9月17日，微软执行副总裁、首席战略与转型官 Kathleen Hogan 发布最新文章，题目是《What we’ve learned from Microsoft’s own AI transformation》。
这篇文章值得关注，一方面是因为作者身份。熟悉微软变革读者知道，Kathleen Hogan 此前长期担任微软 CHRO，协助纳德拉完成上次微软组织变革，如今又负责微软整体战略与转型。
另一方面，这次Hogan讲的不是客户怎么用AI，而是复盘微软过去一段时间到底怎么做AI转型。
微软把自己称作Customer Zero。过去一段时间，公司内部员工持续尝试AI，管理层设定更激进的转型目标，同时建立了覆盖职能部门、Go-to-Market和工程团队的跨公司委员会，推动不同业务之间分享做法、复盘经验。
到现在，微软已经积累了数百个AI转型项目，并把这些实践进一步整理进《Microsoft Frontier Playbook》。
虽然微软自己也承认转型仍然在过程中，不过初步结果也已经开始出现。在微软列举的案例中，一支销售团队的成交率提升20%；部分供应链流程周期时间最多下降75%；一支只有9人的产品团队在35天内完成了首个产品版本。
01.
从业务结果开始，
不要从 AI 工具开始
微软一开始也采用了很多企业熟悉的方式：部署工具、提供培训、推动使用、提高采用率。
很快，他们发现工具可用、员工在用，工作方式依然可能没有变化。微软的 AI 工具已经授权给超过 20 万名员工，使用本身没有自动带来业务结果。
早期销售团队就是一个例子。Copilot 广泛部署后，使用量逐渐趋于平缓，业务影响也没有明显出现。团队后来把问题换成了三件事：怎样给客户创造更多价值，怎样提高赢单率，怎样改善销售体验。
他们重新梳理客户经理一周的工作。Analyst Agent 分析 Pipeline，Deal Agent 准备交易材料，Researcher 深入研究客户。每周由同事主导的小型分享，再把有效用法扩散到整个团队。
重点场景的采用率提升到原来的 3 倍，每名客户经理收入提高 9.4%，成交率提高 20%。
采用率仍然需要看，它只能解释员工有没有开始使用。销售部门最终要看赢单率、客户覆盖和收入；供应链要看周期和预测能力；研发要看交付速度和产品质量。
02.
重做整条工作流，
不要只优化一个任务
很多早期项目可以让员工更快写文档、分析信息、生成代码。局部提效很容易遇到新的堵点。
前面的 Agent 把任务做得很快，后面的人工审批来不及处理，整个流程依旧没有变快。微软对此的判断很直接：有问题的流程，加上 Agent 后，问题仍然存在。
云供应链团队后来换了顺序。供应链专家和工程师先坐在一起，梳理端到端流程，删掉重复步骤，再建立统一的数据基础。Agent 最后才进场。
截至 2026 年 9 月，微软已经在计划、采购、履约和物流中部署超过 111 个专用 Agent。
这些 Agent 会分析需求变化、计算产能，也会比较空运、陆运和海运在成本、时间、碳排放上的差异。在权限和审批规则明确时，它们还能辅助修改或取消采购订单。
部分流程周期最多下降 75%。过去需要 5 到 7 天才能查清的需求计划变化，现在几个小时即可完成，个别分析不到 20 分钟。
03.
让员工进入设计过程，
管理者负责连接
每天做这份工作的人，知道流程在哪里断，哪些任务没有必要，哪些场景必须依赖经验判断。他们也最清楚 AI 应该放在哪里。
流程图只能描述标准步骤，写不出全部隐性知识。微软开始改变 AI 培训方式，把学习和真实业务问题放在一起。
Camp AIR 让跨职能团队围绕一个实际挑战学习 AI，同时重新设计团队协作。项目后来扩展到 3000 多名工程师。
Copilot Cowork 是另一个案例。9 名工程师、设计师和产品经理从第一天就把 AI 放进产品研发流程。他们保留原来的专业，又用 AI 扩大岗位边界，开始称自己为meta-engineers、meta-designers 和 meta-PMs。
这支团队用 35 天完成首个产品版本。微软特别说明，这是一个具体项目的记录，不能当作全公司平均水平。
微软在这个过程中还发现了一个关键角色：管理者。
当管理者主动示范 AI 使用时，员工感受到的 Agentic AI 价值提高 17 个百分点，对 AI 的信任提高 30 个百分点。
在管理者能够创造心理安全感的团队中，员工成为 Agentic AI 高频用户的可能性达到其他团队的 1.4 倍。
转型推进到这里，问题已经超出 Prompt 技巧。管理者要重新定义目标，拆分工作，安排人与 Agent 的职责，也要决定哪些地方可以自主运行，哪些地方必须由人判断。
04.
