工作从3天缩到10分钟，AI 提效后还有多少组织难题？

AI 缩短了任务时间，信息交接、经验复用和结果把关仍要逐一解决。明略的实践，让我们看到了个人提效走向组织提效时，需要补上的功课。

图由 AI 生成

文 | 崔牛会

个人的工作速度提高了，公司的整体产出为什么没有同步增加？

明略在推进 AI 应用时碰到了这个问题。员工已经开始使用大模型，公司内部也搭建了不少工作流。

单个任务变快以后，信息依然可能散落在不同工具里，部门之间仍要反复同步，作出决策时仍需要人补充业务背景和经验。

AI 能够缩短任务时间，协作流程不会因此自动改变。

谁来提供业务背景，工作方法如何沉淀，结果由谁判断，出了问题谁负责，这些问题随之摆到了管理者面前。

9 月 7 日，崔牛会深度学习走进明略。

明略联合创始人姜平讲组织推进，明略 AI 原生组织实验室负责人黄楠讲知识和协作，明略 FDE 团队负责人邱凌燕讲客户现场的落地。顺着他们的实践，可以看到员工开始使用 Agent 以后，企业还要继续处理哪些问题。

姜平 明略联合创始人

黄楠 明略AI原生组织

实验室负责人

邱凌燕 明略FDE团队负责人

现场合影

01

先在自己的组织里验证 AI

明略把“全面打造 AI Native 组织”放在了公司年度目标的重要位置。

姜平坦言，这个决定在内部并没有立刻获得一致认同。业务团队更关心增长，产品和业务也各有压力。组织能力建设需要持续投入，短期回报却很难直接计算。

明略管理层仍然选择先改自己的组织。

原因很直接：公司希望向客户提供 AI 产品和解决方案，自己先要知道这些方法能否在真实业务中运行。

在他介绍的这轮职能部门推进中，第一阶段是让员工使用 Agent。随后，各部门继续沉淀 Skill、搭建自己的工作系统，再把部门知识和工作经验整理成 AI 可以使用的内容。

公司安排了密集的培训和交流，也保留技术团队帮助业务解决落地中的问题。

从阶段性统计来看，截至 2026 年 4 月 1 日，明略 7 个职能部门的 109 名员工已全部部署 AI Agent，108 名员工共创建 154 个 AI Skill。

一些业务很快看到了变化。

报告生成、资料分析、财务填报等工作缩短了处理时间，原本依赖人工完成的步骤开始由 Agent 接手。

姜平还列举了几个特定流程的阶段性数据：

• 一项财务报表工作由 3 天缩短到 10 分钟，采购 PO 订单的处理时间由 1.5 小时缩短到 16 分钟；

• 一项管理报表的典型流程由两三周缩短到 3 至 5 个工作日。

这些数据只对应分享中提到的具体流程，不代表部门整体效率。

他同时提醒，一个团队跑出亮眼案例，一个场景提高了效率，或者一条流程已经能够由 Agent 执行，都还不能说明组织能力已经建立。还要看这些做法能否稳定运行、扩大使用范围，并且带来经营结果。

02

个人跑得快，流程未必跟得上

黄楠回顾了明略内部几轮 AI 应用。早期，公司给员工提供模型，组织培训和比赛；后来，团队开始搭建工作流，把常见任务交给 AI。

明略前后建立过一两百个工作流。

在“小明助理”阶段，内部采用率约为 30% 至 40%；后来推出能够连接企业数据和专业 Skill 的 Agent 产品 DeepMiner，采用率达到约 70% 至 80%。以上均为分享中的阶段性口径。

推广一段时间后，问题逐渐暴露出来。员工要自己寻找数据、补充任务背景，还要告诉 AI 这项工作应该怎样完成。

邱凌燕也回忆，自己早期会在不同模型之间切换，材料、对话和项目经验散落在各个平台。工具能够使用，业务上下文却没有跟上。

明略随后做了两件事。

第一件事，是让企业数据能够被 AI 调用。

数据接口、权限和工具准备好以后，员工不必每次手工搬运材料，Agent 才有条件进入完整的工作过程。

明略约有 400 人从事数据标注，约有 600 人负责报告制作，许多重复性智力劳动集中在数据提取、打标和报告撰写等环节。对明略来说，公司是希望借助 AI 推动这些岗位升级。

第二件事，是把员工的工作方法整理成 Skill。团队会对照真实的客户任务和最终交付物，反推一名专业人员经历了哪些步骤、调用了哪些信息、依据什么标准作出判断，并把例外情况一并记录下来。

