公司的一号位先想通这件事：不是 AI 能干什么，是你的组织缺了什么？
文章指出全球88%的企业使用AI但仅6%能算清收益账，核心问题不在技术而在于一号位的提问方式。以美团全员配AI却日烧千万token为例，说明把AI当工具发放与当业务杠杆重构的巨大差异。文章辨析了工具与Agent的本质区别——主动性，借冯·诺依曼瓶颈的典故强调一号位的职责是给业务问题起对名字，并提出“组织底数大于1”是享受AI指数红利的前提。
相关文档
企业的缓慢死亡：AI 时代传统组织的渐进式衰退
文章论述企业不会在瞬间被 AI 击败，而是逐季度缓慢落后。作者引用 PwC 和 McKinsey 调查数据指出，尽管员工普遍使用 AI 工具，但大多数企业未获得显著财务回报。类比电力时代工厂保留蒸汽机传动轴的教训，说明仅购买 AI 许可证而不重构工作流程无法释放价值。结合 Microsoft 及医疗授权平台等案例，作者强调必须围绕 AI 重新设计工作流。文末提出企业落后于 AI 的七个阶段，警示渐进式衰退的风险。
为什么大部分 CEO 的 AI 尝试都在假装进步
本文解读 Bain & Company 发布的企业 AI 转型 CEO 指南，指出多数企业的 AI 尝试只是“假装进步”：把试点数量当转型深度、在旧流程上叠加 AI 按钮、用短期 ROI 筛选项目、误把供应商能力当自身能力、战略激进但机制保守。文章认为真正拉开差距的是三样买不来的核心资产：专属数据、编码化工作流和闭环学习机制，并介绍了企业 AI 转型需要做对的七项核心决策。
AI Native: The Mandate to Transform Your Company
李开飞分享其新书《AI Native》，阐述企业如何真正实现AI转型。他指出许多公司虽投入AI但未见实际收益，强调AI转型必须是CEO的首要任务，需重塑企业核心而非仅作为工具附加。书中探讨了智能化带来的组织变革与领导力挑战。
真正稀缺的不是AI工具，而是能把AI用进业务的人
文章指出，虽然AI工具层出不穷，但企业面临的核心瓶颈是缺乏将AI有效融入实际业务并推动组织转型的人才。单纯的工具使用与利用AI实现业务降本增效之间存在巨大鸿沟。文章定义了“AI转型人才”的五大核心工作：寻找高价值场景、重构业务流程、打通数据系统、建立评估标准及推动组织变革。随着行业从“模型竞争”转向“落地竞争”，具备“AI×业务×转型”复合能力的个人将成为未来的关键资产。
麦肯锡无法让你实现 AI 原生转型，Agent 可以
文章指出，大多数公司混淆了 AI 采纳与 AI 转型。传统的咨询模式（如麦肯锡）依赖小样本人工调研，无法覆盖 AI 转型所需的全部工作流程。真正的转型需要像重新设计工厂一样重新设计公司。作者提出一种新模式：利用 AI Agents 并行访谈全员以构建“运营图谱”（软件层），再结合人类专家的判断（服务层），实现持续、全域且个性化的企业变革。
There are no AI-native enterprises
文章探讨了为何目前尚不存在真正的 AI 原生企业。作者指出，尽管企业能利用 AI 升级产品（AI in the business），但其内部运营机制（AI on the business）仍受制于传统的组织惯性和预算体系。文章分析了企业转型的政治阻力，强调了重塑组织“内部物理定律”的重要性。
AI实施科学：一个2030年之前必将诞生的领域
文章指出，尽管AI模型能力飞速提升，但企业部署成功率却在下降，形成了“AI实施鸿沟”。作者借用医学界的“实施科学”理论，提出将CFIR等框架引入AI领域，以解决技术落地中的组织、人员和流程问题。文章预测，到2030年，AI实施将成为一门独立学科，而解决“落地税”和“能力幻觉”将是行业的关键。
用 Manus 改造 Manus，AI Native 组织改造的实践和思考
文章记录了 Manus 团队在研发 AI Agent 产品的过程中，用自家产品改造自身组织运作的实践。研发团队通过 Manus-mono 统一入口和给 AI 的说明书，让一个工程师能同时处理十几个需求，一人写完前后端和移动端；产品团队实现了端到端上线，所有产品经理都提交过代码，甚至用视频代替传统 PRD 表达需求；市场团队则引入'数字同事'参与工作流，自动跟踪发布、复盘数据、跨团队对齐。整体上，组织从 Human in the loop 走向 Human on the loop，减少人与人之间的打断损耗，人更多承担监督、判断和决策的角色。
我花了5天时间，对公司进行了一场AI化改造
作者作为一家30多人AI公司的创始人，用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板，并将其封装为Skill；随后解决了同事们Vibe Coding应用部署与分享的痛点，将中台包装成MCP，接入飞书登录与权限体系，实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页，并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产，期待AI原生的组织变革。
How to Make an AI Native Company
作者基于一年运营 AI 原生公司并帮助客户转型的经验，提出打造 AI 原生公司的七步方法论：先清理数据与上下文（建立 Company AI Brain），再构建共享基础设施而非零散自动化；让全员在 Harness（如 Claude Cowork、Codex）中工作；用技能、上下文和新模型解决大部分工作；全员教育并培养 Champion 推动进化；自定义 Agent 最后才建；并保持持续尝试。作者还破除 Agent 神话，指出'人机三明治'模式依然存在，人的角色随信任与上下文积累而变薄。
The Machine Stops: 为什么你的公司无法实现 AI 原生化
作者借 E.M. Forster 1909 年的科幻小说《机器休止》，剖析企业 AI 转型失败的根源：真正懂业务运转的人已离开，知识只存在于个人脑中、Slack 记录和部落经验里。AI 无法修复无人理解的流程，只会以机器速度放大混乱。MIT 与 RAND 的研究显示，绝大多数 GenAI 试点失败的原因是组织性而非技术性。作者提出解决方案：先梳理并文档化关键流程，建立基线和评估体系，再构建 AI Agent，用循环迭代的方式重新获取并固化组织知识，避免机器在无人理解中停摆。
The AI-pilled Software Factory
作者基于对30多家公司和50多位从业者的研究，提出AI成熟度模型L0-L5之外更深层的洞察：真正的AI原生公司不是给员工配AI工具提升效率，而是构建'软件工厂'。工程团队的角色从写产品软件转变为构建harness——提供上下文、权限、评估、模型路由和护栏，让全公司（市场、销售、财务、PM）都能自主开发软件。作者提出软件工厂测试五要素：看见（See）、构建（Build）、传播（Propagate）、记忆（Remember）、察觉（Notice）。通过Ramp Glass/Inspect、Vercel d0等案例说明，当软件开发成本坍缩，瓶颈从构建能力转向识别值得解决的问题的能力。
