內(nèi)容來(lái)源：本文轉(zhuǎn)載自微信公眾號(hào)經(jīng)緯創(chuàng)投(matrixpartnerschina)，筆記俠經(jīng)授權(quán)轉(zhuǎn)載。轉(zhuǎn)載請(qǐng)聯(lián)系原公眾號(hào)授權(quán)。

責(zé)編| 柒排版| 拾零

第 9655篇深度好文：6729字 | 17 分鐘閱讀

商業(yè)趨勢(shì)

在AI時(shí)代創(chuàng)業(yè)，“勤奮”可能不再是褒義詞，反而會(huì)掩蓋企業(yè)問(wèn)題的真相。

這個(gè)看似不符合常理的觀點(diǎn)，自有底層邏輯。丹·蘇利文（Dan Sullivan）和本杰明·哈迪（Benjamin Hardy）在合作出版的著作《10倍增長(zhǎng)比2倍增長(zhǎng)更容易：頂尖企業(yè)家如何通過(guò)少做事來(lái)實(shí)現(xiàn)更多目標(biāo)》中提出一個(gè)概念：追求十倍增長(zhǎng)比追求兩倍增長(zhǎng)更可行、更有效。

在他看來(lái)，2倍目標(biāo)通常依賴(lài)于增加工作量和重復(fù)舊模式，而10倍速目標(biāo)則強(qiáng)迫領(lǐng)導(dǎo)者進(jìn)行思維方式的轉(zhuǎn)型。

尤其在AI時(shí)代，“10倍增長(zhǎng)比2倍增長(zhǎng)更簡(jiǎn)單”的邏輯則更容易付諸實(shí)踐。這個(gè)邏輯的核心是：利用AI作為極度杠桿，徹底剝離那80%的平庸任務(wù)，從而專(zhuān)注于挖掘和放大你的“獨(dú)特能力（Unique Ability）”。

所以，很多公司的創(chuàng)始人開(kāi)始焦慮，擔(dān)心競(jìng)爭(zhēng)對(duì)手已經(jīng)開(kāi)始用AI重寫(xiě)組織結(jié)構(gòu)，而自己的公司還停留在舊時(shí)代的人力模型。

于是，幾乎每家公司都在嘗試用AI降本增效，Cursor、Claude Code、OpenClaw輪番上陣，公司也做了各種培訓(xùn)和改革，但實(shí)踐的效果看起來(lái)沒(méi)有那么好。

那么，如何用好AI這個(gè)工具呢？經(jīng)緯創(chuàng)投舉辦的HR CLUB活動(dòng)邀請(qǐng)了積加科技CTO陳敬敏，結(jié)合真實(shí)使用場(chǎng)景，從底層邏輯到落地實(shí)操深度拆解公司使用AICoding工具的心路歷程。

積加科技addx.ai是一家面向全球市場(chǎng)的AI原生硬件公司，主要是將視頻理解、視覺(jué)記憶Agent、視覺(jué)Token構(gòu)建與壓縮、垂直場(chǎng)景世界模型等核心技術(shù)，應(yīng)用于自然觀察、家庭智能、運(yùn)動(dòng)健康等場(chǎng)景，為全球數(shù)百萬(wàn)用戶(hù)提供個(gè)性化并持續(xù)進(jìn)化的產(chǎn)品與AI增值服務(wù)，積累了豐富的AI應(yīng)用經(jīng)驗(yàn)。

而正是基于這樣的技術(shù)沉淀與業(yè)務(wù)需求，積加科技親身實(shí)踐發(fā)現(xiàn)，企業(yè)想要真正借助AI實(shí)現(xiàn)質(zhì)的飛躍、達(dá)成10倍增長(zhǎng)，并非一蹴而就，必須跨越三道核心鴻溝。

第一道鴻溝是人的思維和習(xí)慣：越資深的人，越被經(jīng)驗(yàn)拖累。他們面對(duì)變化先問(wèn)“確定可以這樣嗎？”，而正確的思維是why not。

第二道鴻溝是工具的形態(tài)：企業(yè)內(nèi)部工具幾乎全是GUI，為人設(shè)計(jì)的點(diǎn)按鈕、填表單。但AI只會(huì)調(diào)API。工具沒(méi)有API，AI就無(wú)法操作，一半以上的部門(mén)就被排除在AI化之外。

