补一条消息
“老登”公司做A I原生组 织，可能是个伪命题！
2026 年进入倒计时了，但 关于 AI，我 们仍然有很多的 不确定性，&q uot;AI+ 组织 &qu ot; 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 &q uot; 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 &q uot; 转型吗？很 多已经几十 岁的 &q uot; 中登、老登 公司 &q uot;，怎么可能回 到 Bab y 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 &q uot;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 &quo t; 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 4 0 家 &q uot;Top Employer&q uot; 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 R OI。每花一笔钱都要 问 " 这 钱值不值得投？
&qu ot; 但如 果要问 " ; 还要不要 继续投 AI ？&q uot ; 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 &qu ot; 无用 的 &quo t; 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 &q uot; 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 Agen t 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 A I 底座问题没有被解决，企业做 AI 转 型就像是 " 半推半就 &qu ot;。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 A I 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 A I 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 Agen t 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 Palo na，20 24 年成 立，一共 20 个人 。他们的产 品就是两个 Agen t，一个客 户经营 A gent 管前台，一 个门店运营 Agen t 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 H arvey，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 Me rcor 的公司。
表面上看 ，它做的 是 &q uot; 猎头 &quo t; 生 意，为前 沿 AI 实验室 寻找行业 专家，但 实际上是 用 Ag ent 去管理专 家。筛人 、雇人、留痕、评 估、推荐 、淘汰，用 Ag ent 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 &qu ot; 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 &quo t;，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 &quo t; 对面有 多美好 &q uot;。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 &qu ot;AI 加强公 司 &quo t;？从 &quo t; 现状的 此岸 &qu ot; 走到 &q uot ; 对面的彼 岸 &quo t;，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 AP P，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 &quo t; 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