林万劲的AI思考
我把之前的文章重新整理了一遍，
组织AI化的路看清楚了
很多公司不是没有 AI 项目，是项目太多、顺序太乱。真正缺的不是工具清单，而是一条能从一个工作点长到组织机制的路。
林万劲的AI思考 / 2026.06 / 约 5000 字
大家知道，之前我一直零散的思考在写组织AI化这件事；
正好趁着端午假期，我把前面写过的企业 AI 落地文章重新翻了一遍，也重新系统性的思考了这大半年的历程，路现在更清楚了；
前面那些文章单篇看维度很单一，有的讲必须得自上而下，有的讲超级个体，有的讲业务需求，有的讲知识库、SOP 和项目评审等等...
但放在一起看，它们其实都在问同一个问题，一个组织到底怎么 AI 化。
核心判断
组织 AI 化听起来很大，真做起来其实很朴素。不是先列工具，而是先把公司里一段段真实工作重新拆开、接上、跑起来。
它不是一条从工具往业务里推的路，感觉上更像一条从点到线到面的路。
点，是一个场景，一个动作，一段具体工作，很具体也很小；
线，是多个场景（点）连起来，然后形成了部门真正会用的AI化的工作流；
面，是多条工作流跑起来以后，到岗位边界、协作方式、知识资产、管理机制都一起被重塑，那么这时候我们可以说这个部门已经AI化了。
顺序很重要。
01
一张路线图，先把顺序放正
我想了下，如果按落地动作看的话，它们可以总结成七个核心推进动作（定方向，建班子，选战场，派 AIBP 进场，过评审，跑样板，重塑部门）。
你现在卡在哪里，就先看哪一段，别急着把七件事同时做完。
七个阶段落地路线分别是：01 定方向，自上而下确定 AI 化战略目标02 建班子，成立 AI 办公室，明确责任人03 选战场，确定优先 AI 化的核心场景04 AIBP进场，把业务问题翻译成 AI 场景05 过评审，判断方向对不对、值不值得做06 跑样板，从一个点跑出 AI 化工作流，再扩到部门07 重塑部门，重刷 JD，重构岗位和人机协同方式
01
定方向，自上而下确定 AI 化战略目标
先别急着问有没有场景。
更应该先问，为什么现在非变不可，组织到底希望 AI 改变什么。
很多公司谈 AI 化，起手式是开账号、买工具、搞培训、办比赛。这些当然有用，但它们解决的是接触问题，还没有进入转型问题。
我在《为什么 90% 的企业 AI 转型自下而上推不动》里写过，一线员工不动，不一定是懒，也不一定是笨。很多时候是三件事，不懂、不敢、不想。
不懂，是不知道 AI 跟自己的 KPI 有什么关系。不敢，是担心自己把流程交出去，到头来被压缩的是自己。不想，是旧流程虽然笨，但至少熟悉。
所以方向必须自上而下定。老板不能只喊一句大家都用 AI，而要把 AI 化和真实业务目标绑在一起。
不要只问业务有没有 AI 场景，要问今年最想压下去的成本是什么，最想提升的指标是什么，最想释放的人力卡在哪里，最想改善的客户体验是哪一段。
这一步还要回答一个更敏感的问题。效率释放出来以后，是减少成本，增加业务量，提升质量，还是创造新收入。
员工心智不能一直停在担心被替代，要慢慢转到调度 AI，为自己赚生产力差价，听起来有点商业，但很现实。AI 创造了新增价值，参与创造的人要能分到一部分，否则它在员工眼里就只是公司派来的压缩人力的工具。
延伸阅读
核心问题
如果组织没有回答清楚，效率提高后人往哪里去，那么AI 越好用，员工反而越容易累。
02
建班子，成立 AI 办公室，明确责任人
方向定完，不能马上散到各部门各做各的。
这时候要建班子。
我越来越觉得，企业 AI 化需要一个明确的 AI 办公室，或者至少需要一个承担 AI 办公室职能的小组。名字不重要，关键是它要有真实责任。
得有人惦记着这事
它不能停在兴趣小组、工具采购小组和培训组织者这一层。
它要负责把战略目标拆成项目池，负责组织评审，负责派 AIBP 进业务，负责追样板结果，也负责把跑出来的知识、SOP、流程和评估口径沉淀下来。
很多公司 AI 推不动，不是没有热情，而是没有责任人。业务说这是技术的事，技术说业务需求不清，老板说你们先试试，到头来就变成谁都可以提，谁都不用负责。
