动态补丁
“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，"AI+ 组织 " 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 " 转型吗？很 多已经几十岁的 " 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 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 &q uot ;AI 加强 公司 &qu ot;&qu ot;AI 赋能公司 &quo t;，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 "，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 "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 Age nt 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，Ag ent 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 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？&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 " 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 &q uot; 数 字化 &qu ot; 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 kn ow-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&q uot; 监工 &q uot;，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 &quo t; 影子 员工 &q uot;。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 AI 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 Agent，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 arv ey，四年做 到现在 15 00 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 " ;。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 "？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 " 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