圍繞AI的討論，外界已經(jīng)形成了一套相對穩(wěn)定的敘事框架：算力決定上限，模型決定能力，數(shù)據(jù)決定智能水平。

但如果你真正置身一家“all-in AI”的企業(yè)，會看到另一條并不對稱的曲線——AI能力的提升近乎指數(shù)級，而組織的適配速度卻依然是線性的，甚至是階梯式的。瓶頸并不在技術(shù)本身，而出現(xiàn)在一個更少被直面的問題上：

AI已經(jīng)能做什么，已不是關(guān)鍵；組織是否敢讓AI去做，才是。

HBRC專家撰稿團(tuán)成員，特贊科技創(chuàng)始人及CEO

同濟(jì)大學(xué)教授、博導(dǎo)、設(shè)計(jì)人工智能實(shí)驗(yàn)室主任

范凌|撰文

一個“看起來合理”的數(shù)字

往往掩蓋了真正的保守

2025年初，我向技術(shù)團(tuán)隊(duì)提出了一個看似直接的問題：目前公司里，有多少代碼是由AI完成的？答案是30%。一個在行業(yè)里并不罕見，甚至聽起來還不錯的數(shù)字。

但這個數(shù)字的關(guān)鍵，并不在于高或低，而在于比較對象。如果這是從0%到30%，它意味著進(jìn)步；但如果在技術(shù)條件允許的情況下，本可以接近100%，那么30%反而暴露出組織的克制。這并非效率問題，而是決策邊界的問題。

要真正理解AI如何改變組織，單靠概念討論并不足夠。邊界在哪里？代價(jià)是什么？風(fēng)險(xiǎn)會出現(xiàn)在哪一層？這些問題，只有在真實(shí)實(shí)踐中才能被驗(yàn)證。

因此，在2025年4月，我重新回到一線角色，與CTO組成了一個最小化團(tuán)隊(duì)，嘗試從零開始，用AI構(gòu)建一個完整產(chǎn)品。這個項(xiàng)目在兩到三周內(nèi)完成了第一個可用版本。當(dāng)我們重新回到最初的問題——“有多少代碼可以由AI完成”時(shí)，答案變得令人不適：

幾乎是全部。

這并不是因?yàn)槟Ｐ屯蝗蛔兊酶斆鳎且驗(yàn)榻M織沒有再人為設(shè)置“哪些事情必須由人完成”的分工邊界。

當(dāng)分工來自工業(yè)時(shí)代

協(xié)作成本會吞噬AI的潛力

傳統(tǒng)組織的分工邏輯，本質(zhì)上來自工業(yè)時(shí)代：角色清晰、邊界明確、流程串聯(lián)。設(shè)計(jì)、產(chǎn)品、前端、后端、測試、運(yùn)維、商業(yè)化……每個角色都對應(yīng)一個切片，每個切片都需要對齊與協(xié)調(diào)。

這種結(jié)構(gòu)更像砌磚：每個人負(fù)責(zé)一小塊，而協(xié)作成本會隨著規(guī)模迅速上升。

但在AI原生的工作流中，協(xié)作方式更接近于三維打印——不是逐層堆疊，而是整體生成。你想改一個功能，不再需要在多個角色之間反復(fù)拉通，而是基于既有結(jié)構(gòu)重新生成一遍。

在這種模式下，傳統(tǒng)角色的邊界開始被自然稀釋。組織的主軸不再是崗位分類，而逐漸演變?yōu)閮深惸芰Φ幕樱?/p>

一類負(fù)責(zé)理解問題、定義價(jià)值、交付結(jié)果；

另一類負(fù)責(zé)把經(jīng)驗(yàn)固化為系統(tǒng)，把一次性交付變成可復(fù)用能力。

這也解釋了為什么，在代碼生成這個最成熟的場景中，團(tuán)隊(duì)對AI的評價(jià)在一年內(nèi)發(fā)生了顯著變化——從50分，到85分。

這并不是一個技術(shù)故事，而是一個組織命題。如果交付標(biāo)準(zhǔn)止于85分，人確實(shí)可以退出；但如果目標(biāo)是100分，那么人的價(jià)值，恰恰從85分之后才真正開始。AI抬高了交付的下限，也同步抬高了對人的要求。真正變得稀缺的，不再是執(zhí)行能力，而是定義“什么是100分”并愿意為之負(fù)責(zé)的能力。

AI轉(zhuǎn)型的核心，不在IT

而在組織是否愿意改變

在實(shí)踐中我們逐漸意識到：AI轉(zhuǎn)型并不是IT部門的專項(xiàng)任務(wù)，也不是培訓(xùn)體系的問題，而是一種組織范式的重構(gòu)。

過去一年，我們做過一些看似具體、實(shí)則高度組織性的嘗試：

第一件事：把管理會變成“AI推動會”