AI 办公室要解决的就是这个问题。
它要把混乱的热情变成可推进的项目，把模糊的期待变成有人负责的动作。
延伸阅读
03
选战场，确定优先 AI 化的核心场景
有了班子以后，别急着全公司铺开。
要先选战场。
这里最容易犯的错，是全面铺开，或者谁提需求就先做谁。
在企业 AI 落地，最容易花冤枉钱的地方，就是顺序错了，我的感觉是，应该先拆业务、拆流程、拆真问题。
这句话看起来普通，但很顶用。AI 不是一个抽象的提效按钮，它一定要落在某个具体动作上。
业务说想优化一张表，可能要解决的并不是那张表，而是全链路观测缺失、正常基准缺失、风险预警缺失。业务说想要一个 AI 助手，背后可能缺的是 SOP、数据、流程和责任边界。
所以核心场景不是脑暴出来的，而是从业务目标往下拆出来的。
找一段足够痛、足够高频、足够能被看见的工作。它最好有清楚的现状，有可衡量的基线，也有足够强的业务负责人愿意一起改。
我最近看到丛龙峰和任鑫对谈里有个说法，挺能解释这个问题。
AI 智能化像第五个馒头，前面还垫着标准化、流程化、数据化、知识化。很多公司不是 AI 不好用，而是前面的工作还没做完。
工作没标准，流程没跑顺，数据不干净，知识没沉淀，这时候让 AI 直接上桌，大概率只会把混乱放大。
延伸阅读
04
派 AIBP 进场，把业务问题翻译成 AI 场景
战场选出来以后，很快会遇到一个更现实的问题。
谁进场。
我现在更愿意把这个角色叫 AIBP。它不是传统 BP 换个名字，也不是懂几个提示词的人。
AIBP 要做的，是把业务问题翻译成 AI 场景，再把 AI 能力翻译成业务听得懂的工作方案。
AI 有泛知识。它懂很多通用的财务、客服、采购、营销、研发方法，但它默认不知道你们公司的真实上下文。
它不知道老员工脑子里的潜规则，不知道某张表为什么这么设计，不知道一个字段背后牵了几个部门，不知道某个审批节点其实是历史债务留下来的。
这里还有个很朴素的问题，老师傅不说，AI 就学不到。很多判断藏在人的脑子里，藏在一句这事以前出过问题里，藏在某个审批为什么一定要多看一眼里。AIBP 进场，不是为了多一个协调角色，是为了把这些没写下来的判断过程翻译出来。
我在《领导说要复制一个我》里写过，企业 AI 落地缺的不是传统意义上的产品经理，也不是纯技术专家，而是能独立闭环 AI 场景的特种兵。
这也是三人特种兵小组的价值。产品和客户、工程和 AI、客户成功和运营，不是为了画一个新组织架构，而是为了把决策、交付和结果放到同一张桌子上。
如果公司里没人能做这层翻译，我建议看这几篇：
延伸阅读
05
过评审，判断方向对不对、值不值得做
当业务开始动起来，场景会突然变多。
这时候最怕两种情况。
一种是管得太死，把所有可能性都扼杀掉。另一种是大开绿灯，把算力、研发、人力全消耗在一堆套壳玩具和跟风项目上。
所以评审要做的，不是鼓励所有想法都冲出去，而是判断方向对不对、值不值得做、现在适不适合做。
我在《企业 AI 项目该怎么评审》里写过三层五维度。五个问题其实很朴素，现状清不清楚，值不值得做，技术行不行，能不能留下资产，组织跟不跟得上。
我更愿意把评审理解成帮业务把项目盘明白。尤其是基线和价值这两件事，不能靠感觉。
现在到底多少人在做，平均耗时多少，错误率多少，外包成本多少，投诉量多少。AI 上线以后，是节省预算，增加服务半径，还是提升质量。说不清楚，就先别急着立项。
评审还有一个作用，是防止方向漂掉。战略目标是降本，结果项目变成炫技。战略目标是提质，结果项目只算人效。目标一偏，后面跑得越快，偏得越远。
如果你们已经收了一堆场景，但不知道先做哪个，建议优先理解到：
延伸阅读
06
跑样板，从一个点跑出 AI 化工作流，再扩到部门
评审之后，最容易掉进另一个坑。
憋大招。这里我会反复提醒自己，先跑一个看得见的小场景。
我在《切忌憋大招》里写过，企业 AI 转型的成败，很多时候不取决于你摸底摸得多完整，而取决于第一个能落地的项目是什么。
起步阶段，组织的信任账户余额很低。业务在观望，老板在算账，员工在看这个东西到底是不是又一阵风。
