最近越来越强烈地感觉到：
我们可能低估了AI对企业的真正价值。
过去谈AI，大家最容易想到的是：
写一份报告快了多少？
写代码快了多少？
客服效率提高了多少？
一个员工每天节省了多少时间？
这些效率提升对企业来说当然非常重要。
但如果AI最终只是让每一个岗位的工作效率提高20%、30%，那么它本质上仍然是在原有组织和业务模式上"加速"，或者是外挂电梯。
企业AI应用，真正值得关注的问题是：
AI能不能改变企业增长与组织规模之间的关系？
也就是说：
过去企业要扩大业务，往往意味着要增加人、增加岗位、增加管理层级，组织复杂度随之相应增加。
而未来，企业有没有可能做到：
业务规模快速增长，但人员和组织规模不必同步增长！
如果答案是肯定的，那么AI带来的就不只是"效率革命"，而可能是一场真正的组织转型。
过去，企业的增长往往意味着"组织增长"
我们可以回到一个非常朴素的企业增长逻辑：
业务增长
↓
工作量增加
↓
增加人员
↓
增加部门和岗位
↓
增加管理层级
↓
增加组织复杂度
所以传统企业有一个很强的隐性规律：
业务做大了，组织也必须做大。
一家企业从100亿做到500亿，通常意味着：
更多客户、更多订单、更多项目、更多区域、更多员工、更多管理者。
这背后其实是一种"线性增长"。
业务增加100%，人员可能也需要增加50%、80%，甚至更多。
所以过去企业的核心管理问题之一，就是：
如何用越来越复杂的组织，承载越来越大的业务。
AI可能正在改变企业的增长函数
AI带来的真正变化，并不是简单地把一个人的工作从8小时压缩到5小时。
更重要的是：
AI可以把原来依赖人的大量工作，变成可以被智能系统持续执行、复制和扩展的能力。
于是企业的增长逻辑可能发生变化：
传统企业
业务增长 → 工作量增加 → 增加人员 → 组织扩张
AI时代企业
业务增长 → AI能力扩张 → 人机协同 → 组织能力扩张
这意味着：
业务增长与人员增长开始逐渐脱钩。
甚至可以进一步说：
借助于AI，业务增长速度，可以大于组织增长速度；组织增长速度，可以大于人员增长速度。
这可能才是AI对企业最重要的战略价值之一。
Klarna：一个非常典型的例子
金融科技公司Klarna是一个值得关注的案例。
根据Klarna公开披露的数据，公司员工数量从2022年的约4352人，下降到2025年的约2831人；与此同时，公司2025年GMV同比增长约38%。
Klarna还披露，其AI客服在2025年处理了约80%的客服对话，并承担了相当于数百名全职客服人员的工作量。
这里真正值得关注的，并不是：
"AI替代了多少客服。"
而是：
企业的业务规模扩大，并没有要求人员按照同样的比例扩大。
这就是一种非常典型的规模杠杆。
如果仅仅从岗位替代的角度看，看到的是：
AI → 少用一些人
但从企业增长的角度看，真正应该看到的是：
AI → 同样规模的组织，可以承载更大的业务量。
这两种理解，完全不同。
AI的价值不能只看"人均效率"或降本增效
这是一个非常重要的区别。
过去我们衡量数字化项目，经常问：
一个员工原来需要2小时，现在需要1小时，效率提高了多少？
AI时代，还应该问另外一个问题：
如果业务量扩大10倍，我们是否还需要增加10倍的人？
这才是企业真正应该关注的指标。
因此，我越来越倾向于把AI的价值分成三个层次。
第一层：单点效率
这是今天绝大多数企业AI应用首先解决的问题。
比如：
人工写报告 → AI写报告
人工整理会议纪要 → AI整理
人工筛简历 → AI筛选
人工分析数据 → AI分析
本质上是：
让同一个人做得更快。
这是AI最容易产生价值的一层。
但它还不够。
第二层：流程效率
进一步的问题是：
为什么一定要让人一个环节一个环节地做？
例如传统招聘：
提出需求 → 审核 → 发布 → 收集简历 → 筛选 → 安排面试 → 面试 → 背调 → Offer
即使每一个环节都使用AI，如果流程依然是严格串行的：
A完成 → B才能开始 → B完成 → C才能开始
那么企业的端到端效率依然会受到限制。
AI真正应该做的是：
让多个原来串行的工作开始并行执行。
例如招聘需求产生之后，AI可以同时：
-
生成职位描述 -
分析人才画像 -
搜索内部人才 -
搜索外部人才 -
预测人才供给 -
进行候选人初筛 -
准备面试题 -
进行人才测评
最终由人进行关键判断。
于是：
AI不是简单地让每一个环节更快，而是在重新设计整个流程。
第三层：组织效率——这才是更大的价值
再往前一步：
企业甚至需要重新思考：
为什么一定要用这么多人，才能完成这么大的业务？
这时AI改变的就不再是某一个岗位，也不再只是某一个流程。
而是：
企业的组织规模与业务规模之间的关系。
传统企业：
业务增长 → 增加岗位 → 增加人员 → 增加管理
AI原生企业：
业务增长 → 增加AI能力 → 人机协同 → 扩大业务
于是出现一个非常值得关注的变化：
企业开始从“规模化用人”，走向“规模化智能”。
