AI变革的核心推手不是技术总监，而是企业掌舵者与HR负责人
阅读提示：这篇文章专为企业家和管理层撰写。它不探讨具体AI工具的使用方法，而是深入剖析一个更根本的问题：AI为何不是一次普通的技术迭代，而是会从根本上重塑企业的决策机制、岗位设置、权力格局与责任分配。若你正在考虑设立AI岗位、引入AI系统或推进AI改造，建议耐心阅读全文。
🎧 点击右上角的耳机图标可收听朗读版本。
近期我接触到的两家公司，都打算从外部引进专人负责AI转型。
一家是深耕制造业二十年的企业，年销售额达30亿元；另一家是拥有三百多家门店的连锁服务企业。
两位企业家的想法如出一辙：
公司内部IT团队难以胜任，而外部AI人才薪资高昂，但咬紧牙关开出百万元年薪聘请一位AI总监，应该能够推动这件事。
听完之后，我的判断同样明确：
这条路恐怕难以走通。
并非因为AI无关紧要，恰恰因为它太过重要，不能被当作技术工作外包出去。
企业AI转型的本质变革，不是工具的更换，而是工作组织的重构。
这绝非CTO一人能够独立完成的任务。
大多数企业AI转型中真正关键的角色，不是CTO，而是企业一把手和HR负责人。
这话听起来像管理建议，但背后实际上是一道经济学命题。
在讨论AI转型之前，需要先重新审视“企业”这个概念。
我们通常习惯于从组织架构图的角度理解企业：
一把手在上，下面依次是销售、市场、研发、生产、财务、人力、IT等部门。
但从经济学视角看，企业不是一张架构图，而是一套将信息、决策和责任进行整合的系统。
科斯在《企业的性质》中提出了一个经典问题：
既然市场能够进行交易，为何还需要企业？
一个重要答案是交易成本。
在市场中，每件事都依赖临时性交易，会产生搜寻、谈判、监督、协调和履约等成本。企业将部分交易内部化，通过层级、岗位、流程和制度来降低这些成本。
因此，企业内部那些看似“笨拙”的设置，如部门划分、审批流程、岗位描述、绩效考核、汇报链条，本质上都是为了降低协调成本。
问题在于，AI介入后恰恰改变了这些成本结构。
它降低的不仅是撰写文案、制作表格、查询资料的成本。
更重要的是，它开始降低三类过去极其高昂的成本：
第一，认知成本。
过去一个人需要花费数小时阅读材料、搜集信息、撰写初稿、整理思路，如今AI可以将大量基础认知工作压缩到几分钟内完成。
第二，协调成本。
过去跨部门会议、信息对齐、口径统一、进度跟踪，都需要大量人工协调。若AI接入流程，许多信息可以实现自动流转、自动解释、自动提醒。
第三，信息准备成本。
重大决策仍需人来做，但决策前的资料收集、异常识别、方案生成、历史对比，AI可以大幅降低这些准备工作量。
这正是AI与普通软件的根本区别。
普通软件通常是将现有流程数字化。
AI则有可能将流程打散后重新组合。
因此AI转型不是“技术升级”，而是企业这套决策系统的重写。
一旦这个判断成立，问题就发生了质变。
真正的问题不是“企业要不要用AI”，而是以下四个方面：
这些问题，CTO可以参与，但不能独立拍板。
因为这已不是技术架构问题，而是企业权力结构和责任分配的问题。
目前许多企业的AI转型，实际上还停留在第一个层次。
第一个层次称为工具采纳。
为员工开通账号，采购Copilot，接入大模型API，举办几场提示词培训，让市场部写文案更快、客服回复更快、财务制表更快。
这当然有价值。
但这不叫转型。
这只是用新工具将原来的工作做得更快一些。
第二个层次称为工作流重构。
不是让一个销售人员多写几封邮件，而是重新设计“线索获取—客户分层—跟进节奏—报价—复盘”的完整销售流程。
不是让一个客服回复更快，而是重新设计“问题识别—自动分流—知识库更新—高风险升级—客户留存”的完整服务体系。
不是让财务报表自动生成，而是让经营数据自动解释、异常自动预警、预算偏差自动追踪。
到了这个层次，AI开始改变的不只是效率，而是流程本身。
第三个层次才是真正的组织转型。
一旦流程被AI重塑，岗位边界就会发生变化，绩效考核就会调整，部门职责就会重新划分，管理层的决策方式也会随之改变。
过去一个岗位需要完成十项工作，未来可能只剩下三项，但这三项更依赖判断力、协调能力和责任担当。
过去一个部门掌握某份报表，如今报表实时生成，部门的价值就不再是“我拥有数据”，而是“我能解读数据，并推动行动”。
过去管理者依靠层层审批体现权威，未来许多低风险决策可以被系统自动处理，管理者的价值转变为设定规则、监控异常、承担结果。