Skill 做出来以后还要继续维护。客户要求会变，员工也会改进自己的方法，每个项目都会为 Skill 的下一次调整提供新的信息。

岗位上的工作逐渐有了积累，新的卡点又出现了：组织的产出还取决于人与人之间怎样连接。

一家公司可以看成一张协作网络。每名员工和每项任务是其中的节点，沟通和信息交接连接着这些节点。

AI 提高了单个节点的效率，节点之间的信息传递仍然可能很慢。企业花在开会上的大量时间，本质上是在同步业务背景。

明略因此开始尝试让 Agent 参与信息同步，并研发了开源的AI原生协作平台Octo。

项目沟通、会议内容和文档被放进同一个协作环境，Agent 可以根据权限读取上下文、汇总进展并执行后续任务。需要人处理的事项，再交给相关负责人判断。

这套协作主要承载在明略自研的Octo 平台上。人在平台中能够看到和操作的内容，Agent 也可以在权限范围内通过接口读取和处理。

按照这个判断，衡量组织是否发生变化，还要看节点之间的信息传递效率，以及业务背景能否及时进入工作过程。

03

Agent 执行任务，人负责判断和结果

当 Agent 进入更多工作流程，人应该保留哪些工作？三位嘉宾都谈到了这个问题。

黄楠把工作分成两类。

• 一类有明确答案，结果也有办法检查，例如数据分析、合同审核和按规则生成内容。这些任务适合逐步交给 Agent 执行。

• 另一类问题没有唯一答案，也很难马上验证，例如产品方向、资源投入和竞争策略。AI 可以整理材料、提出问题、帮助人推演，最后的选择仍然需要人来做。

在实际流程里，这种分工还要落到更细的动作上。

• 人负责说明目标，补充 AI 无法获得的业务背景，设定检查标准，并在关键节点确认方向。

• Agent 负责搜索、整理、生成、检查和重复执行。

姜平补充，长任务由很多步骤组成，前面出现的错误可能逐步累积，因此需要人在重要节点检查和校准。

邱凌燕还强调了一条边界：涉及客户承诺、业务取舍和风险的事项，要由人把关。AI 可以整理信息，也可以按照既定标准检查结果，责任不能交给一个 Bot。

管理者的工作也会随之变化。

分享中以产品经理为例，未来更重要的能力包括设计整条工作流程，确定需要哪些 Agent，明确每个环节的输入、输出和验收标准，再根据实际结果调整流程。

会不会使用某个 AI 工具，很快就可能成为一项普遍能力。能够组织资源、发现流程问题并作出判断的人，对企业更重要。

04

到了客户现场，先把任务问清楚

邱凌燕过去长期从事营销研究。

她最初使用 AI，是为了缩短资料阅读和报告制作的时间。经过工具试用、Skill 沉淀和工作流改造，她开始负责明略的 FDE 团队，把内部形成的方法带到客户现场。

在她负责的一项报告任务中，沉淀 Skill 后，原来需要 3 至 4 个人天的工作缩短到半天。

进入客户现场后，她经常听到一句话：“帮我做一个 Agent。”

她不会马上开始搭建，而是先追问：谁会使用它？在什么时候使用？它处在现有流程的哪个位置？需要哪些数据？什么样的结果算合格？出了问题由谁处理？后续由谁更新？

这些问题没有答案，Agent 即使能够运行，也很难进入业务。

• 业务负责人要说明自己想解决的问题，定义合格的产出，并确认最终结果。

• FDE 负责梳理流程，把业务人员的经验整理成 Skill 和 Agent 能够执行的步骤。

• 产品和技术团队补齐数据、接口和平台能力，客户成功团队帮助一线人员持续使用。

流程上线以后，使用情况也需要观察。

有些方案技术上已经跑通，业务人员的使用频率却很低，原来的工作习惯没有改变。这时需要继续了解问题出在培训、交互、Skill 设计还是流程安排，再逐项调整。

多个客户反复提出相同的数据连接或业务需求时，FDE 要把这些信息带回产品团队，整理成可以重复使用的能力。项目积累由此留在公司的平台和知识体系中，下一次交付可以直接调用。

在明略的某消费品牌多条产品线的内容生产案例中，他们按照不同课题配置Agent 专家组，让洞察、策略、脚本、素材和成片在同一个流程中推进，并在关键环节保留人工确认。

05

结语

模型、Agent 和开发框架仍在快速变化，明略没有把组织转型押在某一种工具上。结合这几年的实践，他们把投入重心放在两类基础能力上：

• 一类是能够设计流程、管理 Agent 并理解业务的人；

• 另一类是能够被 AI 调用的数据、知识和工作方法。

沿着这条思路再看 AI Native，问题会落到日常经营中：公司的数据能不能被调用，员工经验能不能被复用，任务交接是否顺畅，结果由谁检查，出现问题由谁负责。

员工用上 Agent，组织改变才刚刚开始。

9月18日，崔牛会深度学习将走进六度人和（EC），EC创始人及产品、研发、市场负责人将围绕从CRM到Sales Agent、从纯软件到软硬结合、从License到Token的实践，打开产品选择、产研调整、商业化和市场增长中的真实过程。（文末左下角戳“ 阅读原文 ”报名）