在前三篇文章里，我们从个人效率谈到组织能力，又提出十个问题，帮助企业回到工作本身，重新判断AI应该进入哪里。这十个问题最终收在一句话上，战略需要由上而下，洞察必须从下而上，人机协作的设计，发生在这两个方向真正碰到一起的时候。由上而下的战略，具体应该从哪里开始，谁先负责把方向想清楚，是这一篇要往下走的地方。
很多公司里正在出现一种很表面的”AI高效率”。员工原本用200字就能说明的一件事，为了让材料看起来更完整、更专业，就用AI扩写成2000字，完成任务后交给了老板。老板的事情实在太多没有时间细看，于是老板又把这2000字交给了AI，压缩成200字的摘要。
在这个人人AI的场景中，员工更快地完成了任务，老板也更快地读完了材料。两边的动作都更快了，实际上却只是信息绕了一圈，企业并没有因此多做成一件事，还凭空多出了一轮没有价值的信息加工。这类现象值得管理者警惕。AI能加快一项任务的完成速度，但不会判断这项任务本身是否还有必要存在。单个岗位的产出可以被AI提升，不同岗位之间的目标冲突，仍然要靠人处理。
AI导入企业的重点
已经从使用工具转向重新安排工作
过去两年，许多企业把AI应用理解为一场能力普及。公司给员工开设账号、组织培训、建立提示词库，鼓励大家在文案、分析、搜索和汇报中使用AI。这一步当然必要，但它解决的主要是个人效率。时至今日，中国企业已经不缺AI工具。飞书、钉钉、企业微信及各类AI工作平台，正在把搜索、写作、分析、会议记录和知识问答变成日常功能。
当越来越多员工已经能够在办公场景中使用AI，企业接下来面对的问题就完全不同了。从员工能力普及，转变为 “这些AI工具正在帮助企业完成什么工作，哪些工作还有必要存在，哪些任务应该交给AI，哪些判断必须由人完成，AI生成的结果由谁审核，出现错误以后谁承担责任”。如果员工只是用AI写出更多报告、制作更多方案、生成更多内容，而这些产出并没有缩短决策周期、改善客户体验或者增加收入，那么工具使用率再高，也很难形成企业层面的生产力。
麦肯锡的企业AI调研表示，高绩效企业重新设计工作流程的比例，是普通企业的三倍左右。真正获得经营成效的企业，通常不只是增加AI的使用，还会同时调整工作流程、管理机制和人员职责。技术能力只有进入组织的工作方式，才可能转化为财务结果。
国家政策方向也越来越清楚。国务院《关于深入实施“人工智能+”行动的意见》把AI发展指向定性为产业发展、生产方式和治理能力的整体变化。国家发展改革委的相关政策部署，同样强调人工智能与实体经济、业务场景和组织运行的深度融合。政策方向落到一家企业内部，其实非常具体。白话的说，就是谁做什么，谁可以调用什么资源，谁有权作出决定，谁对最终结果负责。
AI正在改变企业可以调用的劳动力结构。组织未来管理的，可能不再只有自然人员工，也包括机器人、数字人和各类智能体。新技术并不会平均的让所有企业受惠，相反地，它会快速放大企业在战略判断、组织学习和管理能力上的差距。因此，能否更早理解新的生产能力，并据此调整企业的工作方式，将逐漸成为企业在新竞争环境中保持成功的一项基本能力。
把AI当成新员工, 问题会清楚很多
有不少企业主一谈到AI，第一反应是“我不懂技术，这件事要交给懂的人”。这个反应可以理解，但时至今日，这个反应却是建立在一个不准确的前提上，就是把AI导入当成了一道技术题。事实上，更准确的理解应该是，企业里多了一位新员工，只是这位员工不需要办公位，也不领薪水。
当企业招募一名新员工时，管理者不需要完全懂他的专业技术细节，但需要说清楚他负责什么、能自主决定到什么程度、遇到问题找谁、绩效怎么衡量。这些本质上属于管理判断，也是管理者本来就最擅长的事。管好这位新员工，需要的正是同一套判断，并不是模型原理或工具操作。
换句话说，AI导入真正的起点，是管理者愿不愿意像安排一名新员工那样，把这件事管起来。学AI本身反而不是第一步。前者常常让人望而生畏，后者是管理者每天都在做的事，只是这一次，被安排的对象换成了AI。
管理AI的误区
企业推进AI时，有个常见的默认动作，就是把责任交给最先接触工具的人。Schellman的一项调查发现，被问到企业AI最终由谁负责时，超过四成的受访者回答是CIO或IT负责人，只有一成的人认为应该是CEO。这个默认动作沿用的其实是过去采购ERP、办公软件的老逻辑。企业过去买一套系统，通常由IT主导选型、部署和实施，系统装好以后，员工被要求按照既定流程去适应系统操作，系统本身的能力边界固定，维护责任则交给IT部门。
