从超级个体到组织收益，AI卡在哪？

点击卡片 关注我们 撰写 | 虎嗅智库 头图 | 现场拍摄 最近，龙湖集团的一场全员Agent大赛，收到了200多个参赛作品。 但对龙湖集团而言，数字倒还是其次，真正有价值的是通过比赛层层筛选，从中识别出了真正具备AI意识和业务能力的人和可落地的业务场景。 这也侧面说明当下的企业并不缺少使用AI的热情和应用涌现。 但真正困难的是，如何从大量探索中筛出值得投入的场景，再把少数人的有效方法沉淀为组织能力。 而在另一面，深耕AI企业落地多年的云南白药CIO李少春也提醒，不少企业内部存在一类“表演式AI”：试点应用和Demo做了不少，却没有真正进入核心业务流程，更难在经营结果中得到价值验证。 两种现象指向的是同一个问题： AI可以快速制造局部创新，却不会自动带来组织效率。 8月7日，虎嗅智库邀请来自医药、消费、零售、供应链、地产及企业服务等领域的十余位AI实践者展开讨论。 参与者包括云南白药CIO李少春、天音控股CIO朱远刚、小仙炖CIO尤春、Lola Rose IT总监李久意、龙湖集团千丁智能产品总监卢文利、值得买科技营销FDE专家朱越、吉野家技术支持经理李宁、阿里千问办公京津冀区域总经理刘啸天、超级OPC联盟发起人黄有璨、以及特赞北区KA总监梁康毅等。 讨论最终收束到同一个问题： 为什么AI已经带来大量局部提效，却还没有转化为组织效率和 经营结果。 AI项目不少，为什么经营价值仍然难以验证？ 当企业进入AI落地深水区， 首先要回答的已经不是“还能做什么”，而是“什么值得做”。 过去一年，不少企业通过内部征集、员工培训和创新比赛等方式，自上而下或自下而上地积累了一批AI应用。但项目数量增加，并不意味着企业价值同步增长。 很多所谓的“提效”，其实只是某项任务的完成变快了。 员工过去需要一个小时完成的工作，现在可能只用十分钟，但节省下来的时间未必能够转化为实际成本；一个环节效率提高，也不意味着端到端业务周期随之缩短。 天音控股CIO朱远刚提到，公司员工已经开始使用AI，也在探索数字员工等应用平台。部分场景可以看到一定程度的局部改善，但这些变化如何进一步进入成本、收入和利润，仍然难以量化。 这代表了不少传统企业落地AI的现实处境，工具已经用起来了， 局部效果也能被感知，但企业原有的信息化基础、数据口径和跨部门流程并未同步改变 。任务提速可以被员工感受到，却很难被财务和管理层确认为组织收益。 问题不一定出在AI没有效果，而在于企业究竟在算哪笔账。 “工时节省”是最容易计算的一笔账，却未必是老板真正关心的账。也正因此，ROI不能只在项目结束后核算，而应该前置到场景选择阶段。如果一开始选中的只是孤立、低价值的任务，工时测算再精确，也很难支撑后续规模化。 但知道什么是高价值，并不等于企业能够自动找到高价值场景。管理层清楚经营目标，却未必了解一线操作；一线员工能说清楚哪里费时费力，却未必能判断整条业务链中哪个环节最值得改造。 二者之间，还隔着业务流程、数据条件和技术可行性。 李少春强调，高价值场景不能只看使用频率，更要看它能否解决靠继续堆人难以解决的业务问题。 图：云南白药CIO李少春 从落地实践案例可以看出，一个具备投入价值的 AI 场景，必须同时满足四项核心条件： 业务问题清晰可界定、可获取完整的数据与业务上下文、业务结果可量化验证，且能够直接关联成本、收入、质量、产能等核心经营指标。 以小仙炖的 AI 项目实践为例：企业早期尝试以知识助手赋能前端顾问岗位，但项目初期推进阻力较大。