AI赋能企业：从个人效率到组织变革

从 Shopify 的 AI 实践，到企业组织重排的新分水岭

这两年，几乎每家公司都在用 AI。老板用 AI 看资料，市场用 AI 写文案，销售用 AI 写话术，HR 用 AI 筛简历，运营用 AI 做表格，客服用 AI 回复客户。

看起来，企业好像已经进入了 AI 时代。但我看到一个有点扎心的事实：很多公司并不是企业在用 AI，而是员工个人在用 AI。这两者差别很大。

员工个人用 AI，提升的是个人效率。企业系统性用 AI，改变的是业务流程、组织能力和竞争力。即员工Ai是工具使用。企业AI才是真正的企业能力。

这也是为什么，很多企业明明已经开始用 AI，但过了一段时间，老板还是会觉得：好像大家都在用，但公司的业务结果没有明显变化。

客户响应还是慢、销售转化还是靠少数高手、交付质量还是不稳定、新人培养还是靠老人手把手带、很多经验还是沉淀不下来、管理层看业务，还是靠开会、汇报和感觉。

问题出在哪里？

核心可能是，很多企业还停在工具层，没有真正进入业务层。

如果只看一两个员工怎么用 AI，我们容易把 AI 理解成提效工具。

但如果看全球头部企业最近两年的动作，会发现一个很明显的变化：

AI 正在从个人工具，进入企业的业务系统。

OpenAI推出的 Frontier，就是一个很典型的信号。它不是简单给企业一个聊天工具，而是帮助企业构建、部署和管理可以做真实工作的 AI agents。OpenAI 官方提到，企业 AI agents 需要共享上下文、入职训练、反馈机制、权限和边界。换句话说，AI 不只是回答问题，而是要进入企业的工作系统。

Shopify的动作更直接。Shopify CEO Tobi Lütke 在一份公开 memo 中提出，反射性使用 AI 已经是 Shopify 的基本期待；团队在申请新增人力和资源之前，需要先说明为什么这件事不能通过 AI 完成。

这件事真正值得关注的，不是 Shopify 又用了什么 AI 工具。真正重要的是，它改变了组织内部讨论问题的起点。

过去，一个团队觉得人不够，第一反应可能是申请 HC、增加预算、扩大团队。

现在，新的问题变成：

这件事能不能先用 AI 改造。如果不能，为什么不能。如果能，人的角色应该怎么变？

这就不是“员工会不会用 AI”的问题了。这是资源配置问题、是岗位价值问题、是组织运行规则问题。

再看Klarna。

Klarna 官方披露，它的 AI assistant 上线第一个月就处理了 230 万次对话，占客服聊天的三分之二，相当于约 700 名全职客服的工作量。

这个数字很震撼。

但我觉得，Klarna 的案例不能只看“自动化了多少”。客服不是简单追求机器处理率，还要看复杂问题怎么升级，客户情绪怎么处理，真人服务怎么保留，AI 和人的责任边界怎么划分。

所以，这个案例真正给企业的启发不是“客服都可以被 AI 替代”，而是：

当 AI 能处理大量标准问题以后，企业必须重新设计人和机器的分工。

标准问题交给 AI，复杂问题交给人。重复劳动交给 AI，情绪安抚和关键客户挽回交给人。

AI 负责高频响应，人负责判断、关系和例外情况。这才是人机协同。

Morgan Stanley的案例又是另一种启发。

它不是用 AI 替代财务顾问，而是把 AI 放进顾问的知识工作流里。Morgan Stanley 推出的 AI @ Morgan Stanley Debrief，可以在客户同意的情况下生成会议纪要、提炼行动项、草拟邮件，并把记录保存到 Salesforce。

这说明，在专业服务行业，AI 的价值不一定是替代专家。

更重要的是，AI 可以帮助专家更快调用组织知识，更好服务客户，更少被低价值事务消耗。换句话说：AI 不只是替代普通岗位，也可以放大高手。

Walmart的做法则更像是把 AI 放进整条业务链路。

Walmart 在 Trend-to-Product 中使用 AI 和生成式 AI 分析全球趋势、社交信号和搜索数据，帮助设计和商品团队更快开发产品；它还提到，生成式 AI 可以帮助团队把热门想法最快约六周推向货架。它是让AI进入商品洞察、产品开发、供应链和零售运营。

从 OpenAI 到 Shopify，从 Klarna 到 Morgan Stanley，再到 Walmart，这些公司行业不同、规模不同、场景不同，但它们共同指向一个方向：

AI 正在从个人效率工具，进入企业业务系统。

回到为什么用了 AI，还没有看到明显的经营结果、形成竞争力？

McKinsey 2025 年全球 AI 调研显示，很多组织已经在使用 AI，但多数组织还没有看到 AI 对企业级 EBIT 产生显著影响；2025 年 3 月的相关调研也提到，超过 80% 的受访者表示，生成式 AI 尚未对企业级 EBIT 产生可见影响。