AI 的价值，
还要看增加了什么能力
很多企业最早评估 AI，会看节省时间、降低成本和减少重复劳动。微软保留这些指标，又增加了一个概念：Capability Add，能力增量。
比如，一个团队过去只能比较 3 个方案，现在可以同时分析 20 个；质量问题过去要等出现后才发现，现在可以提前预测；供应链人员过去花几天解释需求变化，现在可以在计划周期内及时完成分析。
微软最新 Work Trend Index 显示，58% 的 AI 用户认为，AI 让自己能够完成过去无法完成的工作。在高级用户中，这个比例达到 80%。
“Efficiency is the floor; capability is the ceiling.”效率是下限，能力是上限。
采用率、速度、质量和成本仍然重要。客户体验、员工体验、增长、创新和风险，也要进入 ROI 评估。
最终业务结果出现之前，还可以观察领先指标。销售先看客户时间、Pipeline 和赢单率；工程团队少统计 AI 写了多少代码，多看产品是否做得更快、更好。
05.
建设一套“人和 AI 共同学习”的系统
微软过去十多年一直强调 Growth Mindset。AI 进入组织后，学习开始在两个方向发生。
员工把业务背景、专业经验、判断标准和反馈交给 AI。AI 帮助员工获取知识、测试假设，也让新的工作方式更快扩散。
在人力资源团队里，这个循环已经进入新员工 Onboarding。团队不断优化 Agent，由人设定好结果的标准，处理异常情况，并治理整个系统。
持续循环之后，个人经验会变成 institutional knowledge，也就是组织知识。
基于这一点，微软强调每家企业都应建立自己的学习循环，并保留对知识和业务系统的控制。底层模型可以更换，客户知识、行业经验、流程规则和专家判断很难被直接复制。
先进模型会越来越容易获得。企业之间的差距，会更多出现在学习速度上。
06.
微软把转型归纳为三条路径
微软最后把AI转型总结成了三条路径
仔细看微软这次的复盘，会发现它对AI转型的理解已经明显向前走了一步。
第一阶段的问题是：员工有没有AI。第二阶段的问题是：员工会不会使用AI。
现在微软越来越关心的是：AI有没有进入工作流，团队有没有重新设计，管理者有没有改变，组织有没有形成新的能力。
这几个层次之间差别很大。所以微软今天所说的Frontier Firm，已经不仅仅是一家大量使用AI的公司。微软对它的描述是：
Human-led, but increasingly AI-enabled。
依然由人设定目标、进行判断并承担责任，但AI会越来越深入组织运行。
从微软自己的实践来看，买工具、做培训、提高采用率仍然需要，但这些工作越来越接近AI转型的基础设施。
下一阶段企业之间更大的差距，会出现在另外几个地方：
能不能把AI连接到业务结果，能不能重构端到端工作流，能不能让管理者和员工真正参与进来，能不能把一次次AI实践沉淀为组织自己的知识和能力。
如果您遇到消费AI方面的问题与困惑，欢迎各位与我们一起学习交流！
-END-
📍关注消费AI进化体｜赋能组织AI转型
我们聚焦大消费行业（餐饮、零售、快消）的AI转型升级，坚信人在AI技术变革下起关键作用，以最精炼的方式帮助管理者掌握推动AI组织团队升级的框架、方法、工具，从而更好推动 AI 在团队中的真实落地，提升团队效能和组织上限。
业务合作：贝老师13392164760（微信同号）
媒体·投资·培训·峰会