这，是以后的工作方式！

内容来源：2026年6月24日-26日，笔记侠在北京举办的【AI十倍增长营】01期课程中，影刀创始人十布分享的精华内容整理。

分享嘉宾：十布，影刀创始人兼CEO。

责编| 贾宁排版| 沐言

第 9736篇深度好文：6035字 | 17 分钟阅读

AI天演论

笔记君说：

现在，AI的智商已经超过了绝大部分人，你的企业还在只靠人做决策吗？

今天这篇文章来自影刀创始人兼CEO十布，在笔记侠AI十倍增长营01期上的分享。

影刀服务了一万多家企业，累计融资两亿美金，投资方包括高瓴、高盛、腾讯。但这家公司“不太正常”，从不设营收目标，却连续多年保持增长。

他在这篇文章里没有讲AI趋势预测，只讲已经落地的实战经验：

如何用AI驱动考勤管理、销售决策、面试招聘、客户评估和财务对账；

如何把企业的决策系统从人切换到AI；

为什么Token要像钱一样被治理；

以及一个核心判断：未来的企业，人会变成AI的子集，AI才是组织的主体。

如果你是企业家或创业者，无论你的公司现在是10个人还是1000个人，这篇文章都值得你从头读到尾。

一、AI时代的本质

科学时代，人类造就了工具，工具最大的特点是准确、高效，流程和规则被定义得非常清晰。

AI时代，人类造就的是“大脑”。

当然AI有幻觉，但人类大脑也有幻觉。

所以在AI时代，我们不应该因为AI有幻觉就不去用它，而应该思考如何用更好的方法让AI输出高质量的内容，就像人类有幻觉，但我们用流程来约束一样。

AI是人类历史上最后一次技术革命，它不是业务的升级，而是文明的跃迁。

二、“造塔”与“造船”

