什么样的公司会被AI蒸馏？

一家做ISO9000认证的公司，只用了两个星期，就把几十年积累下来的标准化流程“蒸馏”成了一个Agent。

一位企业主找到创业者，说了一句让人哭笑不得的话：“你的软件太高效了，能不能做得低效一点？我不想裁员。”

还有一家钢铁企业，在一座高炉里装下2000多个传感器，不是为了炫技术，而是因为用了上百年的高炉，人们依然不知道炉子里面到底发生了什么。

这些看似毫不相关的故事，都出现在由观察者网主办、东浩兰生支持，答案LAB、科工力量协办的WAIC早餐会第三场《AI、组织与人：当下潮头与历史韵脚》的讨论中。

AI时代，组织与人站在了十字路口，AI究竟会重塑怎样的组织？企业积累了几十年的知识，又该如何转化为AI时代的新生产力？当越来越多工作开始交给AI完成，人又该如何重新定义自己的价值？

这些问题，成为当下企业与人的共同课题。

模型可以买，底座买不到

过去两年，几乎所有关于AI的讨论，都围绕着模型展开。但当AI真正开始进入企业，一个新的问题逐渐浮出水面。模型可以买，算力可以租，Agent可以部署，但为什么真正能够把AI变成生产力的企业依然只是少数？

在首都经贸大学副教授孙喜看来，问题并不出在AI，而是在企业自身。他首先纠正了一个产业界长期存在的误区——很多人习惯把信息化、数字化、智能化混为一谈。但实际上，它们对应的是企业发展的三个不同阶段。信息化是基础设施，负责把生产经营过程记录下来；数字化是在此基础上，把分散的数据进行连接、分析；而智能化，则是在前两者之上，让AI参与决策、优化流程，并最终形成新的价值闭环。

换句话说，AI不是企业数字化转型的起点，而是终点。如果企业没有沉淀数据，没有梳理流程，没有形成行业知识，再先进的大模型，也只是悬浮在企业之上的一个工具，很难真正参与生产，更无法创造新的价值。

这也是为什么，孙喜反复提到一个概“企业的AI底座”在他看来，未来每一家企业都需要建立自己的AI底座，而这个底座，并不是购买一套软件、部署一个模型就能够完成的，它来自企业几十年、甚至上百年积累下来的知识、经验和业务逻辑。

孙喜举了两个非常典型的例子，一个来自钢铁行业。一座已经运行了一两百年的高炉，很长时间，人们依然无法直接知道炉内究竟发生了什么。过去，炼钢更多依赖老师傅的经验判断；如今，通过在高炉内部布设2000多个自主研发的传感器，企业第一次能够持续采集炉内运行数据，把过去难以言说的经验，转化为可以分析、可以学习的数据模型。高炉里的“知识黑箱”，也由此被打开。

另一个案例来自蛋鸡养殖。机器视觉实时识别鸡群状态，环境传感器持续监测温度、湿度、水体菌群等变量，AI根据这些数据提前发现异常，不仅减少了抗生素使用，还提高了养殖密度和生产效率。过去依赖经验完成判断的“天人合一”场景，开始变成一套能够不断学习和优化的智能决策系统。

因此孙喜特别强调，未来最重要的人，未必是最会使用AI的人，而是那些真正理解行业的人。他把这些人称为“老法师”。这些老法师知道行业真正的知识在哪里，也知道哪些经验值得保留、哪些流程需要沉淀。AI可以学习知识，却难以发现知识；而企业AI底座的建立，恰恰离不开这些长期扎根产业的人。正如他所说：“企业的AI底座，是几十年甚至上百年知识积累的转化。”

