过去，我们看过不少前沿科技公司的AI组织。今天换一个样本，看看一家传统工业企业怎么做的。
John Deere（迪尔公司）成立于1837年，是全球有代表性的农业机械公司。它主要生产拖拉机、收割机、播种机和喷药机，也提供建筑与林业设备。
近年，这家公司不断把传感器、计算机视觉、自动驾驶和农业软件装进重型设备。软件和算法最终要进入几十吨重的机器，在泥泞、灰尘和极端天气里工作。
公司先从组织动刀：把11层压到7层，再拆掉产品线与地区组成的传统矩阵，围绕玉米、大豆、小麦等完整生产系统组队。
最近的一场CEO访谈，把这套转型背后的组织调整讲得很清楚，我们一起来看看：
01.
公司变六年后的一场访谈
2026年9月1日，挪威央行投资管理公司（NBIM）的官方YouTube上线了一场38分钟访谈。主持人是NBIM首席执行官Nicolai Tangen，对谈嘉宾是John Deere董事长兼首席执行官John May。
这场对话发生在John Deere组织转型的第六年。John May于2019年出任CEO；
2020年6月，公司公布Smart Industrial Strategy，把生产系统、统一技术栈和全生命周期方案列为运营重点。（智慧工业战略）。
这场访谈透露了很多有价值的AI转型信息。John May讲清了组织有多少层、旧矩阵怎样拆、新团队以什么为基本单元。这些细节可以直接落到组织图上。
John Deere还有工厂、供应链、经销商网络和严格的安全要求。它的转型难题与很多制造业、能源和基础设施公司很接近。我们把其中关于AI和组织调整的内容整理出来，分享给同样在做转型的企业。
02.
从机械工程到软件开发，
冲突先出现在人身上
John May在访谈中谈到转型的难处。John Deere长期以机械工程为中心。现在，软件开发、人工智能和数据平台开始进入公司的核心产品。
新能力加进来后，老能力仍然是底座。软件控制的是一台几十吨重的机器，需要处理泥泞、灰尘、震动和极端温度。算法的能力要通过钢铁、液压系统和传感器落到现场。
公司既要保留强大的机械工程师，也要招募市场上稀缺的软件人才。两类工程师的工作节奏、职业语言和成功标准都不一样。只是把人招进来，并不会自动产生协作。
John May特别强调，每一类人都要感到自己被重视。用他的话说，没有那些“hard iron”，就无法交付让机器变好的软件。
人才问题背后，是一个运营问题：一家接近190年的公司，怎样才能让软件和工业硬件按同一个节奏迭代？
原始访谈截图
03.
第一刀：把11层组织压到7层
John May在访谈里说，公司开始执行Smart Industrial Strategy时，早期动作之一是delayering，也就是去层级。组织层级由11层降到7层。
他给出的理由只有一个：传统工业公司里的决策层级太多，事情会变得太慢。
去层级不能只理解成裁掉几个中层。对AI业务来说，层级数字只是外在结果。需要盯住决策距离：一个来自客户的信号，要经过多少次汇报，才能改变产品路线图？
从11层到7层，少的是四次可能的信息转述和权限交接。对现场AI来说，这种缩短很具体。模型在农田遇到误判，产品团队需要当天定位数据，决定是否回收样本、调整标注或改变机器控制。决策晚一个月，就可能错过一个作物周期。
John May在访谈中提到Blue River Technology。John Deere在2017年收购这家计算机视觉和机器学习公司。他观察到，Blue River当时只有两层结构，决策速度很快。John Deere无法照搬创业公司的组织图，但必须缩小两种组织之间的速度差。
这也是去层级最容易失败的地方。如果只删掉职位，审批权仍然留在原处，原来由中层处理的事会全部涌向高管。决策权、预算边界和信息流向需要一起改。
AI产品的迭代节奏，与传统硬件完全不同。模型在现场遇到新杂草、新光线或新土壤，数据要回流，软件要更新，算法要重训。如果每一次调整都要穿过11层组织，技术的迭代速度就会被组织吞掉。
压缩层级给John Deere的，是一条简短的反馈链。现场问题能更快进入产品决策，技术团队也能更快得到优先级。
04.
