AI 正在让企业组织能力全面提升

这个 9 月，我感觉自己快成 " 空中飞人 " 了。前两天刚从德国参加完 IFA 回来，还没倒时差，又要继续去其他城市参会。最近打开行程软件，不是在机场，就是在去机场的路上。

也就是今天，我在机场看到了腾讯 WorkBuddy 的一整墙的广告。巨大的机器猫形象很显眼，但真正让我停下来多看了一会儿的，是旁边那一墙企业 Logo。

长安汽车、零跑、伊利、名创优品、东方财富、平安证券、晶科能源、新华三……金融、零售、汽车、制造、医疗、教育、酒旅，这些不同的公司被同时放在了一起。

我当时冒出来的第一个问题是：AI 公司什么时候开始不急着告诉大家 " 我会什么 "，而开始告诉大家 " 谁在用了 "？

过去两年，AI 办公产品最常见的竞争方式，是不断证明自己的能力边界。写文档、做 PPT、分析 Excel、整理文件、写代码，再到直接操作电脑、完成复杂任务，几乎每隔几个月就会出现一轮新能力。但到了今天，"AI 会干活 " 已经不算特别稀缺的信息了。模型越来越多，Agent 也越来越多，真正开始拉开差距的，是这些能力能不能进入一家公司，并且真的被员工长期使用。

从这个角度看，机场这一墙 Logo 比再演示一次功能更值得琢磨。按照 WorkBuddy 公布的数据，今年 3 月上线以来，它已经更新 50 多个版本，进入政务、教育、零售、金融、传媒、出行等 50 多个行业，目前服务 3000+ 企业客户、14 万 + 付费席位，腾讯内部也有 1.2 万 + 员工常态化使用。

这些数字放在一起，至少说明一件事：办公 Agent 的竞争，正在从 " 谁能做更多事 "，进入 " 谁能真正进入组织 "。

10 个人的公司，为什么能承载这么多事

昨天，我刚参加完一家国际头部芯片厂商的媒体沟通会。聊天的时候，我和对方负责人简单介绍了一下自己的业务：几个科技内容账号，不同平台的商业项目，再加上马上要搬的新办公室，以及接下来准备运营的一个带孵化器性质的空间。

对方听了一会儿，突然问我：" 你们公司现在多少人？"

我说，10 个人。

对方明显有些惊讶。

其实对于这种反应我已经屡见不鲜了。按照过去的理解，这么多事情背后，应该对应内容、商务、运营、行政等一整套团队。但我们现在确实只有 10 个人。

当然，这不能简单归功于某一个 AI 工具。过去这些年，云服务、SaaS、协同办公、本身就在不断降低小公司的运营门槛。很多以前只有大公司才能拥有的能力，今天十几个人的团队也可以直接使用。但 Agent 这一轮，有一点不太一样。

过去的软件，主要是在帮助人更快地完成工作。CRM 把客户信息管起来，项目管理软件把流程放到线上，OA 把审批数字化，但最后那个不断找信息、切系统、点按钮、催节点的人，依然是员工。

Agent 开始尝试往前再走一步，直接参与任务。

我们自己的商务就是一个很典型的例子。公司同时运营视频号、公众号、小红书等不同平台和账号，一个商业项目从最开始沟通报价，到签合同、内容制作、客户确认、平台发布，再到开票、结款，中间会经过很多环节。项目少的时候，人脑可以扛；项目多起来以后，真正麻烦的往往不是某一份合同不会写，而是大量状态需要有人持续记住：这个项目走到哪了，那个客户有没有确认，谁该开票，哪笔款还没回来。

很多公司的复杂度，就是这样一点一点堆出来的。

真正消耗组织资源的，经常不是最难的工作，而是大量信息传递、流程推进和重复协调。最后总得有一个人记着，总得有人去问一句，总得有人发现这件事怎么还没做。

所以前段时间，我开始教公司的商务使用 WorkBuddy。

我自己当然愿意折腾各种新的 AI 产品，但真正把一个 Agent 交给员工时，我看的标准会完全不同。我不可能要求公司每招一个商务、运营或者行政，都先花很长时间研究模型、Prompt 和复杂配置。新人已经要学习公司的业务、客户和流程，如果一个 AI 本身还要很高的学习成本，它在公司里的推广很容易卡住。