第三道鴻溝是組織的結(jié)構(gòu)：流水線(xiàn)式依賴(lài)，我做完給你，你做完給他，一個(gè)人卡住全鏈路停。而在AI時(shí)代，協(xié)作不是美德，是成本。

而三道鴻溝的根源是同一個(gè)：現(xiàn)有企業(yè)是為人與人協(xié)作設(shè)計(jì)的，不是為人與AI協(xié)作、AI與AI協(xié)作設(shè)計(jì)的。

那么，如何通過(guò)AI處理一切平庸的80%，讓創(chuàng)始人和公司獲得真正的“深層自由”呢？以下，Enjoy：

一、公司的AI化，

如何一步步轉(zhuǎn)變工作和思維方式?

在AI時(shí)代，企業(yè)要獲得十倍增長(zhǎng)（10X Growth），其核心邏輯并非通過(guò)AI“做得更多”，而是利用AI實(shí)現(xiàn)“做得更少但更好”的質(zhì)變。

積加總結(jié)了一個(gè)核心公式，用來(lái)判斷一家企業(yè)的AI化走到了哪里：

企業(yè)AI化程度=技術(shù)閉環(huán)×工具接口化×人才適配度×組織適配度

乘法意味著，任何一個(gè)維度為零，整體為零。大多數(shù)公司可能只做了技術(shù)層的一小部分，其他三層完全沒(méi)動(dòng)。而積加的做法是這四個(gè)維度同時(shí)推進(jìn)，并分了四個(gè)階段重構(gòu)工作方式。

階段一（2025年3-4月）：Coding Copilot，人主導(dǎo)，AI補(bǔ)

起步階段，積加為30名主力研發(fā)開(kāi)通了Cursor Enterprise賬號(hào)。

這個(gè)階段的AI，本質(zhì)上是一個(gè)更聰明的IDE插件。程序員打開(kāi)AI，AI幫你補(bǔ)全函數(shù)、生成單元測(cè)試、解釋一段不熟悉的代碼。代碼是人想出來(lái)的，邏輯是人設(shè)計(jì)的，AI只是幫著打字。

而人的位置還是主角。AI是工具，人是執(zhí)行者。效率有一定提升，但沒(méi)有質(zhì)變。本質(zhì)上還是在用舊方式工作，只是跑得快了一點(diǎn)。

階段二（2025年9月）：Sonnet 4.5發(fā)布，AI主寫(xiě)，人負(fù)責(zé)Review

這個(gè)階段發(fā)生了一個(gè)標(biāo)志性事件是Claude Sonnet 4.5上線(xiàn)。這一次模型能力的躍升，讓陳敬敏和團(tuán)隊(duì)意識(shí)到AI寫(xiě)代碼的能力已經(jīng)超越了補(bǔ)全的范疇。

于是，他們的工作方式發(fā)生了根本轉(zhuǎn)變：從“人寫(xiě)代碼，AI補(bǔ)全”變成“AI寫(xiě)代碼，人來(lái)Review”。

人不再是從零產(chǎn)出代碼的那個(gè)人，而是判斷AI產(chǎn)出是否正確的那個(gè)人。Review的速度遠(yuǎn)快于手寫(xiě)代碼。因?yàn)楫?dāng)你只負(fù)責(zé)判斷對(duì)錯(cuò)，而不負(fù)責(zé)生成時(shí)，速度天生快一個(gè)量級(jí)。以前一天寫(xiě)200行，現(xiàn)在一天Review 1000行還游刃有余。

類(lèi)似的變化，也正在全球AI Native公司內(nèi)部發(fā)生。微軟CEO納德拉曾提到，公司內(nèi)部已有相當(dāng)比例代碼由AI生成。越來(lái)越多工程師的核心工作，也開(kāi)始從“寫(xiě)代碼”轉(zhuǎn)向“審代碼”。

代碼生產(chǎn)的重心，第一次開(kāi)始從“生成”轉(zhuǎn)向“判斷”。于是，人從執(zhí)行者變成審核者，這是人與AI角色的第一次反轉(zhuǎn)。

階段三（2026年2月）：Opus 4.6+Claude Code，人說(shuō)意圖，AI做設(shè)計(jì)

