窗外一看
“老登”公司做 AI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，"AI+ 组织 &quo t; 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 &quo t; 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 &qu ot; 转型吗？很 多已经几十岁的 " 中登、老登公司 &quo t;，怎么可能回到 Baby 状态呢 ？
袁凌梓老师曾 经是字节跳动集团 CHR O 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 A I 原生组织 ，但可以变成 " ;AI 加强 公司 "&qu ot;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 &quo t;，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 &q uot;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 8 9% 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 &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 &quo t; 数字化 "; 这一 步都没补 完，Ag ent 就来了。而 Ag ent 不仅需要 企业 " ; 投喂 &qu ot; 大量的基 础数据，还需要人先把这些 东西萃取出来，训 练 Ag ent 的 kn ow-h ow，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&q uot ; 监工 &quo t;，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 A I 派活、A I 给 AI 汇报 。袁凌 梓老师把这个 现象叫 做 &quo t; 影子员工 &quo t;。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 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。A I 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 A I，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，2 024 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 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 Mercor 的 公司。
表面上看，它做的是 &quo t; 猎头 " 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 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 &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 &qu ot; 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 Agen t。
袁凌梓 老师做 了 20 多 年组织 咨询，从 E RP 咨询做到 H R 组 织咨询，20 20 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 &q uot; 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 &q uot; 竞品 &quo t; 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