前面很慢，一旦跑通，复制起来非常快。

第三个是试错。小企业试错几乎没有什么沉没成本；大企业上一个 AI 项目，上容易、停很难，组织惯性、资源投入、机会成本都要考虑。

收益和 ROI 也是两极分化。小企业收益体感非常强，省下 10 万、20 万甚至几百万，费用直接转为利润，非常明显；大企业本身财务报表的费用就是几亿、十几亿，节省几千万、几百万没有太大改善。

但把时间拉长看，大企业还是会断层领先，这也再次印证了 AI 是放大器，一旦大企业跑通，规模效应来得非常快。应用层面也有分野：小企业主要用 AI 拓客，大企业主要在做降本。

从长期竞争和产业分层看，还有三点值得注意。小企业天然会涌现出越来越多的人机复合岗位，职能墙拆得比大企业快很多；大企业的岗位设置反而会成为 AI 的效率瓶颈。

团队配置上，小企业现在没有专职 AI 团队，大企业有，但容易脱离业务，沦为技术的附庸。

最后是窗口期：在 AI 的窗口期，小企业容易弯道超车，未来甚至可能吞并一些大企业；大企业一旦形成壁垒，规模效应会持续放大。

六、结语：AI 转型是一号位的战略项目

今天的 AI 转型，不是一个数字化项目。以前信息化也好，数字化也好，确实是 IT 部门来牵头。

但现在 AI 转型是一号位的战略项目，它要考虑未来的增长机会，要考虑未来的效率提升、业务的创新和组织能力，这不是 IT 团队能搞得定的。

我总结了一个转型行动路线建议，步骤环环相扣：

第一步，战略共识和场景定位，一定是先做这两件事；

第二步，快速试点，围绕场景做讨论；

第三步，范围试点成功后，规模化复制；

最后，持续地优化。

* 文章为作者独立观点，不代表笔记侠立场。

接下来，笔记侠将在杭州举办《AI 十倍增长营 03 期》，帮助更多企业把 AI 从 " 工具 " 真正变成 " 经营能力 "。