GPT-4.6發(fā)布和Claude Code工具成熟，驅(qū)動(dòng)著積加做了一個(gè)后來(lái)被反復(fù)提及的實(shí)驗(yàn)：把之前被刪除的1萬(wàn)行代碼的技術(shù)方案完整喂給AI，讓AI基于方案重新實(shí)現(xiàn)。結(jié)果是，AI生成的代碼質(zhì)量比原來(lái)的更好。

這個(gè)結(jié)果讓陳敬敏意識(shí)到：AI能做的，不只是寫(xiě)代碼。與此同時(shí)，團(tuán)隊(duì)的效率出現(xiàn)了質(zhì)的躍升。主力研發(fā)一天成本$200-300，但一周可以產(chǎn)出2萬(wàn)行代碼。積加團(tuán)隊(duì)切換到Claude Code，90%的員工日常使用Coding Agent，體感效率再升2-3倍。

這時(shí)，工作方式發(fā)生了第二次質(zhì)變：人不再寫(xiě)代碼，也不再做架構(gòu)設(shè)計(jì)。架構(gòu)設(shè)計(jì)本身也可以交給AI了。人只負(fù)責(zé)兩件事：告訴AI要做什么（表達(dá)意圖），review AI的設(shè)計(jì)是否合理。

人從審核者變成設(shè)計(jì)者和決策者，AI成為真正的執(zhí)行者。

這種趨勢(shì)，也正在AI行業(yè)內(nèi)部迅速擴(kuò)散。在Cursor、Anthropic等AI Native公司里，越來(lái)越多工程師已經(jīng)不再把“寫(xiě)代碼”視為核心競(jìng)爭(zhēng)力，而是把“定義問(wèn)題”“組織上下文”“構(gòu)建約束條件”視為更重要的能力。

因?yàn)锳I正在快速降低“實(shí)現(xiàn)”的門(mén)檻，但“判斷”依然稀缺。

階段四（現(xiàn)狀）：Harness體系就位，老代碼成為最大瓶頸

最近，新的Harness基礎(chǔ)設(shè)施搭建完成——Skill體系、TDD閉環(huán)、CI/CD Pipeline、可觀測(cè)性全面到位。在這套體系下，AI Agent能夠自主驗(yàn)證、端到端交付，新代碼運(yùn)行流暢，效率釋放徹底。

但與此同時(shí)，一個(gè)意想不到的瓶頸出現(xiàn)了：老代碼。

當(dāng)積加試圖讓AI介入老代碼的修改時(shí)，發(fā)現(xiàn)測(cè)試覆蓋不足，AI改完無(wú)法自動(dòng)化驗(yàn)證。模塊邊界模糊，AI改動(dòng)一處可能引發(fā)多處連鎖反應(yīng)。

同時(shí)，接口不標(biāo)準(zhǔn)，AI在上面跑不通閉環(huán)。結(jié)果就是，AI的效率提升不僅沒(méi)有，還增加了風(fēng)險(xiǎn)。改得越多，隱患越大，老系統(tǒng)Bug多、運(yùn)行慢，與新體系形成降維對(duì)比。

這也是很多傳統(tǒng)企業(yè)正在面臨的共同問(wèn)題。AI并沒(méi)有消滅歷史包袱，反而因?yàn)樯伤俣忍欤雅f系統(tǒng)的問(wèn)題進(jìn)一步暴露出來(lái)。

于是，積加決定用3-4個(gè)月整體重寫(xiě)老代碼庫(kù)，后端從Java轉(zhuǎn)向Go。老代碼庫(kù)任何變更的審批權(quán)收歸CTO，默認(rèn)不通過(guò)。

這不是技術(shù)潔癖，是業(yè)務(wù)剛需。公司沉淀的知識(shí)是資產(chǎn)，老代碼不是。把知識(shí)提煉成設(shè)計(jì)文檔，讓AI從頭實(shí)現(xiàn)，比在爛代碼上打補(bǔ)丁更高效。

新項(xiàng)目則必須從AI原生架構(gòu)起步，模塊邊界清晰、接口標(biāo)準(zhǔn)、測(cè)試完整，這樣的代碼庫(kù)才是AI的游樂(lè)場(chǎng)。

這四個(gè)階段的每一次躍遷，人都往上移一層。從寫(xiě)代碼到聊設(shè)計(jì)，從聊設(shè)計(jì)到聊意圖，從聊意圖到構(gòu)建Harness。退到最后，人只做一件事：判斷和決策。