未来企业的组织形态会从“人驱动”走向“AI系统驱动”。

原来的组织形态中，人是企业的主体，所有软件、流程、精力都服务于人。

现在AI的智商已经超过了绝大部分人，它将成为企业的主导。

原来的企业主体是人，未来的企业主体是AI，人会变成AI的子集。

我把这种组织叫做AI原生组织，将组织的能力建在AI之上。如果哪一天AI失效，组织也会失效。

这就好比工业化时代的企业必须建立在电力之上，信息化时代的企业必须建立在互联网之上，没有电、没有互联网，企业就无法运转。

同样的逻辑，如果今天一家企业没有AI还能正常运转，那它就不是AI原生组织。

AI原生组织的定义是：AI才是企业组织的主体，没有AI，企业将不再存在。

国内有没有这样的企业？

美团就是。美团的骑手组织，每天去哪里取餐、什么路线配送、送到哪里，全由美团的AI调度系统决定。AI调度系统是主体，没有它，美团的骑手组织无法运转。

滴滴的司机组织、支付宝借呗的放款逻辑同理：AI是主体，不是辅助，AI本身就是组织。

华为的组织观是“能力建立在组织之上，组织建立在流程之上”。未来，AI会重构这一逻辑，流程要建在AI之上。

我们过去的做法是什么？不停学习、参加培训，本质上是“造塔”，把自己的能力垒得越来越高。

但问题是，当更聪明的AI出现时，塔垒得再高也会被淹没，因为塔终究是在地面上的。

在AI时代，我们应该“造船”，把能力建在AI之上。AI变得越聪明，我们就水涨船高。

下面，我重点讲讲我们的实践经验。

三、影刀的AI应用实践

1.招聘上的实践

我们公司之前的面试中存在很多问题：

有些主管不喜欢招比自己强的员工，总是拒绝牛人，招进来的都是水平一般的；

有些面试官没经验，纯靠感觉，招了很多不合适的人。

所以我们决定，把面试的判断建在AI之上。

第一步：定义岗位目标和关键产出

招聘一个人，最重要的事情是想清楚要招什么样的人，如果连这个都没想清楚，面试就无从谈起。

具体做法是：

用一句可衡量的话描述这个岗位6到12个月的岗位目标。

还要问一个问题：这个岗位不招会发生什么？如果招和不招结果一样，这个人就没必要招。再定义关键产出：这个人做得好，半年后会留下什么？

岗位目标和关键产出必须由人来定义，AI不知道，因为只有企业自己才知道招这个人的目标是什么、关键产出是什么。

第二步：AI推导能力和胜任力模型。

岗位目标和关键产出定义好之后，AI非常擅长做逻辑推导，能准确判断完成这些关键产出需要什么能力，包括哪些是必须项、哪些是加分项。

能力项决定胜任力模型，胜任力模型也由AI推导出来。

第三步：基于胜任力模型建立评分体系。

比如“问题拆解”这个维度，AI会给出定义：

在信息不完整、目标模糊的情况下，将复杂问题拆解为本质性问题。

然后明确什么叫正例、什么叫负例，什么是1分、什么是3分、什么是5分，这些全部由AI定义。

评分体系非常重要，没有评分体系，就无法评判候选人是否合格。

很多HR用AI时，只是把录音和简历丢进去，问这个人合不合适。

没有参考系、没有评估体系，AI很难给出有效答案。同样一个候选人，在这家公司合适，在另一家公司可能就不合适。

第四步：AI构建面试流程和面试题。

基于胜任力模型，AI会构建面试流程。比如高级岗位需要四轮面试，AI会清晰定义每轮面试的目标维度。

原来的面试是什么都问、从头问到尾，意味着面试没有目标，这很可怕。有了明确的面试维度后，AI会结合候选人简历，自动生成每轮的面试题。

第五步：面试执行与决策。

面试官拿到的是完整的面试卡,有评分体系、面试题、计时、录音、反馈和追问功能。因为建立了参考系和问题库，AI 能非常好地辅助面试。

最终决策分为：强推、推荐、中立、不推、强不推。如果人和AI决策分歧很大,比如人强推、AI强不推,我们会把面试录音留到下一轮再做判断。

整个流程的核心逻辑是：

① 岗位目标和关键产出（人定义）

② 能力项和加分项（AI生成）

③ 胜任力模型（AI生成）

④ 评分体系（AI生成）

⑤ 面试流程（AI生成）

⑥ 面试题（AI生成）

⑦ 追问与决策

这里的关键启示是：构建Agent（智能体，下同）时，必须把流程一层一层建构出来，在每一层写好思维链，这样才能做好一个Agent。

这也是为什么市面上很多HR系统没法用的原因，这样的产品应该基于企业自身的个性化需求来自建。

2.客户价值评估实践

除了面试，销售工作也可以用AI辅助。

我们公司很多销售，特别是新销售，最大的问题是逮到客户就使劲跟。但做销售最重要的是跟对客户，知道什么客户应该放弃，什么客户应该重点投入。

我们还发现一个有趣的现象：长得漂亮的销售往往业绩不太好。因为客户总是不拒绝漂亮的姑娘，喜欢找她聊天。销售在不对的客户身上花大量时间，感觉能成，其实客户只是找她聊天而已。