这时候，一个粗糙但真实在跑的小胜利，比一张完美的大蓝图更有力量。
知识库问答为什么常常是企业 AI 落地第一站，也是这个原因。它足够基础，足够高频，也足够能暴露组织知识的问题。做得好，大家第一次看到 AI 不是玩具，而是能帮人找到答案、减少重复咨询、沉淀经验的东西。
这个阶段还有个提醒。很多跑出来的 AI 实践，往往不是一开始就改造整个老业务，而是三个人以内的小团队，先在一个清晰场景里跑出来。老业务牵扯流程、权限和利益，动起来很慢。所以早期样板不要贪大，越小越容易看清楚问题。
跑样板不是做一个功能演示，而是从一个工作点跑出一条 AI 化工作流。谁输入，AI 处理什么，人确认什么，异常怎么升级，结果怎么记录，都要跑通。
样板跑完以后，也不能只留下一个截图。prompt 是消耗品，skill 是资产。组织也是一样，单个项目是消耗，留下来的知识、SOP、流程、数据、评估口径，才是资产。
延伸阅读
样板要留下什么
01 一套知识库，回答 AI 到底要引用什么。
02 一套 SOP，回答工作应该怎么被拆解。
03 一条工作流，回答人和 AI 在哪里交接。
04 一套评估口径，回答这件事到底有没有效果。
07
重塑部门，重刷 JD，重构岗位和人机协同方式
样板跑通以后，最后就是进入组织重塑这一步。
这里不是把样板复制十遍这么简单，而是要回到部门本身。
部门原来的 JD 是按人写的，谁负责收集资料，谁负责做表，谁负责初审，谁负责跟进，谁负责汇报。
AI 进入工作流以后，JD 要重刷一遍，哪些动作交给 AI，哪些判断必须人来，哪些异常需要升级，哪些结果要复盘，这些都要重新写清楚。
我在之前文章里写过一个判断，AI 替代的不是具体的人，而是流程节点。
如果你把 AI 理解成替代某个人，组织一定会产生防御。但如果你把 AI 理解成接住某个流程环节，事情会清楚很多。
不是做一个 AI 采购员，而是让 AI 接管报价提取和比价表生成。不是做一个 AI 客服，而是让 AI 接管标准问答、工单分流和异常升级建议。
组织管理里有个三面向很有启发。AI 最容易撬动的是经济面向，也就是效率、成本、产出。可公司不只有效率，还有关系、情绪、安全感，也有权力和利益。到了这一步，难点就不只是 AI 能不能做，而是原来的人怎么办，原来的权力怎么变，新增价值怎么分。
所以重塑部门，一定要同时重构人机协同方式和激励方式。否则 AI 化越深入，人的防御越强。
关于责任和分配，我后面还想单独写，现在把这再连起来看，会更完整：
关键结论
方向和目标可以自上而下，但真正跑起来，一定是从一个工作点长成一条工作流，再长成一个部门的新协同方式。
回到那段真实工作
如果有人问我，企业组织 AI 化到底从哪里开始。
我现在不会先聊模型，也不会先聊平台。
我会先问，方向定清楚了吗，班子搭起来了吗，战场选对了吗，AIBP 有没有真正进业务现场。
然后再问，你们有没有从一个工作点跑出样板，有没有把样板扩成部门工作流，有没有开始重刷 JD 和人机协同方式。
这条路看起来慢，但我觉得它其实更快。因为它不是追热点，而是在一点点改自己的工作方式。
重塑部门这一段我还在想。真正进入利益分配、岗位调整、管理跨度以后，会比写文章复杂很多。
但至少有一点，我现在越来越确定。
AI 对企业最大的价值，不是替你多生成几份文档，多写几段话，多做几个表格。
而是逼着一个组织重新回答一个问题。
我们到底是怎么工作的。
这个问题问清楚了，AI 才真正有地方落。
这不是把 AI 装进旧流程，而是趁这个机会，把目标、班子、场景、工作流和岗位重新接一遍。
最后，给大家带走的三句话
01 组织 AI 化不是工具上线，而是目标、责任人和核心场景被重新对齐。
02 样板不是演示，而是一条可以扩到部门的 AI 化工作流。
03 组织重塑真正发生的时候，JD、岗位边界和人机协同方式都会被重写。
你们公司现在卡在哪一段？
是定方向、建班子、选战场、派 AIBP 进场，还是跑样板和重塑部门。欢迎评论区交流。如果一个人摸索太慢，想一起交流，也欢迎加我好友聊一聊。
林万劲的AI思考