陳敬敏用一句話(huà)為整個(gè)路徑做了收尾。AI能做的事，交給AI。人只負(fù)責(zé)那些AI做不了、或者不該做的事。

這也說(shuō)明了一個(gè)事情。AI的使用并不是工具升級(jí)，是工作方式的重構(gòu)。每一步都是一次人與AI關(guān)系的重新定義。

二、非產(chǎn)研部門(mén)的AI化，

要學(xué)會(huì)改造工具的形態(tài)

過(guò)去一年，大量企業(yè)在推進(jìn)AI改造時(shí)，重點(diǎn)幾乎都放在產(chǎn)研和算法團(tuán)隊(duì)，做模型優(yōu)化、構(gòu)建Agent、搭建RAG系統(tǒng)。但在真正的組織落地層面，非產(chǎn)研部門(mén)往往才是AI滲透最慢的一層，因?yàn)樗鼈儽弧肮ぞ咝螒B(tài)”卡住了。

一直以來(lái)，大家都忽略了一個(gè)現(xiàn)實(shí)。過(guò)去二十年，企業(yè)軟件設(shè)計(jì)的核心邏輯是GUI（圖形界面），所有系統(tǒng)都是給“人”設(shè)計(jì)的，人會(huì)點(diǎn)按鈕、填表單、復(fù)制粘貼、截圖發(fā)群。但AI完全不會(huì)，它只會(huì)讀接口、調(diào)API、跑工作流。

所以，非產(chǎn)研部門(mén)AI化的真正瓶頸，并不是員工不會(huì)用AI，而是工具本身“不具備AI可操作性”。

這也是為什么很多企業(yè)即使上了幾十套AI工具，效率提升依然有限。這是因?yàn)椋鞒讨皇菑摹凹堎|(zhì)搬到軟件”，沒(méi)有從“人驅(qū)動(dòng)”變成“機(jī)器驅(qū)動(dòng)”。

所以，積加開(kāi)始嘗試把內(nèi)部工具“skill化”或API化，核心目的就是把UI層和執(zhí)行層拆開(kāi)，把內(nèi)部幾十個(gè)系統(tǒng)逐一封裝成可調(diào)用能力。

積加做了一個(gè)較為極限的嘗試，陳敬敏花4個(gè)小時(shí)，一個(gè)人做了一個(gè)skill，讓AI自動(dòng)完成了這件事。

最先變革的是積加的HR部門(mén)，把招聘系統(tǒng)變成AI可調(diào)用的接口。

篩簡(jiǎn)歷、查候選人、打招呼，這些本來(lái)是HR在各個(gè)平臺(tái)上手動(dòng)操作的。經(jīng)過(guò)改造后，AI自動(dòng)從Boss直聘拉取候選人數(shù)據(jù)，按JD匹配度打分，自動(dòng)解析簡(jiǎn)歷PDF，篩選結(jié)果同步到飛書(shū)Talent。HR不再登錄任何后臺(tái)，AI把結(jié)果送到飛書(shū)，HR只做最終決策。

于是，原來(lái)篩100份簡(jiǎn)歷要大半天，現(xiàn)在AI跑完只需要幾分鐘，正確率比人工篩選更高。

這個(gè)變化的關(guān)鍵不是HR學(xué)了什么新工具，而是招聘平臺(tái)有了AI能讀懂的接口。

行政則需要把搭建系統(tǒng)的過(guò)程變成AI可執(zhí)行的動(dòng)作。以前行政想做固定資產(chǎn)管理系統(tǒng)，要找IT提需求，排期等待，兩周能上線(xiàn)算快的。

可是現(xiàn)在，他們只需要跟AI說(shuō)“幫我搭一個(gè)資產(chǎn)管理系統(tǒng)，支持設(shè)備錄入、借用歸還、維保提醒”，飛書(shū)多維表格AI自動(dòng)生成表結(jié)構(gòu)、字段類(lèi)型、示例數(shù)據(jù)、看板視圖。十幾分鐘完成，上線(xiàn)可用。

