过去几年，企业对AI最大的期待一直是提升效率。但随着AI不断进入真实业务场景，新的挑战也随之产生：技术升级的速度正在远远超过组织调整的速度。
制造业是这一变化最直观的观察窗口。工业富联、京东方等企业的实践表明，AI已经能够优化生产系统，在降低成本、提升产能和改善质量方面发挥明显作用。在具体岗位上AI同样改变着工作方式，以吉利旗下广域铭岛为例，过去处理一天采购物料异常，一名工程师需要逐条核对20个物料；如今，AI智能体完成初步筛查后，工程师只需确认少量真正异常的项目。
但当越来越多企业开始将AI引入生产、运营和管理环节——技术侧已经进入高速迭代阶段，组织侧是否具备承接这种变化的能力？当生产现场的感知、分析、决策和执行已经能够实现秒级响应，资源调配、供应商变更、预算审批、跨部门协同却依然按照过去的节奏推进，组织是否还有能力承接技术带来的效率提升？产线越智能，这种落差反而越明显。
这背后反映的是企业内部“两套时钟”之间越来越大的速度差。一套是“技术时钟”，推动模型、算法、算力和工具不断升级，近年来在制造业中快速运转；另一套是“制度时钟”，决定企业如何评价员工、如何审批决策、如何定义岗位边界，它的变化周期通常以年计算，甚至更长。当技术时钟不断加速，而制度时钟仍停留在原有节奏，两者之间不断拉大的时间差，正是许多企业“AI已经用起来了，组织却没有真正改变”的根本原因。
两套时钟具体在哪里对不上表？
最先出现错位的往往是企业的考核体系。很多组织在推进AI应用时已经完成工具部署、员工培训和场景探索，但支撑这些变化的评价机制并没有同步调整。哈佛商学院教授桑德拉·J·苏彻（Sandra J. Sucher）与研究者朱莉娅·申（Julia Shin）近期的一项研究发现，不少企业仍然围绕计费工时、个人产出等传统指标评价员工，而分享AI经验、总结有效提示词、帮助同事掌握新工具等真正推动AI落地的行为却很少获得正式认可。员工开始借助AI提升效率，但组织并没有建立起鼓励经验共享和能力扩散的机制。
这种错位会进一步影响员工行为。当一个人借助AI将原本四小时完成的工作压缩到四十分钟，而绩效体系依然关注工作时长和任务量时，效率提升反而可能成为一种风险。为了避免显得不够忙，员工更倾向于隐藏AI带来的效率，而不是主动分享方法、帮助团队复制经验。久而久之，AI应用将停留在个人层面，难以沉淀为组织能力。
第二处错位发生在审批体系。麦肯锡2026年的调研显示，88%的企业已经在至少一个业务职能中使用AI，但真正能够从试点走向规模化应用的企业仍然有限。问题往往不在模型能力，而在于AI产生的结果难以进入原有组织流程。AI可以在几分钟内生成分析报告，但预算审批、供应商调整、跨部门会签依然需要按照过去的流程推进，少则数周，多则一个月。
制造业对这种错位的感受尤其明显。由于安全合规、供应链管理和生产协同等要求，制造企业普遍拥有复杂且稳定的审批体系。一条产线想临时调整某项工艺参数，即使AI已经完成充分模拟验证，也可能仍需经过质量、安全、设备等多个部门逐级确认才能实施。审批流程承担着风险控制的重要作用，但如果风险管理方式没有随着AI能力同步调整，原本合理的机制就可能逐渐成为效率瓶颈。这也是为什么很多企业能够在单一AI场景中获得明显收益，却始终难以推动规模化应用。
第三处错位则隐藏在岗位定义之中。大多数企业的岗位说明书仍然建立在AI普及之前的工作模式上，它规定了员工需要完成哪些任务，却没有回答当AI能够承担其中一部分工作后，人的价值应该向哪里迁移。现实中，越来越多员工已经开始承担学习AI工具、验证AI输出、优化使用方式以及探索人机协同流程等新的职责，但这些新增能力既没有写入岗位说明书，也没有进入绩效评价、晋升标准和人才培养体系。
这意味着员工事实上承担了两份工作。一份是原有岗位职责，另一份是帮助组织适应AI时代的新任务，但后者往往没有被制度正式承认。很多企业习惯公布引入了多少AI工具、上线了多少智能应用，却很少思考这些新增能力是否已经写入岗位要求，是否已经成为组织记忆的一部分。如果没有完成这一转化，企业积累的AI经验最终仍然依赖个人，一旦关键员工离开，那些没有进入制度的方法和经验也会随之流失。
三处错位看似分散，实际上却指向同一个问题：技术已经改变了工作的方式，但组织定义价值、分配资源和管理人才的方式仍停留在过去。考核体系决定员工是否愿意分享AI经验，审批机制决定优秀实践能否快速复制，岗位定义决定新的工作方式能否真正沉淀为组织能力。只要其中任何一个环节没有完成调整，AI就很难从个人工具真正转化为组织能力。
更值得关注的是，大多数企业的AI投入仍然集中在“技术时钟”这一侧。购买模型、建设平台、部署智能体，都有明确的预算和项目负责人。重新设计考核体系、优化审批机制、调整岗位职责，却很少被视为AI转型的一部分。企业并非没有意识到这些问题，而是长期以来很少有人把制度更新本身当作一项需要持续投入和管理的工作。
为什么“精装修”的组织最难拆
