
如今人人都有 Copilot
Ethan Mollick 长期撰写组织中 AI 应用文章,在《让 AI 发挥作用:领导力、实验室与大众》里指出,个人从 AI 获生产力提升,不会自动转化为组织收益。人们工作可能更高效,但公司或许仍收获寥寥。
如今,许多公司进入新阶段:GitHub Copilot 许可证已发放,ChatGPT Enterprise 融入公司系统,Claude、Gemini 或 Cursor 在部分团队应用,且至少有一人 AI 使用水平超官方预期。有些情况可见,更多隐藏。管理层能看到许可证使用情况、提示词计数等,部分结果可放入报告;另一些公司,AI 被 IT 部门搁置。
这是“混乱中期”,AI 使用无处不在、参差不齐、部分隐藏、难以比较,且未与组织学习建立联系。
如今人人都有 Copilot
AI 应用第一阶段较顺利,类似企业软件推广,购买许可证、定义使用范围、培训、建倡导者网络等,但 Teams 频道最后会成“杂物间”。
第二阶段很奇怪:不同团队对 AI 使用方式不同,一个团队把 Copilot 当自动补全工具,另一个结合 Claude Code 测试;产品负责人用 AI 开发软件原型;资深工程师让智能体做根本原因分析;初级人员能写代码却不知架构假设;客服团队将工单自动化,卓越中心却没问对问题。
这些情况可能同时出现在一家公司,“混乱中期”的应用基本单位是工作具体环节。Mollick 的领导力、实验室与大众框架有用,但学习如何传播仍是问题。
旧的变革机制跟不上节奏
多数公司用现有机制推动 AI 应用,如实践社区、午餐分享会等,部分措施有帮助。但有趣的 AI 工作不会等社区会议,它可能出现在各种工作场景。等最佳实践整理成幻灯片,学习成果可能已失去价值,真正有用的是过程中的摩擦。
AI 协作模式多样,从紧密同步协作到松散异步委托。AI 应用问题不仅是“人们是否用 AI”,更要知道何时用何种模式、何处需反馈等,这比统计工具使用或代币消耗难。
Scrum 是为高成本迭代而设计的
现代软件开发流程因过去人工迭代成本高产生,如冲刺规划等。但智能体工程改变了经济模式,让更多选择成为可能,将限制因素从实现环节转移到意图等环节。
许多组织自称敏捷,却保留了组织惯性。现在 AI 让真正的敏捷更可行,但系统仍要求两周冲刺承诺等流程,这是 AI 应用层面的“流程墓地”,循环速度可能超组织消化学习成果的速度。
免费的午餐不会一直有
AI 使用计量将更明显,企业“人人能用,不担心费用”的状态不会长久。模型路由、代币预算等管理会更明确。
费用问题促使思考“消耗代币带来了什么改变”,重要的是关注哪些环节循环更快、决策更优、分析更精准等,代币与学习的关联更关键。
循环智能是缺失的反馈路径
公司在“混乱中期”需三种能力:
1. 智能体运营:了解智能体和 AI 工具运行情况、访问系统和数据情况,以及操作审批、身份验证等管理。
2. 循环智能:了解哪些 AI 辅助循环产生学习成果,哪些开放或失效,智能体作用和问题,以及团队监督需求。
3. 智能体能力:思考如何在组织内有效分配能力,而不是简单划分智能体类型。
平台问题很重要,如能力归属、团队间共享、工具配备等。缺少任何一项,情况会变奇怪。控制、学习和能力路径需交汇,可称为反馈工具或循环智能中心。
反馈工具监听工作环节,第一个版本不一定要大平台,监测工作流程、收集反馈、转化学习成果。循环智能中心将信号转化为组织可行动内容,反馈工具收集信息,能力层将学习成果反馈到工作中。
这不能变成员工监控
若变成员工评分,一切会毁了。员工会操纵数据、隐藏实验、保密工作流程,公司将得不到学习成果。有用的问题应关注 AI 对工作的改变、组织学习等,治理和学习要通过实际应用发挥作用。
“混乱中期”不是一个需要熬过的阶段
AI 应用第一阶段是获取工具,不会长期成差异化因素。下一个竞争优势在于学习速度。
谁能更快发现模式、将个人发现转化为组织能力、建立反馈压力、有效分配能力、让敏捷落地,谁就能在竞争中领先。目前没人能完全解决这些问题,需通过监测工作、分享学习成果、公开迭代来理解变革。
157



被折叠的 条评论
为什么被折叠?