最讓人頭痛的OCR發(fā)票報(bào)銷(xiāo)，也是如此同樣。拍照上傳AI，自動(dòng)識(shí)別發(fā)票內(nèi)容、分類(lèi)報(bào)銷(xiāo)科目、寫(xiě)入飛書(shū)報(bào)銷(xiāo)表，整個(gè)鏈條的關(guān)鍵不是行政學(xué)了什么工具，而是搭系統(tǒng)的過(guò)程變成了AI可執(zhí)行的標(biāo)準(zhǔn)化流程。

工具形態(tài)轉(zhuǎn)變后，財(cái)務(wù)可以用AI自動(dòng)從數(shù)倉(cāng)拉取支付流水和內(nèi)部訂單數(shù)據(jù)，逐筆匹配，標(biāo)注差異，生成對(duì)賬報(bào)告。財(cái)務(wù)月初第一天就能完成對(duì)賬；運(yùn)維用AI做日志分析、問(wèn)題定位、修復(fù)步驟生成，然后飛書(shū)通知值班人員，人審批后AI執(zhí)行變更。

這也告訴大家，工作中的每一個(gè)流程上的“人傳人”環(huán)節(jié)，都是一個(gè)潛在的阻塞點(diǎn)。所以，大家應(yīng)該看清楚一個(gè)關(guān)鍵點(diǎn)：“協(xié)作”不是美德，協(xié)作是成本。

三、CEO必須親自下場(chǎng)：

為什么第三道鴻溝的解法是自上而下

很多企業(yè)在AI轉(zhuǎn)型過(guò)程中，最難的第三道鴻溝，本質(zhì)不是模型能力的問(wèn)題，而是組織問(wèn)題。

過(guò)去二十年，企業(yè)數(shù)字化是一場(chǎng)“流程信息化”運(yùn)動(dòng)，工具往往是“自下而上擴(kuò)散”的。IT部門(mén)先上線(xiàn)系統(tǒng)，業(yè)務(wù)部門(mén)再逐步適配。本質(zhì)上是在把人的動(dòng)作搬進(jìn)系統(tǒng)，依賴(lài)的是標(biāo)準(zhǔn)化流程、審批鏈條和層層匯報(bào)。

但AI時(shí)代不同。AI本質(zhì)是一個(gè)“能干活的新勞動(dòng)力”，可以根據(jù)老板的指令直接參與分析、決策、執(zhí)行與協(xié)同。過(guò)去的軟件只是幫助人完成工作，AI則開(kāi)始替人完成部分工作，甚至重構(gòu)“誰(shuí)來(lái)做、怎么做、為什么這樣做”的整個(gè)流程邏輯。

因此，企業(yè)轉(zhuǎn)型AI最重要就是，重寫(xiě)組織協(xié)作邏輯。所以，這需要?jiǎng)?chuàng)始人親自下場(chǎng)才能落實(shí)，才能從認(rèn)知層面改寫(xiě)邏輯。

大家可以做個(gè)對(duì)比，CEO每天用AI，組織AI化速度會(huì)不會(huì)變快；如果CEO不親自下場(chǎng)，只是開(kāi)會(huì)喊口號(hào)，員工使用AI工具是不是停留在表面。

其實(shí)，不少已經(jīng)推進(jìn)AI Agent或自動(dòng)化流程的企業(yè)證明了這一點(diǎn)：創(chuàng)始人使用AI的頻率，往往決定了組織能走多遠(yuǎn)。

所以，陳敬敏的觀點(diǎn)非常直接。他認(rèn)為需要C級(jí)別人物自己先把AI用熟，自上而下推動(dòng)。CEO用得熟，下屬才能用得好。

當(dāng)CEO親自用AI完成具體工作，他會(huì)發(fā)現(xiàn)兩件事：

第一，原來(lái)很多流程是多余的。以前沒(méi)有工具才需要那么多人簽字審批，有了AI可以直接繞過(guò)。

第二，AI化的真正阻力不是員工不愿意學(xué)，而是老板不愿意放棄舊的工作方式。

靠行政命令推AI化，基層會(huì)用但不會(huì)用好。自上而下親自用，才是真正有效的路徑。

陳敬敏觀察到的另一個(gè)關(guān)鍵點(diǎn)是：阻礙AI落地的最大障礙是過(guò)去的思維習(xí)慣。以往，領(lǐng)導(dǎo)需要靠人盯著流程，會(huì)覺(jué)得開(kāi)會(huì)才能對(duì)齊顆粒度，才能更好的協(xié)作，但實(shí)際上，AI需要的是閉環(huán)、API和數(shù)據(jù)，不是會(huì)議紀(jì)要和審批流。