所以我们建了一个客户价值评估系统，让AI来评估这个客户要不要跟、要不要放弃、怎么跟。

核心设计思路是，做任何Agent或skill（技能，下同），首先要定义目标：最终要输出什么？

我们的目标是输出：这个客户是否值得投入、赢的概率是多少、怎么赢。

其次要定义输入结构。AI需要有输入才有好的输出，和AI招聘一样，先输入岗位目标和关键产出，再一层层推导。

客户价值评估的输入包括哪些？

客户基础数据：行业、增长情况、是否理想客户、是否有自动化基础；

用户行为数据：是否录过工单、是否主动联系过、是否开过会：

销售过程数据：信号数据等。

我们构建了多层判断模型：

第一层：是否是对的人？

第二层：是否会买？

第三层：是否能赢？

第四层：是否只做种草？如果是战略客户只做种草，非战略客户简单沟通即可。

这个判断逻辑由业务人员构建和持续修改，让模型越来越强。

它能调用工具、执行操作。比如在CRM中自动写入客户评分和状态、自动生成飞书审批调取售前资源、自动生成打法建议给销售。

这套系统被接入CRM后，员工输入客户信息时，系统会自动显示：这个客户要不要跟、打法是什么、下一步行动计划是什么。原来由人做的判断，变成了 AI来预测。

我在内部实践中的感受是： 中层越来越没有价值。中层原来的核心价值是提供决策建议、告诉你下一步做什么，但现在AI比人更靠谱。

四、AI Agent的核心要素

传统软件的本质是定义规则、定义流程、定义功能。产品上线之前，你就知道这个软件长什么样、有什么流程、有什么功能，它是规则系统，高效精准。

但AI Agent完全不同，它是定义目标、定义上下文、定义评价体系。

什么叫好、什么叫不好？

采纳率、准确率是什么样的？里面的流程和规则是不清晰的。AI Agent是一个黑盒，做不到100%准确，它是一个概率系统，不是规则系统。

所以做AI Agent最重要的目标，就是让概率越来越高，如何用更好的方法让 AI输出更高质量的内容。

AI Agent有四个核心要素：

第一，高质量的上下文。

如果输入的内容无效，输出一定有问题。就像AI招聘，如果只是把聊天记录或简历丢给AI评判，结果一定有问题，因为前面缺少了岗位目标和关键产出的定义。

第二，有效的工具调用。

大模型为什么能知道今天的天气？因为它调用了互联网搜索。所以，给予Agent更多调用工具的能力，比如数据采集、信息查询等等，至关重要。

第三，Prompt（提示词）。

提示词是否持续进化、是否越来越好，也非常重要。

第四，评价体系。

这是被很多人忽略的关键点。

没有正确率、采纳率、业务结果等评价指标，AI就永远停留在demo（演示）阶段。因为它是概率系统，必须评价什么是好、什么是不好，才能持续进化。

评价体系的作用类似传统软件的测试用例。

比如客户价值评估系统，我们有很多人工验证过的客户案例，让AI重新跑一遍，看准确率是否变高。

或者换个模型，从Claude换到DeepSeek，看准确率是否还能维持。当每次修改导致离目标越来越远时，可以回滚版本。

所以，Agent最重要的不是当前好不好用，而是能否持续进化，持续进化高质量的内容、持续进化工具调用、持续进化算法。

我们原来的agent都是开发写的，但开发最大的问题是不懂业务逻辑。

而且skill（ 技能 ）需要不停“养”，如果每次业务人员觉得输出结果不好都要反馈给开发去改，效率很低。

好的协作机制是这样的：

管理者定义目标、最终输出结果和产出；

IT人员连接数据库、知识库、调用工具，这是业务人员搞不定的；

业务人员懂业务场景，持续优化规则，边用边改；

一线使用人员建立反馈机制，帮助业务人员更好地优化。

比如我们公司用AI写邮件，AI会在末尾写“此致敬礼”，但实际大家写邮件都是写“谢谢”。发现这个问题后，我们调整规则，整个AI的输出就变了。

这就是业务人员在边用边改。

未来的AI Agent一定是企业自己搭建、自己持续完善和改进的，不是由开发公司写好规则直接交付使用的。

五、Token治理与分层管理

我原来给团队充了10万块钱的Token（ 词元，下同 ），两天就用完了。

我都不知道用在哪里。还有员工为了汇报工作，把文档转成PPT，自动生成PPT很耗token，造成了极大浪费。

Token需要被治理，就像管钱一样。钱是稀缺的，需要你选择怎么分配：

哪个部门应该多给、哪个应该少给；

哪个员工绩效好应该多激励；

哪些Agent是高效的、哪些是低效的，高效的应该重点配置，低效的应该禁止。

我们需要有一个后台管理系统，知道哪些Agent正在被高效消耗、哪些流程在浪费、消耗的变化趋势是什么、是否有性价比更高的模型可选。

我前段时间看到一个新闻，亚马逊一个月收到5亿美金的AI账单。我们现在用Claude大模型，开发人员随便用一天能用掉一两千块钱。

