AI 已经进入企业，为什么组织还没有进化？

近期与AI领域从业者交流发现一个普遍现象：员工已习惯利用AI提效，但企业层面的组织架构尚未做好准备。一方面，员工开始使用Agent处理工作甚至搭建小型系统；另一方面，企业的KPI考核、审批链条及汇报节奏仍沿用旧有模式。

Deloitte调查显示，近75%的美国企业高管预计未来四年约一半业务流程将围绕AI Agent重构，61%认为大多数Agent将具备高度自主性。然而，当被问及企业是否准备好迎接这一变化时，仅有20%的领导给出肯定回答。

在百度世界2026大会上，百度创始人李彦宏指出这一矛盾，并作出判断：AI不仅是技术革命，更是组织革命，人工智能的下一幕是智能组织。

企业亟需改变的不仅是员工手中的工具，更包括组织自身的运转方式。

AI进了公司，但未完全融入

要重构组织运转方式，首先需破除常规认知：公司内部AI使用率高，并不等同于已完成AI转型。

虽然员工利用Agent编写代码、进行研究或生成方案，业务部门也跑通了部分试点，管理层将智能体数量、Token消耗量等指标纳入汇报，看似智能化全面推进，但个人效率的提升并未自动转化为组织生产力的飞跃。

例如，产品经理的需求分析时间从两天缩短至半天，研发借助Agent快速生成代码初稿，销售也能在拜访前生成研究报告。然而，需求评审、跨部门协作及最终汇报周期并未改变。结果往往是员工个人时间节省，但企业整体组织力未见显著提升。

微软《2026年工作趋势指数年度报告》揭示了这一悖论：员工借助AI提升个人效率，团队尝试新工具，但业务流程、协作方式和评价机制仍沿袭旧制。

波士顿咨询（BCG）建议：应为了AI重新设计公司，而非让AI适应原有公司。一家欧洲能源企业的案例表明，只有将目光从单个工具转向端到端客户流程重构，才能获得实质性业务改善。

若仅在原有岗位增加工具或在固定流程中插入Agent，AI虽能优化局部，却难改整体，甚至可能使原有瓶颈更明显：内容生产加速但决策未提速，代码生成增多但交付机制照旧。当执行能力被放大，任务分配、知识共享和决策机制成为新的约束。

过去几年，AI竞争集中在技术供给侧，模型参数、算力及推理成本决定智能水平。业界曾强调从能源到应用的“五层蛋糕”体系。随着词元所上线一个月入驻资源超100个、日均Token调用量超7000亿，模型交易正走向独立产业环节。

但对企业主而言，决定智能价值转化的关键在下游。李彦宏提出：“AI发展的下一幕，是智能组织”。

AI技术上游是能源，决定智能生产；下游是组织能力，决定智能如何转化为经营结果。李彦宏将AI比作新电机，智能组织比作新厂房。若只换电机不 redesign 工厂，新增智能难以转化为新增利润。

模型、算力和Agent提供执行能力，只有当任务分配、知识流动和决策流程随之改变，这种能力才能从个人桌面进入企业完整业务链条。AI竞争重心已从技术供给转向价值兑现。

个人效率提升后的组织变革

微软CEO曾言：“AI不是一项技术，而是企业的未来形态。”李彦宏提出的“智能组织”并非简单为每个岗位配备AI助手，而是重新设计工作方式：明确任务由谁完成、经验如何沉淀、流程如何根据结果调整。

这可以从三个层面解读：

打破岗位边界

传统企业依靠专业分工，任务需多岗位接力。AI时代，智能体承担具体执行，人负责目标设定、资源调度和关键决策。组织不再完全围绕固定岗位分配工作，而是灵活组合人与智能体。

百度搭子团队实践中，一名量子计算背景成员借助工具同时承担产品、研发和项目管理等工作，不被固定岗位限定。产品新人依托搭子快速跑通全流程，团队半年迭代160余次，90%代码及超50%传播物料由搭子完成。这打破了知识经验流动的限制，百度数字人团队推动角色向Builder转型亦是同理。

沉淀隐性知识

企业有价值的知识往往是非标准化的员工实践经验，如故障判断方法、客户需求识别经验等，易随人员流动丢失。AI可将专家经验、业务规则转化为知识库、Skill及智能体可调用的能力。

百度与南方电网合作中，通过学习上万条历史数据，将资深专家经验沉淀为可复用知识，故障分析准确率达70%以上。百度MEG设计团队将设计师审美和规范转化为AI Skill，承接超50%内容供给，效能提升100%-200%。其核心逻辑是将依赖个人的工作方法变为组织可反复调用的能力。

设计流程闭环

传统流程由人预先设计，出现问题后再修正。智能组织要求系统能根据预设目标衡量结果，识别问题并将反馈用于调整下一轮任务，形成“可衡量 + Looping = 持续进化”的系统。

支撑此闭环需要底层基础设施。沈抖在大会上强调AI云和Agent Infra的意义：底层百舸AI Infra提供算力，上层千帆Agent Infra提供长上下文管理、持久记忆、工具调用等能力，确保大规模长周期任务跑通闭环。

在“芯—云—模—体全栈结构中，芯片提供算力，云提供运行调度基础设施，模型提供理解推理能力，智能体进入具体场景。智能组织改变的是企业生产和协作的底层逻辑。

智能组织在企业内部的实践生长

判断企业是否进入AI Native阶段，要看AI是否真正改变内部运作。

百度数字人创新业务部打破岗位边界，推动全员向Builder转型。基于自研BiuBiuAgent，部分需求由单人完成全流程。第三季度团队完成564次产研迭代，沉淀130个Skills和729篇组织资产。产研人均吞吐提升125.3%，交付周期缩短28.8%。校招新人借助AI一天即可交付过去需5人10天完成的需求。

内部AI助手dodo上线七个月覆盖99%正式员工，推动300多个平台完成AI友好化改造。过去一年，百度内部日均活跃智能体从5000增长至3.7万，每周有效完成任务数从8.4万提升至100万以上。累计搭建超4300个工作空间，沉淀超2万个公司级通用技能。

在真实业务场景中，南方电网落地“天璇伙伴”，将专家经验转化为系统能力，故障分析效率提升12倍，准确率达80%以上，已在广西多地推广。

海高激光引入百度伐谋算法，解决多机械臂协同切割难题，将工件编程耗时从8小时压缩至10分钟。这些案例表明，AI进入产业需理解行业知识、适应业务约束并接受结果检验。

智能组织并不意味着人的不重要。李彦宏在与数字人希加加的对话中表示，AI可作为CEO的思考伙伴提升效率，但不能取代CEO。组织的核心依然是人，AI承担具体工作和分析建议，但企业使命、愿景及最终决策权仍在人手中。

这类似于苹果公司的DRI（直接责任人）概念：AI辅助决策，但结果和价值判断必须有人负责。智能组织是重新分配人与智能体的职责，未来企业的差距在于谁能将AI嵌入业务流，把经验沉淀为组织资产，形成持续运转和进化的系统。

低调追赶的文心，一口气打出了快、省、开源三张牌

一线对谈｜「龙虾」过后，百度不想再卷 Token 了