譬如，電商巨頭Shopify CEO Tobi Lütke也是自己建了一套“Tobi Eval”，這是一個(gè)裝滿(mǎn)自己設(shè)計(jì)的問(wèn)題和預(yù)期答案的prompt文件夾。每當(dāng)新模型發(fā)布，他都根據(jù)Tobi Eval親自跑一遍，用AI提供的結(jié)果做決策。

2025年4月，他給全員發(fā)了一封后來(lái)震動(dòng)整個(gè)科技界的內(nèi)部信，只說(shuō)了一件事：“申請(qǐng)?jiān)黾尤耸只蛸Y源之前，團(tuán)隊(duì)必須先證明為什么AI做不了這件事?！焙髞?lái)，Shopify員工規(guī)模從8300縮減到8100，并且公司新崗位要先證明AI做不到，才能批。這一套之后，Meta、微軟、谷歌陸續(xù)跟進(jìn)，采用相似標(biāo)準(zhǔn)。

所以，當(dāng)CEO把AI用熟，他會(huì)自然地減少不必要的審批流、縮短協(xié)作鏈條、讓數(shù)據(jù)流動(dòng)起來(lái)，這些都是第三道鴻溝“組織結(jié)構(gòu)”的根本解法。

由此可以看出，CEO親自下場(chǎng)，才能真正打穿這三道鴻溝。

第一，CEO帶頭用AI，組織才有why not的氛圍；第二，CEO才有權(quán)力推動(dòng)內(nèi)部工具接口化改造；第三也是最重要的一點(diǎn)，CEO真正了解AI的變革后，才能知道如何重新定義考核方式和協(xié)作流程。

這也意味著，企業(yè)的AI轉(zhuǎn)型不只是技術(shù)的轉(zhuǎn)型，是人才的轉(zhuǎn)型，組織結(jié)構(gòu)的迭代升級(jí)。

為了配合組織的變革，積加也在嘗試著建立一個(gè)新的人才標(biāo)準(zhǔn)：超級(jí)個(gè)體。本質(zhì)上就是AI時(shí)代的人才模型：某個(gè)人可能不是天生特別厲害，而是借助AI后，一個(gè)人的產(chǎn)出接近過(guò)去一個(gè)小團(tuán)隊(duì)。

而這種超級(jí)個(gè)體，往往具備六種核心能力：

產(chǎn)品思維。拿到需求先問(wèn)為什么，不該做的就不做。AI時(shí)代最貴的不是算力，是人的注意力。把注意力放在真正重要的事上，才是把AI用對(duì)的前提。

很多人拿到需求直接寫(xiě)代碼，不問(wèn)這個(gè)功能解決了什么問(wèn)題、為什么用戶(hù)需要它。這種習(xí)慣在AI時(shí)代會(huì)被放大10倍，導(dǎo)致引入大量不必要的依賴(lài)和代碼債務(wù)。

結(jié)構(gòu)化思維。先設(shè)計(jì)再寫(xiě)代碼。分解優(yōu)于實(shí)踐，約束優(yōu)于方案。架構(gòu)能力是AI時(shí)代最稀缺的能力。因?yàn)锳I能寫(xiě)代碼，但不能替你決定做什么、不做什么，以及用什么方式做。

積加的標(biāo)準(zhǔn)是：Make it right比Make it fast更快。想清楚再行動(dòng)，花的時(shí)間遠(yuǎn)小于沒(méi)想清楚就快速上線(xiàn)然后返工。

跨棧成長(zhǎng)。自我設(shè)限是AI時(shí)代最大的效率殺手。一個(gè)把自己定義為后端Java工程師的人，會(huì)拒絕用AI寫(xiě)Python腳本、寫(xiě)前端頁(yè)面、寫(xiě)Shell運(yùn)維腳本。

AI能彌補(bǔ)技術(shù)的短板，不能彌補(bǔ)認(rèn)知的短板。突破自我定義的邊界，才能充分釋放AI的能力。

AI協(xié)同。會(huì)用自然語(yǔ)言調(diào)度AI，理解AI能做什么、不能做什么，能給AI足夠清晰的上下文，能判斷AI輸出的質(zhì)量。能與AI協(xié)作完成端到端的任務(wù)交付，而不是依賴(lài)人肉傳遞。

