字数 2407，阅读大约需 13 分钟

副标题：为什么员工个人提效了，组织却没有明显提效？

最近很多大厂的朋友、做 FDE 的朋友，甚至一些老板，都在聊企业 AI 落地的话题：

他们谈得最多的，其实还是 AI 落地的路径。

为什么很多企业里，员工明明已经用 AI 提效了，甚至有人一天能干过去两三个人的活，但企业整体的效率，却没有出现同等幅度的提升？

员工写方案更快了。

做 PPT 更快了。

分析数据更快了。

写代码更快了。

但组织的流程没有变，岗位没有变，绩效没有变，协作方式没有变。

于是出现了一个非常奇怪的现象：

个人效率 ↑，组织效率 →

最近读 Moka AI 发布的《2026 中国企业 AI 组织转型能力报告》，这份基于 357 家中国企业的调研，恰好给这个问题提供了一组很有意思的数据。

这份报告让我更加确定了最近一直在思考的一个判断：

AI 价值 = 模型能力 × 技术 Harness × 组织 Harness

需要说清楚的是：这不是 Moka 报告的结论，而是我自己的一个解释框架。Moka 对 357 家企业的调研，恰好为这个判断提供了很强的现实佐证——它没有直接证明这个公式，但它把"企业现在最短的那块板，越来越可能不是模型，而是组织"这件事，摆在了数据面前。

公式讲结构，过程讲发生

先把两件容易混在一起的事情分开说。

公式讲的是结构：

AI 价值 = 模型能力 × 技术 Harness × 组织 Harness

这是一个相互制约的乘法关系。模型是发动机，提供智能；技术 Harness 是传动系统，把智能接入真实业务；组织 Harness 是底盘、方向盘和刹车，决定企业有没有能力把这种智能真正吸收进去。任何一项过弱，都会限制最终的价值——发动机再强，传动系统接不上业务，车跑不起来；传动系统再先进，没有方向盘和刹车，也无法成为一辆可以持续运行的车。

过程讲的是企业实际发生了什么：

这三层不是简单的先后关系，而是一个相互制约的结构；但从企业实际落地来看，它又会经历这样一个过程。今天大多数企业和大多数报告讨论的，都是这条链的前半段——模型选型、工具部署、员工培训。而 Moka 这份报告真正有价值的地方，是把镜头对准了中间最容易被忽略、也最难跨越的一环：组织 Harness。

证据一：模型商品化之后，卡点转移了

报告里一组数据很直接。357家参与调研的中国企业认为 AI 落地的障碍是：

• • 组织与文化障碍：50%
• • 执行落地障碍：47%
• • 技术限制：39%

模型和基础技术能力正在快速商品化，企业获取这些能力的门槛正在下降。从这组数据来看，企业当前卡住的地方，越来越集中在组织与执行，而不只是技术限制。

这和我最近的体感是一致的：企业问我"该选哪个模型"的频率越来越低，问"AI 推不动怎么办"的频率越来越高。

证据二：79.5%——AI 进入了工作，却没有改变工作

报告里我认为最重要的一个数字是：

79.5% 的企业，AI 仍然只是"偶尔可用的效率小工具"或"部分流程里的辅助嵌入"。真正让 AI 进入核心业务流程重新设计的，只有 20.5%。

AI 进入员工，不等于 AI 进入组织。

员工会用 AI，是个人能力；企业能够吸收员工用 AI 之后产生的新能力，才是组织能力。这两者之间，隔着一整层没有被建起来的东西。

员工可以自己用 AI，写方案更快、做 PPT 更快、写代码更快、分析数据更快。但如果流程没变，岗位没变，权责没变，绩效没变，协作方式没变，知识没有沉淀——AI 产生的这些新能力，就没有真正进入组织系统。

说白了，发生的只是：旧组织里的节点跑得更快了，而不是组织本身变快了。

这是全文最重要的一句话：

个人提效 ≠ 组织提效。

证据三：企业容易"加东西"，很难"动结构"