所以Token治理是企业级产品必须做的，否则没法合理合法地给员工更多Token资源。

企业级AI需要分层管理，我把它分成三层：

第一层：企业级框。

就像国家先有宪法，再有党的指导方针，最后才是个人的行动计划，个人的行动计划都继承宪法和指导方针。

企业也一样，需要有企业级的框，定义所有员工共享的行为准则：企业的价值观、文化、战略、方法论、安全机制、什么能干、什么不能干。

第二层：团队级框。

某个团队专属的工作规则，包括团队的KPI、OKR、目标等。

第三层：个人级框。

企业级框和团队级框需要被继承到每一个人的Agent中。

比如HR团队的Agent和财务团队的Agent工作方式不同，但它们共同继承了企业级的方法论。

这样做的好处是，做战略共识时就不会那么难,通过企业级产品，可以把每个战略构思一次性建立起来。员工用AI时，下面自动加了一个“思想钢印”。

举个例子：我们公司有企业级安全机制，不允许员工了解其他岗位的薪资结构。当员工在个人AI中询问薪资时，AI会马上提示没有权限，建议他找HR咨询。

六、AI时代，

企业的组织记忆与决策核心

组织记忆不是简单的文档存档，而是企业的最佳实践、经验、决策逻辑、方法规则。这些都应该记在组织里。

我看现在的产品，大多数讲的都是“超级个体”。但如果你是老板，你欢迎企业有超级个体吗？至少我是担心的。

如果企业有超级个体，说明组织做得不好。好的企业不允许有超级个体，只有老板才允许成为超级个体。 超级个体离开，企业就会出现大问题。

但好的企业允许有超级AI能力。我们为什么需要企业级产品？就是要把那些skill、经验流全部沉淀在企业资产里，包括上下游也是企业的资产。即使人走了，这些资产也留在企业里，更好地被复用。

这也是我不太建议大家用ChatGPT这类产品的原因。

ChatGPT全部是个人资产，我用了太久，都没有动力换号，因为ChatGPT太懂我了。我走了，这些资产就会全带走。

企业级产品一定是把所有聊天记录、上下文、组织记忆沉淀在企业里的。

我前段时间翻开了十几年前在Google文档上写的个人感想，现在看觉得当年自己挺牛的。

那些感想和理解，如果当年沉淀下来，现在很多判断基于它们来做，我可能会有更大的成就。

但很遗憾，那些文字我早就忘光了。人的大脑存储是有限的，必须忘掉一些东西才能记住新的。

在AI时代，组织记忆从理论上可以不受限制，比如AI做决策时，可以把我所有的记忆全扫一遍，做出更准确的决策，这样就可以避免人类老是重复犯错，因为我们老是忘记，AI不会忘记。

建议你每招一个人、每做完一个项目，都应该复盘最佳实践和踩过的坑，沉淀在组织里。

我们早期做过很多员工培训，后来发现培训不是最好的方案。最好的方案是改造流程，把AI插进关键流程节点。

比如新线索进入CRM时，自动触发客户价值评估；合同上传时，自动触发条款审核；工单升级时，自动触发风险归因。

要让AI成为默认工作方式，不是想用就用，而是流程本身就是这么做的。

所以核心不是让员工学好AI、用好AI，而是让组织的流程嵌入AI，让AI成为基础设施，员工不得不用。

然后用结果反推组织习惯：谁在用、谁在互动、哪些页面高采用、哪些没人用、哪个环节效果好、哪个环节失效，基于这些去持续迭代。

企业最重要的是决策系统。原来由人类供给决策智商，未来要把决策系统换成AI。这就是“造船”，水涨船高。

如果我们优先把决策系统换成AI，全人类最聪明的人都在帮你工作，企业就会越来越好。

传统软件是给人用的，未来的软件是给AI用的，最终目的是让组织变成“人服务于AI”，AI是主体。

从这个角度讲，人的价值定位会发生根本性变化。AI不是工具、不是聊天机器人，它应该有企业的管理流程变成可运行、可治理、可规模化的系统能力。

结语

回看全文，十布的核心观点可以浓缩成一句话：在AI时代，企业的能力必须建在AI之上。

未来的企业，AI是主体，人服务于AI，组织能力、决策逻辑和最佳实践全部沉淀在企业资产里，形成不依赖于任何个体的“超级AI能力”。

从“造塔”到“造船”，从培训员工到改造流程，从个人资产到组织记忆，每一步都是企业从传统组织向AI原生组织的跨越。早一天完成这场跨越，就早一天建立起别人难以复制的竞争壁垒。

笔记侠【AI十倍增长营】02期即将在杭州开启。这一期将聚焦AI原生组织的搭建路径，拆解企业AI化的真实案例，帮助企业找到属于自己的“造船”方案。

企业最大的价值是决策，制度、流程是规则驱动，而决策是概率驱动，人的决策准确率取决于思考框架而非智商，企业AI的价值上限不取决于底层大模型选型，而取决于配套运营框架。

本文作者十布，也将作为核心导师现场授课，分享AI决策系统产品与落地实践。

如果你想系统性地理解这套方法论，并和一群同样在探索AI落地的企业家深度交流。

欢迎扫描下方海报二维码，了解详情。

好文阅读推荐：