閉環(huán)交付。功能開(kāi)發(fā)+自動(dòng)化測(cè)試，上線(xiàn)即交付。不是等人來(lái)測(cè)，是自己保證質(zhì)量。AI時(shí)代對(duì)“一個(gè)人完成一件事”的要求更高了，半成品交付在AI時(shí)代是沒(méi)有容身之地的。

標(biāo)準(zhǔn)與品味。追求設(shè)計(jì)優(yōu)雅，改變思維習(xí)慣。避免用戰(zhàn)術(shù)上的勤奮掩蓋戰(zhàn)略上的懶惰。AI時(shí)代勤奮的門(mén)檻更低了，方向的重要性更高了。

一個(gè)有品味的人寫(xiě)出來(lái)的prompt、做出來(lái)的設(shè)計(jì)、搭出來(lái)的系統(tǒng)，會(huì)比沒(méi)有品味的人好一個(gè)量級(jí)。如今，這個(gè)差距在AI時(shí)代會(huì)被進(jìn)一步放大。

其實(shí)，AI轉(zhuǎn)型真正的門(mén)檻從來(lái)不是工具，是改造自己的意愿。

把工具買(mǎi)回來(lái)讓人用，是最省力的做法，也是最沒(méi)用的做法。真正有效的路徑是把業(yè)務(wù)流程重新設(shè)計(jì)、把數(shù)據(jù)打通、把閉環(huán)建好、把組織協(xié)作方式改掉，然后讓AI接管那些本來(lái)就不該由人來(lái)做的事。

積加的經(jīng)驗(yàn)可能不是最完美、最適配每家公司的完美模板，但核心邏輯是可遷移的。

我們也要清楚，AI是放大器。它不會(huì)自動(dòng)讓一家企業(yè)變優(yōu)秀，只會(huì)放大企業(yè)原本的組織能力。方向?qū)α耍珹I會(huì)把組織效率放大十倍。方向錯(cuò)了，AI也會(huì)把混亂放大十倍。

所以AI轉(zhuǎn)型從來(lái)沒(méi)有捷徑。真正的答案，不在PPT里，而在CEO是否愿意親自下場(chǎng)。

*文章為作者獨(dú)立觀點(diǎn)，不代表筆記俠立場(chǎng)。

在AI席卷一切的今天，這件事更加急迫。所以我們籌備了整整半年，把過(guò)去一年跑通的所有AI原生落地的認(rèn)知、案例、實(shí)戰(zhàn)經(jīng)驗(yàn)，濃縮成了3天的AI十倍增長(zhǎng)營(yíng)，6月24-26日在北京開(kāi)營(yíng)。

三天里，我們一步一步落地：

第一天搭班子：搞懂什么是真正的AI增長(zhǎng)團(tuán)隊(duì)，每個(gè)人親手做出第一個(gè)能干活的業(yè)務(wù)Agent；

第二天做診斷：對(duì)著真實(shí)的業(yè)務(wù)痛點(diǎn)，畫(huà)出專(zhuān)屬的AI行動(dòng)地圖；

第三天練閉環(huán)：把所有流程跑通，最后帶走一套能直接開(kāi)干的方案。

建議你一定要帶著核心高管和技術(shù)負(fù)責(zé)人一起來(lái)。一個(gè)人來(lái)，最多是聽(tīng)了個(gè)熱鬧，回去根本推不動(dòng)；一個(gè)班子來(lái)，才是真正帶一支訓(xùn)練有素的增長(zhǎng)戰(zhàn)隊(duì)回家。

本次課程會(huì)由獵豹移動(dòng)董事長(zhǎng)傅盛、知名CEO顧問(wèn)王賽、影刀RPA創(chuàng)始人十布領(lǐng)銜，以及是星若、云飛這些真正在一線(xiàn)拿過(guò)結(jié)果的實(shí)戰(zhàn)導(dǎo)師帶隊(duì)，不講空的，只講自己踩過(guò)的坑、驗(yàn)證過(guò)的方法。

首期我們只開(kāi)放少量席位，歡迎立即掃碼報(bào)名，把公司變成AI十倍增長(zhǎng)組織。