这才是AI转型真正困难之处。
它不是将机器引入企业。
而是让企业承认：
许多工作不应再按原有方式存在。
麦肯锡在2025年关于AI价值捕获的研究中指出，生成式AI真正产生税前利润影响，最关键的变量之一不是模型本身，而是工作流是否被重新设计。
波士顿咨询在阐述生成式AI转型时，也反复强调一个10-20-70的框架：算法仅占小部分，数据和技术占一部分，真正的大头在人员、流程和文化变革。
这些咨询机构的表述较为抽象，但落到企业实际中，其实就是一句话：
如果流程不改，组织不改，AI只能沦为更昂贵的办公软件。
真正成功实现数字化或AI转型的企业，其路径通常不是“招聘一位AI总监，然后让他推动全公司变革”。
更接近现实的顺序是：
一把手率先参与，业务部门跟进，最后组织架构随之调整。
先看长城汽车的案例。
先说明口径：长城这个案例讲的是前大语言模型时代的数字化转型，不是今天严格意义上的AI转型。但它揭示的组织规律，对AI转型同样适用，甚至更加适用。
长城是一个很好的样本，因为它的数字化转型不是一句口号，而是有清晰时间线的。
2018年，魏建军开始亲自筹划数字化战略。
他做的第一件事不是招人，而是自己先行动。按照36氪报道，他拜访字节跳动，约见蔚来等新势力，也与业内专业人士探讨方案。
同年，长城与阿里云合作推进中台项目。结果这件事没有顺利落地。
报道中的表述很关键：
仅停留在IT层面的数据聚合，业务线未实现数字化，最终不了了之。
这句话几乎可以解释许多企业AI转型失败的根本原因。
技术全部到位，平台也建好了，但业务线不动，这件事就落不下去。
到了2018年底，魏建军与李鹏初次见面。李鹏此前担任过大陆汽车中国区业务总监，也做过地平线智能驾驶事业部总经理。
打动魏建军的，不是一份简历，而是一份3-5年的规划。
2019年初，李鹏加入长城担任副总裁。但他不是一入职就接手全部数字化工作，而是先担任了一年仙豆智能的CEO。
同年，长城成立数字化委员会，邀请德勤入驻整整一年，梳理组织架构，推动从“本部制”到“部制”的调整。
2020年4月，李鹏正式出任CDO，数字化中心作为一级部门正式挂牌。
从2018年筹划，到2020年挂牌，这件事至少走了两年。
更重要的是，这两年里发生的不是“买系统”，而是一把手的认知、外部操盘人、组织架构和业务线配合，一起重做了一遍。
所以长城这个案例真正值得关注的，不是它找到了一个厉害的人。
而是一把手先参与，想清楚方向，再给这个人配备组织、权力和业务线协同。
第二个层次，是业务必须参与。
蒙牛的案例讲的是另一件事。
蒙牛的模式不是先问“哪个大模型最强”，而是先问“企业哪些业务能力能被AI重塑”。
蒙牛官网披露过几个关键举措：
发布MENGNIU.GPT营养健康领域模型；将供应侧和消费侧打造为AI驱动的双飞轮；已有100多项业务能力通过AI提效；超过100名来自业务一线的员工接受训练，成为业务提示词工程师。
这里最值得注意的，不是“100+”这个数字，而是“业务一线”这四个字。
真正的AI转型，不是技术团队在会议室里写提示词。
它要让业务一线的人明白：
我的销售预测、用户洞察、数据分析、渠道管理，到底哪一段流程可以被AI重塑。
这件事如果只放在IT部门，很容易变成工具采购。
只有进入业务流程，才可能变成组织能力。
第三个层次，是组织最后必须跟着改。
这就到了美的的案例。
方洪波在2025年分析师会议上讲过一个判断：转型的本质是转人。团队结构、思维、知识结构和能力如果不转，转型就是空谈。
这句话比许多AI转型方案都重要。
因为AI改造到最后，一定会碰到人的问题。
哪个岗位还需要存在？
哪个岗位要换能力模型？
哪个管理者的考核指标要重写？
哪个流程不再需要层层审批？
美的当然有自己的AI研究院和全球研发体系，但方洪波真正强调的不是“我们技术多强”，而是人和组织不转，转型就落不下去。
所以长城、蒙牛、美的不是三个孤立故事，而是一条证据链：
这三件事少一件，AI转型都很容易变成一场热闹的试点。
模型买了，培训办了，海报贴了，但业务流程还是原来的业务流程。
这也是为什么我说，AI转型最关键的不是CTO。
不是CTO不重要。
而是CTO通常能回答的是技术问题：
这些都很重要，但它们不是转型的全部。
企业AI转型真正会改变四种边界。
过去一个岗位里，许多任务混在一起：收集资料、整理表格、撰写初稿、做判断、向客户解释、对结果负责。
AI介入后，前面几项可能被机器大幅接管，人真正要保留的是判断、沟通、责任和异常处理。