我們以前每周/雙周開經(jīng)營管理會——看數(shù)字、對齊，數(shù)字沒完成就批評大家。這非常工業(yè)時(shí)代。今年我們沒有宣布取消，但它確實(shí)慢慢就不開了。取而代之的是：每兩周開一個管理者的AI推動會。一開始大家當(dāng)然會敷衍：“我用Lovable做了個有趣的玩意兒?！蔽揖椭苯诱f：別來錦上添花。

慢慢地，它越來越接近業(yè)務(wù)實(shí)質(zhì)：他們開始講怎么給客戶創(chuàng)造價(jià)值，怎么做新品研發(fā)。新品節(jié)奏從過去一季度/兩季度一次，變成現(xiàn)在幾乎每個月多個。這背后不是工具，而是管理者開始把AI當(dāng)成業(yè)務(wù)杠桿，而不是個人技能。

第二件事：做了一個培訓(xùn)與認(rèn)證“ABC+”

ABC+（AI Builders & Creators Plus）——我們自己的名字。

請外部講師扎扎實(shí)實(shí)教非技術(shù)背景的同學(xué)們怎么用：Cursor、Lovable、Dify、ClaudeCode等各種工具。

當(dāng)然，我們不可能覆蓋全公司。于是它反而成了一種識別機(jī)制：誰愿意主動來學(xué)，誰就更可能是下一代的leader。我們用工具引入，篩出了組織里愿意改變的人。

第三件事：Non-Tech黑客松

我們組織了一個給非技術(shù)同學(xué)參加的黑客松，最終的獲勝項(xiàng)目非?！敖M織學(xué)”：銷售+市場組隊(duì)，用Cursor和Dify搭了一個工作流，把我們每年300–600份PRD轉(zhuǎn)成客戶可以理解的語言的一頁紙。

這件事妙在哪里？

- 業(yè)務(wù)通過AI直接讀懂研發(fā)在做什么，不再需要翻譯層；

- 一頁紙可以直接轉(zhuǎn)發(fā)給客戶，變成600發(fā)獨(dú)特獲客的子彈；

- 研發(fā)沒有增加額外負(fù)擔(dān)。

它并未增加更多流程，而是在持續(xù)減少組織的耦合度：減少對齊、減少拉通、減少會議。而這正是AI的“剩余價(jià)值”應(yīng)該被用在的地方。

隨著AI能力嵌入工作流，組織中的最小可交付單元正在變小——從過去需要數(shù)十人、數(shù)月協(xié)作的項(xiàng)目，縮小為少數(shù)人即可完成完整閉環(huán)。這并非追求速度，而是追求高內(nèi)聚、低耦合。

當(dāng)閉環(huán)足夠短，協(xié)調(diào)本身就不再是主要工作。這也直接影響了組織中的角色結(jié)構(gòu)：協(xié)調(diào)型中層正在變得尷尬，而真正的leadership，反而更加重要。

從這個意義上看，AI之所以成為CEO推動變革的最佳理由，并不只是因?yàn)樗且豁?xiàng)新技術(shù)，而是因?yàn)樗且环N共識工具——為長期難以推動的組織變革，提供了一個被普遍接受的起點(diǎn)。

能力可以補(bǔ)，要求卻無法替代

AI可以把人從0拉到85，卻無法替人回答：什么是100分？為什么值得？是否愿意為此負(fù)責(zé)？

回到最初的問題：AI的瓶頸是什么？

答案已經(jīng)逐漸清晰：

它不是算力，不是模型規(guī)模，甚至也不是技術(shù)路線。

而是——人是否準(zhǔn)備好改變，組織是否敢于被重新設(shè)計(jì)。如果組織仍然圍繞工業(yè)時(shí)代的分工與協(xié)調(diào)邏輯構(gòu)建，那么再強(qiáng)的AI，也只能被使用到30%。

真正困難的，并非技術(shù)落地，而是是否愿意讓這些工具，反過來重塑我們自己。

范凌 | 文

范凌是特贊科技創(chuàng)始人及CEO，同濟(jì)大學(xué)教授、博導(dǎo)、設(shè)計(jì)人工智能實(shí)驗(yàn)室主任

哈佛商業(yè)評論中國 專家撰稿團(tuán)，將匯集來自實(shí)戰(zhàn)一線的經(jīng)營者、管理者，以理論創(chuàng)新結(jié)合實(shí)踐洞察，分享可落地的管理方法和商業(yè)經(jīng)驗(yàn)。系列文章將陸續(xù)推出，敬請期待。

希望和專家撰稿團(tuán)成員進(jìn)一步探討商業(yè)、管理經(jīng)驗(yàn)？歡迎掃碼加入我們的“商業(yè)觀察群”。不錯過每一篇專欄文章，還有機(jī)會加入線上研討與線下沙龍，與專家撰稿團(tuán)直接交流！

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org