谁是AI时代真正的组织架构师 | 微观视界

谢泓/文

当下，制造业企业普遍面临一组割裂的曲线：AI的模型能力以月为单位飞速跃升，企业内部的AI采纳曲线却几乎停滞不前。两条发展曲线形成的剪刀差越大，企业AI转型的焦虑感就越强。

2025年，笔者所在的广东省中小企业发展促进会向企业推广“AI创新实验室”时，教育成本就很高。时至今年，老板们纷纷号召员工用AI，砸培训费、买工具年卡、请外部咨询公司，但落地成效却不尽如人意。

问题根源具体在哪，是AI模型性能不足，还是算力采购成本过高？事实上，极少有企业单纯因缺技术导致AI转型失败，AI落地的真正瓶颈往往在组织端。

珠三角一家制造企业的经历颇具代表性：花费400万元，耗时3年才开发出3个智能体。核心症结在于项目完全由IT团队主导，技术人员要花大量时间去车间学习业务流程、设备参数、质检标准。AI工具本身的开发成本并不高，真正昂贵的是业务场景的学习成本。

这个案例折射出当前企业落地AI普遍存在的思维惯性。无论是委托第三方开发（投入数十万至百万）、购买现成智能体（几万至数十万），还是自建开发团队，本质上企业沿用的还是信息化时代的逻辑：IT部门提需求、专业团队做开发、业务部门等交付。这套逻辑在过去20年是成立的，但正在AI时代失效。

在AI时代，不懂代码的业务人员也能开发AI工具，让懂场景的人开发智能体，远比让懂技术的人去学场景更加高效。这才是企业AI应用最为有效的路径。

然而，这条路径不可能由IT部门独自驱动，它需要一套全面的人才选拔、能力培养、绩效激励和职业发展体系来支撑。这套体系的设计者只能是人力资源（HR）。建设AI时代的新组织是HR的核心职责。

重构信息流转

在传统企业，一名车间主任想要获取产线数据，融易新媒体消息，往往需要等班组长口头汇报、手工填表、层层汇总。信息在这个过程中遭过滤、扭曲、延迟，管理者拿到数据时已是“昨日黄花”。AI带来的改变是让信息自动抓取、汇总、分发。管理者打开仪表盘就能实时看到全貌，决策也从“等报告”变为“看数据”。

这种转变对组织架构的直接影响，是中间管理层角色的重新定义。过去，大量中层管理者的核心价值是信息中转站——上传下达、汇总汇报。当信息实现流转后，中层管理者还需要从传递信息转向解析信息并推动行动。岗位没有消失，职责却升级了：从信息管道变为价值放大器。

但这里有一个组织层面的前提常常遭忽视：信息重构能否真正落地，取决于HR能否同步重构与之匹配的岗位体系。更新岗位说明书、调整管理层能力胜任标准、建立新的薪酬考核体系，系列工作不能仅靠IT部门和业务部门自己摸索，必须由HR牵头。因此，AI落地的首要任务是完成公司岗位体系的再设计。

重构经验资产

老师傅几十年积累的经验，是中国制造业很珍贵的资产。但在传统组织中，这些经验——研发人员的灵感、工匠的手感、销售的话术、质检的直觉等，往往附着在个人身上。人员离职即流失，新人培养周期动辄一年以上。

新组织将这些零散的个体经验，沉淀为可检索、可复用的知识资产，需要三个步骤：其一，经验数字化，将分散在个人电脑、纸质手册、老员工大脑中的知识，通过AI工具系统化整理，构建企业专用知识库；其二，知识结构化，建立“问题—方案—标签”的知识索引体系，让员工像用搜索引擎一样迅速找到谜底；其三，复用常态化，将知识库嵌入日常业务流程，研发数据库、维修工扫码查故障、新员工对话式查手册、销售一键生成报价方案，让知识从“静态仓储”变为“动态服务”。

表面看，搭建知识库是技术部门的工作。但如何说服老员工愿意贡献自己的经验，如何将知识沉淀纳入日常工作考核，均是HR的课题。HR需要将“经验贡献”纳入岗位职责和绩效评价，让愿意分享知识的人得到正向激励，而不是陷入“教会徒弟、饿死师傅”的困境。

当一个人的绝活变成全公司的标准操作，企业就可以依靠系统运转。这套系统的运转规则也需要HR来设计。企业想要盘活AI价值，核心之一是搭建可持续运转的组织知识管理体系。

重构决策模式

在传统决策流程中，管理者面对的局面往往是信息不充分、时间紧迫、经验有限，很多时候只能“拍脑袋”做判断。

新组织引入AI作为决策辅助层：AI负责数据测算、趋势分析、多方案推演，人类负责判断方向、平衡利益、承担最终责任。不是简单的“AI给建议、人做决定”，而是决策流程本身的再造。