这也意味着，AI时代真正稀缺的，不只是模型，而是产业知识，是谁能够率先把自己的知识体系转化为AI可以理解、可以调用、可以持续演进的能力。

AI开始淘汰组织设计

如果说孙喜讨论的是企业建立AI底座的理论重要性，那么TTC创始人肖玛峰则更加聚焦企业AI落地实践。

在服务过上千家AI企业、观察了1500多家AI公司的发展后，肖玛峰发现，一个越来越明显的分化正在发生。一类企业，把AI当作一个新的办公工具，用来写文案、做PPT、生成代码，希望在原有流程上提升一点效率；另一类企业，则开始围绕AI重新设计整个组织，让AI成为业务流程的一部分，甚至成为组织运行的底层逻辑。这两者不同的模式

肖玛峰提出了一个颇具冲击力的判断：未来所有的组织，都应该构建在AI设计的基础之上，AI将成为组织设计的第一原理。在他看来，AI带来的变化，并不仅仅是让员工多了一个工具，而是改变了企业最基本的组织方式。

过去，企业依靠层层汇报完成管理，一个决策往往要经过多个层级才能传递到一线；今天，AI可以实时连接老板、员工和业务数据，管理半径被不断放大，原本依赖信息传递存在的大量中间环节，开始失去存在的意义。肖玛峰甚至直言，在AI原生组织中，“中层正在消失”。

与此同时，组织内部也开始出现新的角色。他建议，每一家企业都应该建立属于自己的AI治理体系：不仅需要懂业务、懂AI的人推动AI战略落地，还需要借助智能体持续评估企业自身的AI应用水平，让AI参与组织管理，而不仅仅参与业务执行。

肖玛峰认为，AI首先筛选的，不是企业，而是组织中的每一个人。那些愿意学习、主动使用AI、能够把AI融入工作的人，会迅速成为新的核心力量；而依赖过去经验、拒绝改变工作方式的人，则可能在这轮变革中逐渐掉队。

他还特别反驳了一种普遍存在的误解：AI时代淘汰的不是年龄，而是停止学习的人。无论是Anthropic大量拥有丰富行业经验的员工，还是越来越多传统企业重新引入AI原生人才，都说明真正重要的不是资历，而是持续学习和重构自己的能力。

从“AI in All”到“All in AI”

问题进一步深入，当企业正真融入AI后，会变成什么样子呢？香港大学经营学院助理院长谭亮认为，这不是在原有组织上增加一个AI工具，而是一场组织范式的重构。

谭亮用一个新的概念来描述这种变化——A2A（Agent to Agent）。过去，无论是B2B还是B2C，本质上都是人与人、人与企业之间的协作；而未来，越来越多业务将变成人与Agent、Agent与Agent之间的协同。AI不再只是员工使用的工具，而开始成为企业运行的基本单元。

这种变化下，企业组织本身也需要重新设计。

工业时代追求的是稳定。组织依靠岗位、部门和层层管理实现稳定运行；互联网时代追求敏捷，通过平台、中台等机制提升响应速度；而到了AI时代，过去那套围绕岗位建立起来的组织方式，已经越来越难适应新的协作模式。

因此，谭亮提出，AI时代真正需要重构的，是企业组织运行的底层逻辑。他把这种重构概括为“新三度”：AI浓度、人才密度和组织态度。

所谓AI浓度，并不是企业部署了多少AI工具，而是AI究竟有没有进入企业的核心业务流程。很多企业停留在“AI in All”阶段——每个部门都在尝试AI，却只是多了一套工具；真正的AI原生企业，则是“All in AI”，整个业务流程和商业模式都围绕AI重新设计。

谭亮分享了一个最近发生的真实案例。一家做ISO9000认证的企业，只有50名员工，却已经积累了几十年的标准化流程和行业经验。过去，这些能力都掌握在人身上，需要依靠专家一项项完成认证工作。如今，一个Agent团队仅用了两个星期，就把这家公司的流程、规则和专业能力完成了“蒸馏”，沉淀成了一个能够独立工作的Agent。

当产品第一次演示给公司创始人时，对方当场感叹：“我觉得我这是我今年做得最英明的决定，就是下半年退休。”