报告对 12 个维度做了打分。把得分放在一起看，会看到一条很明显的规律：

越靠近"让大家用起来"的事情，越容易；越靠近"重新定义组织"的事情，越难。

容易的事情是买工具、建平台、推广 AI、培训员工、鼓励使用——本质是"加东西"。难的事情是重定义岗位、调整权责、修改绩效、改变协作关系、重构组织形式、重新定义人才标准——本质是"动结构"。

后者之所以难，是因为它成本高、影响深、牵一发动全身，而且往往涉及利益和权责的重新分配。

所以判断也很直接：AI 转型真正难的，不是多塞一个 AI 工具进组织，而是让 AI 开始改变原来的组织结构。 大多数企业先把容易的事情做完了，难的事情还没真正开始——这就是 54.8 分背后的真实构成。

1.7% 的特战队：一个岔路口，不是一个终点

Moka 把企业按"AI 组织原生度"和"AI 组织就绪度"两个维度，分成四类：观察者 55.5%、探索者 21.8%、特战队 1.7%、引领者 21.0%。

最让我感兴趣的不是占了一半以上的观察者，而是只有 1.7% 的特战队。我反而觉得，这是一个非常有意思、但不适合长期停留的状态。

这类企业里，一些人已经非常会用 AI，甚至形成了很强的个人 AI 能力，但组织机制还没有跟上——也就是个人 Harness 已经很强，组织 Harness 还没有建立。

它更像一个岔路口：要么把个人能力扩散成组织能力，走向引领者；要么最终还是停留在少数 AI 高手手里，高手一旦离开，能力很可能跟着一起走。

三个案例，回答三个不同的问题

报告选的三家先锋企业，其实各自在回答组织 Harness 建设中的一个具体问题。

出门问问回答的是：AI 如何理解组织？路径是——组织上下文可以被 AI 理解，进而进入工作流，最终带来角色重构。

Polyverse 回答的是：员工为什么愿意拥抱 AI？路径是——先降低恐惧、激发好奇，用 Hackathon 让员工从做出作品到主动使用。

某 AI 科技企业回答的是：人和 Agent 到底怎么协作？路径是——Builder / Reviewer 的分工，"1 人 + 多 Agent"的班组结构，重新定义岗位和人才标准。

一个解决上下文，一个解决意愿，一个解决人机协作。够了，不需要展开更多。

AI 原生组织，不是多了几个 Agent

读完整份报告，我越来越确认：AI 原生组织，看的是组织有没有吸收 AI 能力的机制，而不是公司里部署了多少个 Agent。

可以用四组对应关系来理解这件事：

• • 组织上下文 → 变成 AI 可理解的知识；
• • 个人经验 → 变成可复用的工作流；
• • 个人的 AI 使用 → 变成人机协作机制；
• • 任务反馈 → 变成可沉淀的组织能力。

真正的 AI 原生，是组织已经开始按照 AI 的能力重新设计工作。

回到开头的问题

回到文章一开始的问题：员工写方案更快了，PPT 更快了，代码更快了，数据分析也更快了，但为什么组织没有明显变快？

答案是：个人能力的增长，不会自动变成组织能力的增长。

模型提供了能力，技术 Harness 把能力接进工作，组织 Harness 才决定企业能不能把这些个人能力吸收、复制、放大。

所以 AI 的第一阶段，是个人提效。第二阶段，才是组织提效。而真正的 AI 原生组织，发生在第二阶段——大多数企业目前还停在第一阶段。

如果说技术团队负责搭建技术 Harness，那么 HR 很可能会成为组织 Harness 最重要的建设者之一。因为岗位设计、组织设计、权责设计、绩效机制、人才标准、能力模型、知识沉淀、人机协作方式，这些本来就是 HR 和组织管理天然要解决的问题。

所以 HR 在 AI 时代真正要做的，与其说教员工多会几个 AI 工具，不如说帮助企业把个人的 AI 能力，变成组织的 AI 能力。

真正的分水岭，从来不是企业有没有 AI，而是 AI 有没有开始改变组织。

有需要Moka AI 这份报告原文，可以扫描下面的二维码下载

进群沟通