WorkBuddy 对我比较有吸引力的地方，也正在这里。它可以处理本地文件，用户把需求说明白之后，可以自主规划和执行相对复杂的任务。

这些能力单独拿出来看，可能没有一个惊艳的 Demo 那么抓眼球。但在公司里，" 普通员工能不能很快用起来 "，有时候比多一个炫酷功能重要得多。

小公司看效率，大公司看复杂度

如果文章只写到这里，很容易让人觉得 Agent 更适合我们这种小团队，用来让一个人多做一点事情。

机场那一墙 Logo 恰恰说明，事情已经走到了另外一边。

对于我们这样的小公司，问题很直接：人少，怎么承载更多业务。可对于长安汽车、伊利、东方财富、平安证券、晶科能源这些已经拥有成熟组织的大型企业来说，问题完全不同。

它们不缺办公软件，也不会因为多一个 Agent，就突然少一个部门。恰恰因为公司足够大，AI 想真正进入其中反而更难。

一家 10 个人的公司，最怕的是没人干；一家几千、几万人的公司，有时候更麻烦的是明明有人干，却不知道信息在哪、该找谁、事情走到了哪一步。

部门越多，流程越长，这种损耗就越明显。一个很简单的事情，可能需要跨好几个部门确认；一份已经存在的信息，员工可能要在不同系统里反复找；公司明明有人知道答案，但你首先得知道应该去问谁。到了这个规模，效率问题早就不只是 " 某个员工一天能不能多做一份 PPT"，而是整个组织每天有多少时间消耗在信息寻找、重复沟通和流程等待上。

这也是为什么大企业采用 AI，面对的是完全不同的一套门槛。

功能强只是第一步。员工愿不愿意改变习惯，新人能不能快速学会，原来的文件和沟通工具能不能继续使用，安全和权限怎么处理，一个部门跑通以后能不能复制到更多部门，这些问题才决定一款办公 Agent 最后能不能真正留下来。

所以我觉得 WorkBuddy 公布的 3000+ 企业客户和 14 万 + 付费席位，比单纯的用户数字更有意思。企业采购一个软件并不难，真正困难的是让它从 " 公司买了 "，变成 " 员工真的在用 "。腾讯内部 1.2 万 + 员工常态化使用，也可以放在这个逻辑里理解。

企业 AI 真正难跨过去的门槛，很多时候不是采购，而是规模化使用。

这也解释了为什么到了企业场景，生态的重要性会突然变高。

消费级 AI 可以尝试创造一个全新的入口，但企业 AI 很难要求所有人把原来的工作方式推倒重来。员工今天在微信、企业微信、飞书、钉钉里沟通，文件在电脑里，各种公司内部系统也已经跑了很多年。一个 Agent 如果每次都要求员工先把工作搬进一个新环境里，最后很容易变成偶尔打开一下的工具。

WorkBuddy 目前支持微信、企业微信、QQ、飞书、钉钉等主流 IM，同时内置多种模型，并提供企业安全相关能力。

这些能力真正有价值的地方，不在于列表有多长，而在于它尽量沿着企业已经形成的工作方式进去，降低迁移成本。

这背后还有一个我觉得越来越重要的问题：企业真正稀缺的，可能不是模型，而是组织上下文。

一个员工为什么能把事情做好？因为他知道这个客户是谁、之前发生过什么、公司的流程怎么走、谁有权限、哪件事情优先级更高。一个在公司工作三年的普通员工，未必比最先进的大模型聪明，但他知道 " 这家公司到底是怎么干活的 "。

这就是组织上下文。

模型越来越容易获得以后，办公 Agent 真正的壁垒可能也会跟着变化。谁能更低成本地进入已有工作环境，连接更多原来的工具、文件和流程，谁才更有机会理解这些上下文。

模型决定它能有多聪明，组织接入能力决定它能走多深。

大小公司，最后都在算同一道题

这也是我觉得机场那一墙 Logo 最有意思的地方。

一家 10 个人的内容公司，和一家拥有成千上万员工的大型企业，看起来完全没有可比性，但使用 Agent 以后，双方其实都在重新计算同一道题：一家公司的能力，究竟需要多少人来支撑？

对于小公司，这个问题表现为人不够。一个人能不能多承担一些工作，团队能不能晚一点撞上 " 业务增长只能继续加人 " 的那堵墙。

对于大公司，问题恰好反过来。人已经很多了，真正需要降低的是组织内部的摩擦。信息能不能少传几次，流程能不能少等一会儿，一个员工是不是可以更快找到自己需要的东西。哪怕每个人每天只减少一点无效协调，乘以几千、几万名员工以后，影响的就是整个组织的运行效率。