AI真正可以复制的，不只是劳动，而是"能力"
过去企业扩大业务规模时，最难复制的往往不是流程，而是：
专家能力。
一个优秀销售经理、一名资深HRBP、一个高级工程师、一位经验丰富的客户经理，他们身上的知识、经验、判断和方法，很难快速复制。
所以企业一旦扩大业务，就必须不断招聘更多优秀的人。
AI可能改变这一点。
如果把一个专家的：
知识 + 方法 + 经验 + 数据 + 工作流程
沉淀为AI智能体，那么企业就开始拥有一种新的能力：
把原来属于“人的能力”，变成可以被复制、调用和扩展的组织能力。
这就是AI与传统自动化最大的不同之一。
自动化主要解决：
“把这件事情自动做完。”
AI进一步解决的是：
“把人的认知和决策能力部分复制出来。”
BBVA的案例：从"个人使用AI"走向"组织能力扩散"
西班牙银行BBVA是一个值得关注的案例。BBVA公开披露，截至2026年，其约10万名员工已经使用ChatGPT Enterprise。
更重要的是，AI并不只是作为一个聊天工具存在，而是在逐渐进入研究、知识管理、客户服务、代码开发、分析等不同工作场景。
部分工作流的效率提升达到80%，员工平均每周节省约3小时。
这里最值得关注的，不是"员工每周节省3小时"。
而是：
原来只有少数专家具备的分析、检索、写作和知识处理能力，正在被大规模扩散给普通员工。
这意味着：
AI不是简单替代一个人。
它更像是在：
复制组织能力。
Wayfair：当AI进入业务系统，规模效应才真正开始出现
美国家居电商Wayfair也提供了另外一种思路。Wayfair拥有约3000万SKU，AI已经被应用到供应商支持、商品目录管理等核心业务流程中。
公开案例显示，其AI系统每月可以处理约4.1万个供应商支持工单，并帮助修正约250万个商品标签。
这类应用的意义在于：
AI不是一个员工旁边的工具，而开始成为业务系统中的生产力。
当AI直接进入业务流程以后，企业就可以不断扩大AI处理任务的规模。
这时候，AI产生的就不再是简单的"员工效率提升"。
而是：
组织处理复杂业务的能力提升。
AI原生组织最重要的特征
如果把这个逻辑再往前推一步，我认为未来的AI原生组织可能出现三个"解耦"。
1. 效率解耦
过去：
工作量增长 → 人员增加
未来：
工作量增长 → AI承担更多任务
2. 能力解耦
过去：
业务扩张 → 专家增加
未来：
业务扩张 → AI复制和扩散专家能力
3. 组织解耦
过去：
业务增长 → 组织规模增长
未来：
业务增长 → AI能力增长 → 组织能力增长
这三个变化叠加起来，最终可能产生一个非常重要的结果：
业务规模与组织规模逐渐脱钩。
衡量AI价值，不能只看"节省多少人"
这是很多企业AI转型容易进入的误区。
如果一家企业问：
"这个AI项目可以替代多少人？"
它实际上仍然是在用工业时代的思维看AI。
更值得问的问题应该是：
第一问
这个AI能不能让一个人承担过去几个人的工作？
第二问
这个AI能不能让一个团队承担过去几个团队的工作？
第三问
这个AI能不能让企业在业务增长的时候，不需要同步扩大组织？
第四问
这个AI能不能把少数人的专家能力，变成整个组织都可以调用的能力？
如果答案越来越趋向于"是"，那么AI带来的就已经不是单点效率提升。
而是：
组织生产力的跃迁。
AI时代，企业真正应该追求的可能是"增长杠杆"
过去企业的增长依赖：
资本杠杆、规模杠杆、供应链杠杆、渠道杠杆
未来可能增加一个非常重要的杠杆：
智能杠杆（Intelligence Leverage）
它的核心不是：
让一个人更快地完成一件事。
而是：
让一个人、一支团队、一家企业拥有远超自身人员规模的工作与决策能力。
这也是为什么我认为：
AI真正改变的，不是“均效率”，而是“企业的增长函数”。
从"增加人员规模来驱动企业增长"，走向"增加智能来引领企业增长"
如果用一张图概括：
传统企业
业务增长
↓
工作量增长
↓
人员增长
↓
组织扩张
↓
管理复杂度增加
AI原生企业
业务增长
↓
AI能力扩张
↓
人机协同
↓
组织能力扩张
↓
业务进一步增长
最终形成一个新的循环：
业务增长 → 数据与场景增加 → AI能力增强 → 组织能力提升 → 支撑更大规模的业务增长
这可能才是AI真正的"飞轮"。
结语
过去一百多年的企业管理，本质上是在解决一个问题：
如何用更大的组织，管理更大的业务。
而AI时代，我们可能开始面对一个完全不同的问题：
如何用不同比例增长的组织，支撑更大规模的业务。
这意味着企业的核心竞争力，可能正在发生变化。
过去比的是：
谁有更多的人。
后来比的是：
谁有更好的系统。
未来可能越来越多地比：
谁能把AI转化为更强的组织能力。
所以，我越来越认同这样一句话：
AI的战略价值，不只是提高人的效率，而是重构企业的增长逻辑。
让业务规模增长逐步与人员规模和组织复杂度增长脱钩。
从增加人员规模来驱动企业增长，走向增加智能来引领企业增长。
这可能才是我们理解AI原生组织最重要的一个入口。