人才密度，则和了前面两位嘉宾有共同提到的判断。一端，是真正理解行业、拥有深度产业经验的“老法师”；另一端，则是成长于AI时代、能够快速构建Agent和工作流的Fresh AI Builder。两者并不是替代关系，而是共同构成未来企业最重要的人才组合。真正放大他们能力的，则是数量庞大的Agent。

相比前两个维度，更大的变化来自组织态度。谭亮认为，工业时代的组织是“固态”的，每个人都有固定岗位、固定职责、固定编制；而AI时代的组织将逐渐变成“液态”。项目来了，快速组成团队；任务完成，团队随即解散，再围绕新的场景重新组合。他借用李小龙“Be water”的理念，将未来组织概括为十六个字："召之即来，来之即战，战之即胜，胜之即散。

与之相对应，企业管理方式也将发生变化。过去企业强调“定编、定岗、定人数”；未来则更加关注“定场景、定项目、定任务”。岗位的重要性不断下降，任务和场景成为新的组织中心。

AI负责执行，人负责什么？

看到这里，很多人或许都会产生一种焦虑。当AI全面进入企业，人，还会被需要吗？

这样的担忧并非杞人忧天。在早餐会上，谭亮甚至用了一个略显残酷的判断来描述未来的就业K型分化——真正拥有行业洞察和判断力的人，将“无班可下”；而那些只承担简单信息搬运、重复执行工作的岗位，则可能“无班可上”。

但在英诺基金VP张雷看来，如果一直围绕“AI会不会取代人”讨论，很容易让人把AI理解成一个不断挤压人类生存空间的新物种。

但在他看来，这或许并不是理解AI最好的角度。他分享了一个十多年前的故事。2013年，他在北美创业，为一家企业开发了一套ERP和SaaS系统。按照技术人员的理解，这套系统几乎把企业运营效率提升到了极致。然而，企业负责人却提出了一个让他至今难忘的请求：“你的软件太好了，但能不能把它做得不那么高效？我不想裁员。”

这句话，让张雷开始重新思考技术与组织的关系。一项技术足够先进，并不意味着它就能够顺利进入一家企业；效率足够高，也不意味着它一定能够创造价值。真正需要改变的，从来不只是技术本身，更是人与组织如何适应技术。

因此，当这一轮AI浪潮到来时，他始终保持着一种敬畏。在他看来，人们今天讨论AI，最容易陷入一个误区——总是在问AI会不会取代人，却很少去思考，人与AI究竟应该如何协作。

张雷借用了笛卡尔“我思故我在”的概念，提出了一个很有意思的比喻：AI更像是“第二个我”。它能够帮助人完成推理、计算、执行和大量重复性的探索，却不是那个真正提出问题的人。

真正提出问题的是人，真正决定方向的是人，真正做出价值判断的也是人。而AI负责把这些判断快速执行、不断验证，并在更大的概率空间里寻找最优解。

因此，张雷认为，人与AI之间并不是替代关系，而是一种“正交关系”——人负责提出问题、判断和复核，AI负责执行和探索。

这也意味着AI越强，人真正重要的能力反而越清晰。不是重复劳动。不是信息搬运。而是提出问题的能力、跨领域思考的能力，以及在复杂环境中做出判断的能力。

张雷进一步提出了一个观点：科技创新，本质上是一种文化现象。再先进的技术，也需要匹配相应的组织文化、激励机制和人才环境，才能真正释放价值。如果仍然沿用过去那套围绕流程、岗位和线性激励建立起来的管理方式，再强大的AI，也很难发挥应有的作用。

本次早餐会是系列内容的最后一场。从全球南方，到世界模型，再到企业、组织与人，这场WAIC早餐会系列讨论，最终完成了一次从AI技术到AI文明的叩问。

AI真正进入无人区之后，没有任何国家、任何企业可以照搬答案。未来如何组织企业、如何定义工作、如何理解人与AI的关系，还需要这个时代共同回答。