一方面，知识的定义方、维护方与一线使用者，对同样信息理解存在偏差；另一方面，业务内容动态迭代，知识库若无法持续同步更新，很快就会失效。此外，项目由 IT 主导、业务部门被动配合的模式，难以真正做到从业务中来、到业务中去，无法产出可落地的业务价值。 后续小仙炖调整落地思路， 转向扎根一线的真实业务数据场景，基于客户沟通、销售全量数据开展服务质量分析，输出可执行的业务优化动作。依托大模型的分析与洞察能力，项目价值才逐步显现 。此时 AI由此不再只是回答一个孤立问题，而是深度嵌入可观测、可反馈的完整销售服务业务链路之中。 Lola Rose则从反馈周期更短的场景切入，其IT总监李久意分享，其KOS团队利用AI辅助小红书内容规划，围绕选题、内容组织和发布后的反馈形成更短的验证链路。据其现场分享，相关内容发布后，小红书私信开口率提升约50%。 两个案例虽然切入口不同，却遵循了同一套逻辑：不是先问“AI能做什么”， 而是先找到数据可获得、结果可验证，并且有人对结果负责的业务闭环。 但可验证不等于值得规模化，企业最终仍要回到经营账上。 阿里千问办公京津冀区域总经理刘啸天曾提到其接触过的一家机械制造企业原本承担工艺拆解工作的团队，年度人力成本不到200万元，而AI改造方案需要投入约300万元。 如果只计算替代人工，这笔账并不成立。但如果AI能够辅助识别图纸、拆解工艺，并提高企业向外部工厂分发加工任务的能力， 它带来的就不只是降本，而可能是产能组织方式的变化 。此时，AI的价值不再是省掉几个人，而是帮助企业突破原有的产能边界。 企业AI最容易算的是工时账，最难算的是经营账。但只有进入经营账，一个项目才真正有继续投入和规模化的理由。 然而， 场景选对只解决了AI“值不值得做”的问题 。项目真正进入组织后，还要回答另一道更难的问题， 跑出结果的究竟是一套可以复制的方法，还是某个关键人物的个人能力。 超级个体跑出来了，怎么变成组织能力？ AI往往先改变组织里的一小群人。 他们对工具足够敏感，愿意主动探索新的工作方式，有些人甚至能够独立完成过去需要多个岗位协作的任务。 但一个人用AI变快，只能证明一种可能性； 只有当这种能力能够被识别、验证、沉淀和复用，它才可能成为组织能力。 而且，不是所有“个人绝活”都值得组织化。 有些实践只是熟练的工具技巧，离开特定场景便失去价值；有些高度依赖个人的业务经验和判断力，换个人就难以复现；还有一些Demo虽然看起来惊艳，却缺少权限管理、数据维护和工程治理，复制成本可能比实际收益更高。 龙湖集团曾通过AI培训和全员Agent大赛推动AI应用，收到200+个参赛作品。千丁智能产品总监卢文利表示， 大赛的意义不只在于做出多少Agent，更在于让一线业务问题浮出水面，识别出真正具备AI意识和业务能力的人 —一些项目还促使业务人员主动寻找产品和研发支持，原本固定的部门接口因具体场景重新连接。 换句话说，全员探索的意义未必是让所有人都成为AI开发者，而是更快地找到值得继续投入的高价值场景和关键人才。 值得买科技的探索则呈现了另一面。 实施“全面AI”战略以来，值得买员工已经广泛尝试使用AI和vibe coding开发内部应用，但在各主体独立探索的模式下，实践经验和应用能力难以共享，组织整体效率未必达到最优，部分员工也容易陷入重复投入与开发。如何识别有效场景、沉淀成熟经验，成为个人探索走向组织协同后需要解决的问题。 个人探索越活跃，组织越需要建立判断机制：哪些场景值得继续投入，哪些项目应该及时停止，哪些成熟实践可以沉淀为组织能力。 值得买科技由此开始搭建内部提效工具，以更低门槛的方式承接业务场景，并通过项目化管理，将目标、上下文、权限