所以大小公司最后其实走向了同一个目标：让组织能力增长得比员工数量更快。

最近我们马上要搬新办公室，这个感受又被放大了一次。新的场地除了团队自己办公，还会运营一个带孵化器性质的空间。会议室、直播间、公共区域要统一管理，咖啡区域也要服务整个空间里的团队，后面还会有访客、活动、设备管理和各种临时需求。

这些事情单独看都不复杂，叠在一起以后会非常碎。所以我已经准备安排一个专人负责。

有意思的是，这个人还没有正式开始工作，我已经在想怎么让他使用 WorkBuddy。

以前的逻辑通常是先有一个岗位，事情越来越多，员工忙不过来了，再去寻找工具提高效率。现在我开始在设计岗位的时候，就把 AI 算进去。

这个变化看起来很小，背后却可能意味着公司组织方式的一次调整。

AI 开始从员工自己选择的效率工具，进入岗位设计。

Agent 开始重新进入工作

过去二十年，企业数字化做的事情，大体上是在让越来越多工作进入软件。客户进入 CRM，供应链进入 ERP，审批进入 OA，项目进入项目管理系统，大量原来靠纸张、电话和人脑完成的事情被数字化。

但人在很长时间里一直站在这些软件之间。

员工负责读取信息、判断下一步、切换系统、点击按钮，然后把结果传递给下一个人。

Agent 这一轮真正有意思的变化，是软件开始拥有更强的任务理解和执行能力。

所以我越来越觉得，可以用一句话概括这轮变化：

过去二十年，企业数字化让工作进入软件；Agent 现在开始让软件直接参与工作。

一旦这个变化发生，办公 Agent 的终局就不会只是一个更聪明的办公软件。

9 月 2 日，WorkBuddy 开放平台正式上线，腾讯给它的定位是 " 面向 Agent 时代的操作系统 "，希望让各种工具和能力可以在这个平台上被调用。

" 操作系统 " 当然是一个很大的目标，现在还远没到可以下结论的时候。但这个方向本身值得观察。因为当模型越来越像基础设施以后，办公 Agent 下一阶段争夺的，很可能是谁能够成为模型、工具、企业数据和员工之间的连接层。

谁离真实工作越近，谁才越有机会成为企业里的长期入口。

下一步，可能是 AI Native Company

这几年科技行业一直在讨论 AI Native 应用。

但我现在越来越觉得，接下来真正值得观察的，也许是 AI Native Company。

它不一定做 AI，也不一定有什么庞大的技术团队。它可能是一家媒体公司、一家零售企业、一家制造企业，也可能就是一个只有十几个人的创业团队。

真正的区别，是它从一开始设计岗位、流程和组织的时候，就默认 AI 已经存在。

对于我们这种 10 个人的小公司，这意味着招聘一个人的时候，我会开始思考这个岗位怎么和 AI 一起工作；建立一个新流程的时候，也会提前考虑哪些事情应该让 Agent 参与。

对于拥有几千、几万名员工的大型企业，意义可能更大。它们要解决的，是一套已经非常庞大的组织，能不能因为 Agent 的加入，少一点信息损耗，少一点重复协调，让更多流程自己跑起来。

昨天，那位国际头部芯片厂商负责人听到我们公司只有 10 个人时，那个惊讶的表情，我印象挺深。

也许再过几年，这种事情不会那么值得惊讶了。

一家公司的能力，可能会越来越难简单用员工数量来衡量。10 个人的团队能处理多大的业务，一家 10 万人的公司需要多少层管理和协调，答案都可能和今天不同。

所以我现在再回头看机场那一墙企业 Logo，真正感兴趣的已经不是又有多少公司开始买 AI。

更值得看的，是这些公司准备把 AI 放到多深的位置。

如果它只是员工偶尔打开的一个工具，公司本身不会发生太大变化。等到越来越多企业开始按照 "AI 本来就在这里 " 的前提去设计岗位、流程和工作方式，事情才真正变得有意思。

AI 办公卷到最后，改变的可能就不只是办公效率。

它开始重新定义一家公司的能力，到底还需要多少 " 人 " 来承载。