在AI时代，这样的逻辑有很多潜在的风险。AI并不是一套僵化的系统。它的能力远远超过过去任何一套软件，边界也不会在部署那一刻就固定下来，它需要被持续嵌入到日常端到端的工作流程里，它会随着业务判断的知识累积，不断进行自我优化与调整。哪些工作值得重新安排，AI在流程里该接手到哪一步，出了错由谁承担，这些问题从一开始就不是技术问题，IT部门既没有权限、也没有视角去回答。旧时代的老逻辑套用到AI身上，组织的工作责任就会落在一个没有决策权的位置上，当问题出现以后，组织的应对就只会停留在修补个别事故，而没办法解决根本原因。
因此，组织AI应用的方向、原则和责任边界，都需要由老板和核心管理团队先定下来，后面具体工具的选型和技术实现，才是轮到技术部门操心的部分。老板与高管团队并不必亲自掌握技术细节，关键是要把管理工作做到位。
先把工作拆开，再决定谁来做
企业传统的分工方式以岗位为单位。市场经理、销售经理、产品经理，各自拥有一整套职责。但AI擅长的并不是对应组织中一个完整岗位，而是每个岗位中的某些任务，因此管理层若一开始就讨论“哪些岗位可以被AI取代”，很容易在组织中制造不必要的焦虑，也会错过真正有价值的机会。
更合理的做法，是先回到一项工作的目的与端到端流程。以客户提案为例，其中包含资料收集、行业比较、需求整理、方案起草、商务判断、关系维护和价格承诺。资料整理和初稿生成可以由AI承担，客户意图的判断、方案取舍和商业承诺仍然需要人负责。工作的结果没有改变，完成工作的组合却可以重新设计。
这也是管理层需要重新学习的分工方式。过去的分工主要发生在人与人之间，今后还要加入AI、自动化系统、机器人和数字人。管理者需要判断哪些工作依赖速度和规模，哪些工作依赖经验和情境，哪些工作涉及不可转让的责任。把这些问题想清楚，才谈得上合理配置资源。
管理层尤其要防止把“AI能够完成”误认为“这项工作值得完成”。一份没有人阅读的周报，即使生成时间从三个小时缩短到三分钟，也不会因此创造价值。企业应当先决定这份周报是否还有必要、它服务哪个决策、谁会根据它采取行动，再考虑由谁生成。
老板必须定方向
但不能替每个人设计步骤
企业的AI转型必须由上而下启动。老板和核心高管必须明确企业为什么使用AI，希望改善什么经营结果，哪些原则不能牺牲。这些问题如果没有共识，下面的团队再积极，也容易各自寻找工具、各自优化局部，最后形成新的信息孤岛和组织内耗。
老板与高管必须做决定，但一间会议室里的决定，不能代替执行员工对真实工作的理解。管理层负责确定方向、价值标准、风险边界和责任归属；至于一项实际工作在现实中如何运转，有哪些工作，事情会怎样发生，往往掌握在一线员工手中。他们知道客户临时改变需求时如何处理，知道系统里哪些字段从来不准确，也知道一项看似标准化的任务背后藏着多少例外。
企业在AI时代建立的长期优势，不会来自某一个模型或者某一套工具。工具会持续更新，功能差距也会越来越小。真正拉开组织差距的，是管理团队能否重新看见工作的目的，减少没有价值的内部循环，并把人的判断与AI的能力安排在最合适的位置上。管理层先把目标和责任框架定清楚，后续才有条件让一线员工参与，把真实经验带进工作设计。
老板负责决定为什么做、做到什么程度以及哪些风险不能碰；熟悉业务的团队则需要回答工作实际上如何发生、AI可能在哪些地方出错，以及人应当在什么时点介入。两者缺一，企业都很难把AI从工具使用推进到组织能力。
从一次管理层对齐开始
策意象把长期应用于商业、品牌与组织议题的 Human-Centered Design 与设计思维方法，带入企业的AI转型。我们正面向企业老板与核心高管开放小范围的“AI工作重构体验工作坊”。协助管理团队从真实经营问题出发，重新审视工作目标、任务价值与人机分工，建立企业推进AI所需的共同认识。
很多时候，企业缺少的并不是更多AI工具，而是一次把工作重新想清楚的机会。技术选择可以不断调整，清楚的工作定义与管理判断，才是组织持续获得收益的基础。
如果贵公司已经有不少员工在使用AI，却仍然不确定如何把个人效率转化为组织能力，或者正在思考AI应该从哪里开始，欢迎与我们交流。