这意味着企业不能只问“这个岗位会不会被AI替代”，而要问“这个岗位里的哪些任务会被剥离”。
任务一剥离，岗位就会变。
一个市场专员可能不再只是写内容，而要会定义用户画像、判断转化链路、管理AI生成的素材库。
一个客服主管可能不再只是排班和质检，而要会维护知识库、分析高频问题、重新设计服务分层。
一个财务经理可能不再只是出报表，而要会解释经营异常、参与业务决策、推动预算动作。
这就不是买工具能解决的。
这是岗位重构。
AI转型最容易卡住的地方，往往不是技术，而是谁有权改动流程。
这些决定都会碰到部门利益、管理惯性和既有权力。
一个新来的AI总监，如果没有一把手支持，没有业务负责人共同负责，没有人力系统跟进，就只能变成协调员。
没有责任边界，AI就只能停在辅助工具层面。
因为越重要的流程，越不可能只靠“模型建议”自动跑完。
所以，AI转型表面是技术问题，底层是企业治理问题。
它问的不是“谁最懂AI”。
它问的是：
这些问题的答案，不在CTO手里。
所以这篇文章最后不应该落到“招不招AI总监”。
招人只是一个结果，不是起点。
真正的起点，是企业要先画出四张表。
不是问“哪里可以用AI”，而是问“企业的利润表和客户体验里，哪条流程最值得被AI重塑”。
AI转型不能从工具清单开始，应该从价值清单开始。
选定一条流程以后，把里面的任务拆开：
这张表做不出来，企业就不知道AI到底改的是哪里。
一条流程被AI重塑以后，权责必须重新写清楚：
许多AI项目失败，不是因为没人干活，而是因为每个人都只负责自己那一小段。
IT说系统通了。
业务说员工不用。
人力说培训办了。
一把手说效果没看到。
最后每个人都没错，但企业没有变。
这就是为什么HR负责人必须在场。
AI转型不是简单减少人，而是重新定义人在哪里创造价值。
如果人力只在最后负责招聘和裁员，这家企业对AI的理解就已经落后了。
在人力系统里，真正重要的是把岗位、能力、绩效、激励和组织结构一起改。
这件事CTO做不了。
一把手不推动，也没人敢做。
所以，对许多企业来说，最务实的第一步不是全公司铺开，也不是先设一个宏大的AI战略部门。
而是选一个足够具体、足够有价值、又能衡量结果的端到端流程。
比如：
销售线索从哪里来，到谁跟进，到怎么报价，到怎么复盘。
客服问题从哪里进入，到怎么分流，到怎么升级，到怎么沉淀知识库。
门店从预测客流，到排班，到补货，到异常处理。
财务从经营数据生成，到异常识别，到预算追踪，到业务部门动作。
然后用60到90天跑一轮完整试点。
不是为了证明AI很酷。
而是为了回答五个问题：
如果这五个问题答不出来，AI项目就很容易停留在演示层。
如果这五个问题答出来了，企业才知道下一步该招什么人、买什么系统、改什么组织。
也就是说，AI总监不是来替企业想方向的。
他应该是在企业已经知道要重塑哪条价值流以后，帮助它工程化、产品化、规模化。
如果方向、流程、权责和人才账本都没有，AI总监再厉害，也会被拖进无休止的跨部门协调。
AI转型最贵的从来不是模型，是企业愿不愿意重做自己的工作系统。
这篇文章不是反对企业招AI总监，也不是说CTO不重要。
真正想做AI转型的企业，当然需要技术负责人、数据负责人、产品负责人，也需要懂AI的操盘手。
但这些角色不能替代一把手和HR负责人。
因为AI转型不是一个技术项目，而是一次工作系统重构。
它会改变任务边界，改变岗位边界，改变权力边界，改变责任边界。
如果一把手只把它当成“IT部的事”，它就会变成工具采购。
如果人力只把它当成“培训和招聘的事”，它就会变成能力口号。
如果业务只把它当成“提高效率的事”，它就会避开真正的流程再造。
企业AI转型最难的，不是让员工开始使用AI。
而是让企业愿意承认：
有些流程应该被重写。
有些岗位应该被重构。
有些权力应该被重新分配。
有些管理者的价值，应该被重新衡量。
这才是AI转型真正的深水区。
工具会越来越便宜。模型会越来越强。但能把业务、流程、人和责任重新组织起来的公司，永远稀缺。
这篇文章讨论的是企业内部的AI转型。如果你想继续看AI如何改变生产力、组织能力和财富分配，可以读这两篇：
经济学的「圣杯」被打破：MC≈0 和 MR↑ 同时成立的世界
AI 会让财富更不平等吗？生产力狂飙之后，生产关系开始滞后
也可以从这里看完整栏目：
经济·深度 合辑
营销·温度 合辑
财务·锐度 合辑
—— 坤哥