BCG 的研究也有类似判断。2024 年，BCG 提到，74% 的公司仍然难以实现和规模化 AI 价值；领先企业通常遵循“10-20-70”原则：10% 资源投入算法，20% 投入技术和数据，70% 投入人和流程。

这组数据其实很能说明问题。AI 的难点，不只是技术。更大的难点是：

企业有没有把 AI 放进流程、有没有把经验变成知识资产、有没有重新设计人和 AI 的分工、有没有让管理方式跟上新的工作方式？很多企业的问题，恰恰卡在这里。

员工会用 AI，当然是好事。销售会用 AI 写客户邮件，是个人效率。但整个销售团队能不能用 AI 沉淀客户画像、需求拆解、方案模板、风险判断和报价逻辑，这才是组织能力。

一个 HR 会用 AI 写 JD，是个人效率。但企业能不能用 AI 重新梳理岗位要求、人才画像、面试标准和培养路径，这才是组织能力。

一个客服会用 AI 回复客户，是个人效率。但客服体系能不能用 AI 识别高频问题、升级复杂问题、沉淀产品反馈、反推服务改进，这才是组织能力。

所以，AI 应用最容易出现的错觉是：个人变快了，企业好像也变强了。但个人效率和企业竞争力之间，还隔着流程、知识、数据、岗位和管理机制。

很多企业上 AI 工具很快。买账号、开权限、做培训、建群分享工具、安排大家试用。这些都没错。但工具上线，只是开始。

AI 工具不会自动改变业务流程、自动沉淀组织知识、自动厘清责任边界。AI 工具也不会自动告诉你，哪个岗位应该调整，哪个流程应该重做。

如果流程不变，AI 很容易变成外挂。员工在旧流程里用新工具。看起来更快，但系统没有变，这也是为什么很多企业用了 AI，但老板感觉不到经营结果。因为 AI 还没有真正嵌入业务链路。

自动化当然有价值。但不是所有自动化都能带来竞争力。

自动生成一份会议纪要，生成文章、自动回复客户问题等都有价值。但如果会议本身没有决策质量，纪要再快也只是记录低效；如果企业没有清晰的客户定位和内容策略，生成再多也未必带来转化；如果复杂问题没有升级机制，客户体验未必变好。

所以，真正要问的不是，这件事能不能自动化？而是：这件事被 AI 改造以后，能不能改变客户体验、收入效率、成本结构、交付质量或组织复制能力？

自动化低价值动作，只是省时间。改造高价值流程，才可能形成竞争力。中小企业不必照抄大厂，但要看懂信号。

不需要一上来搭一个企业级 agent 平台，也不需要马上把 AI 写进所有绩效考核。更不需要为了 AI 大规模调整组织，但头部企业的动作，至少给了我们三个信号。

第一个信号：AI 不再只是个人效率工具。

员工自己用 AI，是起点。企业真正要思考的是，AI 能不能进入关键业务流程。比如客户响应、销售转化、交付管理、客服处理、知识沉淀、经营分析。

第二个信号：AI 会改变资源配置逻辑。

过去遇到增长问题，很多企业第一反应是加人。客户多了，加客服、项目多了，加项目经理、内容多了，加运营、线索多了，加销售。

以后可能要先问一句：这件事能不能先被 AI 改造，如果能，人的角色应该怎么变。如果不能，为什么不能？

第三个信号：AI 最终会碰到组织问题。

当 AI 进入业务流程，就一定会碰到岗位、责任、协作、管理和人才配置。

哪些事情交给 AI、哪些事情必须由人判断、AI 出错谁负责、员工需要什么新能力？管理者如何判断 AI 带来的真实价值、优秀员工的经验如何沉淀成组织资产？

这些问题，不是买一个工具就能解决的。也不是上一堂课就能解决的。

这也是为什么，AI 越往深处走，越会把企业带到一个更关键的问题：组织要不要重新看一遍？

这个问题因为太重要。每家企业的业务不同、阶段不同、团队不同、老板的管理方式不同，组织问题没有标准答案。真正有价值的，是结合具体业务场景一起讨论。

这不是一场单纯的 AI 工具课。我们会邀请有 AI 个人应用和企业应用经验的企业高管和行业专家，分享他们在真实工作中的用法、经验和踩坑、及当 AI 开始进入业务流程之后，企业为什么需要重新思考组织、岗位和关键人才配置、AI 会从哪些方面重塑企业竞争力，例如人机协同，岗位变化等。

我们会把这些内容放到沙龙里，结合真实案例一起聊。

如果你是企业创始人、业务负责人、管理者，或者正在推动 AI 应用的人，欢迎来参加。

我们不承诺给一个万能答案，而是聚焦讨论：

AI 到底会从哪里改变你的业务；企业如何从工具使用走向流程改造；当 AI 进入业务以后，组织和人才问题为什么必须被重新思考。

我们更希望和一群真正关心企业未来竞争力的人，做一次具体、真实、有启发的闭门交流。

人数有限。感兴趣可以扫码报名，备注：AI 沙龙。