第二刀：拆掉矩阵，
围绕“生产系统”组队
去层级解决了速度。但谁来对最后的客户结果负责，还需要第二次调整。否则，一个决定即使很快做出，也可能只优化了某个局部。
谈到自己做过最聪明的事时，John May把答案落在组织结构上：John Deere离开了由产品线和地区组成的传统矩阵，改为围绕生产系统组织团队。
原始访谈截图
过去的矩阵有两条主轴：一条是产品线，一条是地区。这是工业公司常见的结构。它适合管理全球制造、渠道和大量设备型号，也容易形成多重汇报关系。
新的组织以生产系统为主轴。公司里有了玉米团队、大豆团队、小麦团队、棉花团队和甘蔗团队。玉米团队每天关心的，是如何用设备和技术让玉米种植者获得好结果。
生产系统比单一产品大得多。农户要先整地，再播种，随后施肥和喷药，最后完成收获。每个环节会产生数据，也会影响下一个环节。团队围绕整个系统工作，才能决定资源应该投到哪一步。
组织的基本单元就此换了。过去按机器分工，拖拉机团队把拖拉机做好，播种机团队把播种机做好。现在按客户任务分工，一支团队从整地、播种、喷药一直看到收获。
责任指标也随之改变。单一产品团队容易关心销量、性能和单机毛利。生产系统团队要看每英亩的产量、农药与种子投入、人工时间和设备停机时间。团队为系统结果做取舍，不会只把某一台机器做得更复杂。
产品和专业职能仍然存在。机械设计、自动控制和数据平台这些能力，需要长期积累和全公司复用。变化发生在责任锚点上：专业能力跨生产系统共享，客户结果由生产系统团队承担。
这一点对AI尤其重要。统一的技术栈解决模型、数据和工程复用；生产系统团队决定技术应该解决什么现场问题。横向平台和纵向业务责任同时存在，才能既避免重复造轮子，又避免中台离客户太远。
两个动作，少一个都不够。
只压层级，团队可能决策更快，却仍在各自优化拖拉机、播种机和喷药机。局部速度上来了，客户的完整任务依然被切成几段。
只拆矩阵也会遇到另一种卡点。生产系统团队背着完整结果，关键预算和产品取舍却要层层请示。团队知道该做什么，组织没有给它足够的决定权。
John Deere把两件事放在一起做：用去层级缩短反馈链，再用生产系统划清责任边界。速度和方向由此落在同一支团队里。
05.
John Deere为什么需要这种组织？
组织为业务服务
这段组织故事，与访谈前半部分谈到的业务变化正好对应。
01 从卖设备，走向卖结果
过去的目标是做出性能领先的播种机。新目标是让农户播得好，减少种子浪费，提高产量与利润。设备销售是交易起点，客户价值要在整个生产周期里实现。
02 AI需要持续的数据回路
See & Spray用计算机视觉区分作物与杂草。John May在访谈中说，这项技术将除草剂用量降低了60%。一次准确喷药的背后，是现场图像、农艺知识、机器控制和模型更新的长期回路。这个回路每年都要跟着作物和环境重新运转。
03 自动驾驶跨越了整个生产流程
John Deere在访谈中给出了一个2030目标：让美国玉米从整地、播种、喷药到收获实现全流程自主化。一款新拖拉机无法独立完成这件事。任务需要多台机器共享地图、边界、作业处方和实时状态。
04 软件会改变收入模式
John Deere正在尝试订阅、按使用量和按英亩付费。这种模式把关系从一次性交易拉长。客户持续获得升级，公司也要持续证明软件带来的收益。产品团队不能只关心出厂时的交付。
06.
AI转型，放到你的公司，
可以先问5个问题
1. 一个一线问题，要经过几层才能改变产品优先级？
2. AI项目的负责人，背的是模型指标，还是客户结果？
3. 团队按职能和产品分组，还是按完整的客户任务分组？
4. 软件和算法人才在项目里是外援，还是长期的共同负责人？
5. 评价成功时，看上线数和调用量，还是看成本、产量、时间和客户利润？
如果现在开始调组织，顺序可以这样排
企业不需要第一天就重画整张组织图。可以先选一段能清楚计算结果的客户流程，用90天验证新的责任方式。要验证的不只是模型，还包括决策速度、数据回流和一线采用。
第一步：找出完整的客户任务
先别按模型、数据、智能客服这类技术标签分项目。选一段完整流程，例如从客户进线到问题解决，或从订单接收到交付。
第二步：组建长期跨职能团队
业务、产品、软件、数据和AI进入同一支队伍。不要只在PoC期间临时借人，团队需要稳定的责任边界和路线图。
第三步：把决策权放到结果负责人手里
每周盘点一次必须向上请示的事项。能被规则和预算边界覆盖的，就在团队内完成。去层级要落在决策权上，组织图变矮只是表面现象。
第四步：用业务结果计分
模型准确率和调用量只是过程数据。团队的共同目标应该落在客户的时间、成本、收入或风险上。这样才能逼着技术与流程同时变化。
第五步：保留专业能力的长期建设
围绕客户任务组队，不等于把所有职能部门拆散。模型工程、数据治理、安全与机械设计都需要能力中心。这些中心负责专业深度和人才成长，业务团队负责客户结果。
John Deere的“玉米团队”无法直接复制到其他行业。可以复制的是它的分组原则：从客户想完成的事出发，再决定产品、数据和人应该怎么组合。
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