为什么流程越成熟、管理越规范的企业，制度更新反而越慢？清华大学经济管理学院领导力与组织管理系Flextronics讲席教授李宁在《AI让每个人都变强了，为什么组织还转不动？》一文中，用了一个形象的比喻：一套精装修的房子，大理石地面、定制厨房、精心设计的灯光，每一处都投入了大量成本。当居住者发现空间布局已经无法适应新的生活方式时，即使知道开放式厨房、更合理的动线才是更优选择，也很难下决心拆改。房子还在使用，无法停下来重建；装修越精致，拆改的成本和心理负担就越高。反倒是那些年久失修的老房子，更容易推倒重来。
组织也是同样的道理。流程打磨得越成熟、体系搭建得越完善，调整规则的成本就越高。用李宁的话说，组织就像一台调到极致效率的机器，每个齿轮都咬着下一个，没有一圈是松的。管理学将这种状态称为 Brittle（脆）——效率推到极致，系统就失去弹性，失去那种可以被挪用的、空着的时间。
这种“脆”在制造业中表现得更加明显。一条生产线的背后，考核制度连接着薪酬分配，审批流程连接着安全合规，岗位边界又连接着长期形成的班组协作方式。这些规则环环相扣，共同构成了一套稳定的运行体系。因此，当AI开始改变工作方式时，企业需要调整的并非某一项制度，而是整套围绕旧工作模式建立起来的组织逻辑。
这也解释了为什么同一家企业，技术侧可以快速引入最先进的AI系统，甚至打造出行业领先的智能制造能力，但组织侧却可能依然沿用几年前的岗位说明书和管理流程。部署一套新的智能系统通常只是一个业务项目，重新定义岗位、调整考核和优化流程，却意味着整个人力资源体系和管理逻辑都需要重新设计。
企业规模越大，这种连锁反应越明显。每一项制度调整都需要协调大量利益相关方，也需要组织重新形成共识。因此，技术升级可以由少数团队快速推动，而制度调整往往需要经历更长时间的讨论、验证和磨合。
归根到底，技术创新和制度调整遵循的是两种完全不同的节奏。技术创新更多依赖少数专业团队的探索和突破，可以通过项目制快速推进；制度变化则需要整个组织调整既有的协作方式和管理规则，因此天然更加缓慢。也正因如此，一些规模较小、组织结构更灵活的企业，反而更容易率先完成制度创新，因为它们拆改规则的成本更低，组织惯性也更小。
两张清单，要放在同一张桌子上
管理学大师彼得·德鲁克曾提出“有组织的放弃”(Planned Abandonment)这一概念，强调企业需要定期审视那些曾经有效、如今已经失去价值的做法，并主动将其淘汰，而不是不断叠加新的机制。这个观点放在AI转型时代尤为重要。今天，大多数企业都在建立一张“新增清单”，记录自己上线了哪些AI能力、部署了哪些工具、覆盖了哪些场景，却很少有人同步建立另一张“清单”：因为这些新能力的出现，哪些旧规则已经不再适用。
AI转型真正困难的部分并不只是增加新的能力，而是重新判断过去哪些做法仍然有存在价值。很多企业默认新技术普及后旧流程会自然消失，但现实恰恰相反。没有被正式废止的规则依然会持续影响组织运行，即使它早已无法适应新的工作方式。结果就是新技术和旧制度并存，企业拥有了更先进的工具，却没有释放出应有的效率。
因此，企业需要把“两张清单”放在同一张桌子上同步管理。每一次技术能力升级都应该对应一次制度复盘。当企业新增一项AI能力时，也需要同步思考考核体系中是否有指标已经失去意义？审批流程中是否还有AI能够完成校验却仍需要人工确认的环节？岗位说明书中是否有部分职责已经需要重新定义？
这些问题看似简单，但真正执行起来并不容易。过去很多制度的设计本就是为了在没有数字化和智能化能力的条件下控制风险、明确责任，如今技术条件发生变化，一部分管理动作自然也需要重新评估。
当然，这并不意味着所有旧规则都应该被取消，真正需要调整的是那些已经无法匹配新工作方式的制度。哪些规则仍然重要，哪些只是管理惯性，这需要业务一线、技术团队和管理部门共同判断，而不是由HR或流程管理部门单独决定。
更重要的是，这项工作不应成为一次性的组织变革，而应像技术迭代一样成为持续机制。每一次模型升级都会留下变更记录，每一次制度调整、流程优化和岗位重构也应该被持续记录、不断复盘。只有当技术迭代和制度更新形成同样稳定的节奏，企业才能真正把AI能力沉淀为组织能力。
*****
“技术时钟”还会继续向前，这是任何企业都无法改变的行业趋势。真正决定AI转型成败的不是部署了多少模型和工具，而是组织能否跟上技术演进的速度，让制度更新与技术升级保持同步。只有两套时钟重新校准，AI才能从局部工具真正转化为企业持续增长的组织能力。
直播主题
AI向实——TCL的AI应用及组织与人才策略思考
直播嘉宾
吴岚 TCL科技集团股份有限公司副总裁
7月16日 15:00~16:00
「码」上订阅直播
👇👇👇
/ AI·学习官/
本栏目由《中欧商业评论》与中欧商业在线联合发起，致力于打造一个聚焦企业AI转型组织实践的轻量分享平台。分享嘉宾将以“学习官”的身份，用40分钟结构化主题分享，拆解AI转型期的组织真问题。
编辑 | 鸽子
内容参考 |
AI Adoption Is Overloading Your Middle Managers，哈佛商业评论
State of Organizations 2026，McKinsey
《AI让每个人都变强了，为什么组织还转不动？》，李宁
《AI智能体在车间落地真相：吉利、杰克、美的三家制造企业真实案例与经验》，虎嗅智库
