工程师用AI写代码，效率提高了10倍，整个软件项目的交付周期却只缩短了3天。

这是网易副总裁阮良最近分享时提到的一个真实困惑。公司很多工程师使用AI后，个人效率提升了3倍、5倍甚至10倍，但整个软件的交付流程只是从20天缩短到了17天。

阿里云CIO蒋林泉也提到过一个观察：有的团队一年半以前AI生码率就超过40%，但端到端需求消耗的人员并没有减少。

这些公开分享让我们看到一个有些多少反直觉的现实：AI让员工变得越来越高效，企业却未必因此变得更高效。

一些中小企业主也向《降噪NoNoise》表达过类似的疑惑。员工用AI节省了大量时间，公司的整体产出却没有明显改善；有的企业甚至在裁员后，利润依然没有增长。

问题究竟出在哪里？微软首席战略与转型官Kathleen Hogan的反思，提供了一个值得关注的视角。她在日前受访时剖析了微软AI转型中曾犯下的重大失误——让技术打头阵，而不是聚焦于人和流程。

她说：「一个糟糕的流程，即使配上AI，依然是一个糟糕的流程。」

对此，百度创始人李彦宏今日提出一个更加明确的观点，企业需要的不只是更强的智能工具，还要建立一套能够持续进化的「智能组织」。

01

员工提效 组织却陷入「效率陷阱」？

如果不是微软公开反思，外界可能很难知晓，一个以助力企业AI转型为己任的科技巨头，自己先在AI转型中走了弯路。

原来，微软最初像推广传统技术一样推广AI：部署工具、提供培训、推动应用。但内部很快被严峻的现实教育了一番：普及和使用并不等同于变革——一款授权给超过20万人使用的工具，并不能改变工作方式。

问题的根源在于，员工使用AI，并不等同于组织自动完成AI化；员工效率提升也不等同于组织效率同步提升。

管理学中有个经典的「约束理论」：一条由多个环节串联而成的业务链路，整体产出往往受制于其中能力最弱、效率最低的环节。只有找到并改善这个瓶颈，整体效率才有机会提升。

但现实是，AI可以让某个环节的工作效率成倍增长，却无法带动整条业务链路提速。

以软件交付为例，工程师借助AI更快完成编码，产品经理可以迅速生成需求文档、绘制产品原型，测试人员也能借助AI生成测试用例。但需求评审、跨部门协调、测试验收、上线审批等环节，依然按照原来的方式运转。

结果是，各个岗位都在刷新效率纪录，整个项目的交付速度却依然被旧流程拖住。

比如微软就在实践中发现，在原本就存在问题的流程中添加智能体，结果只剩心塞——加快一个步骤，只会导致下一个步骤的排队时间更长。

放眼全球，企业AI转型都在面对技术提速、组织滞后的难题。

微软在今年发布的《2026工作趋势指数年度报告》中，将这类现象称为「企业AI转型悖论」，即员工已经准备好利用AI改变工作方式，但组织的绩效评价、激励机制和工作规范，仍在强化过去的模式。

该报告显示，45%的受访AI使用者认为，专注现有工作目标，比利用AI重新设计工作方式更安全；只有13%表示，即使结果没有达到预期，自己也能因为尝试重构工作而获得奖励。

重新设计组织、避开「效率陷阱」成了企业绕不开的问题。

02

企业AI下半场要拼「厂房」了

一场关于未来组织该如何运转的讨论，已经在AI行业展开。

在11月12日举办的百度世界2026大会上，李彦宏提出，AI下半场，企业竞争的关键在于自我进化成「智能组织」。企业需要的不只是更强的智能工具，还要建立一套能够持续进化的组织体系。

他用了一个形象的比喻：人工智能是新电能，智能组织就是AI时代的新厂房，是生产力真正发生的地方。

企业AI转型之所以还没有充分兑现经济效益，一个重要原因在于，只更换了「电机」，却没有重新设计「厂房」。电机再先进，如果工厂的生产布局、工序衔接和管理方式没有改变，也很难充分发挥它的价值。

这个比喻点出了AI产业发展与企业经营之间一个容易被忽略的差别。

近几年，AI科技巨头围绕算力、模型性能和推理成本展开激烈竞争，试图制造出更强大、更便宜的智能。业界曾将AI产业比作一块「五层蛋糕」，自下而上分别是能源、芯片、基础设施、模型和应用。

这套框架解释了AI产业的基础设施如何构成，但对于一家具体的企业来说，拥有更强的智能只是起点，如何将智能转化为经营成果才是下一道难题。

李彦宏提出，AI的上游是能源，下游是组织能力。上游解决智能的供给问题，下游解决如何让智能真正创造价值的问题。

事实上，李彦宏对企业AI转型的思考，已经连续几年指向组织层面。

百度世界2025大会上，李彦宏提出「内化AI能力」，强调企业不能只把AI当作外部工具，而要让它成为自身的原生能力。他当时还谈到，让AI去赋能企业里的每个个体，只是比较浅层的内化，真正的内化应该发生在组织层面。

今年5月的Create大会上，他进一步提出「自我进化」，包括智能体的自我进化、个体的自我进化，以及企业组织的自我进化。其中，企业组织的自我进化，意味着企业的协作方式将从人与人的协作，逐渐走向人与智能体的混合编队。

从内化AI，到组织自我进化，再到智能组织，李彦宏的思考逐渐从AI如何进入企业，深入到企业应该如何重新运行。

这也对应着企业AI落地正在遇到的新问题。

企业AI服务商周阳此前在同《降噪NoNoise》交流时提到，现阶段，企业真正需要解决的已经不只是给员工配备AI工具，还包括重新设计人和AI各自承担什么工作，以及双方如何交接、协作。这也是今天讨论AI Workforce（AI劳动力）时必须面对的核心问题。

换句话说，当AI开始承担越来越多的具体任务，企业原有的岗位分工和工作流程就需要重新审视。

而在李彦宏看来，智能组织的建立，可以从三个方向入手——

首先，打破岗位边界，释放组织活力。

传统企业以岗位为中心，按照既定职责分配任务；AI时代则可以转向以任务为中心，由人和Agent共同协作完成工作。

李彦宏认为，未来的组织将成为一个「任务的网络」，工作分工不再完全受限于固定岗位，而是围绕具体任务，灵活调配人和AI的能力。岗位不会消失，但可能逐渐收敛为两类：一类是负责创造新东西的Builder，另一类是负责沟通、连接与建立信任的Seller。

其次，沉淀隐性知识，构建组织智能。

不少企业的业务规则和工作技巧仍然掌握在少数资深员工手中，难以复制和传承。企业需要将这些隐性知识显性化，沉淀到组织平台上，让个人经验成为整个组织可以持续积累、随时调用的能力。

再者，设计流程闭环，推动组织进化。

组织要持续提高效率，还需要将任务执行中的经验和反馈，用于改进下一次工作。

李彦宏还提出一个公式：「可衡量＋Looping＝持续进化」。也就是说，对任务结果进行衡量，让执行、反馈和优化形成闭环。 按照他的设想，未来的公司将由无数个Loop组成，成为一个不断学习和进化的系统。

组织内部要做到「可衡量」，也需要模型供给侧提供可信的外部参照。比如百度「词元所」试运营一个月，入驻供应资源已超过100个，日均调用次数突破5000万次。

更值得关注的是，模型交易正从企业与厂商之间的单独对接，逐渐发展为独立的产业环节；词元所通过真实性核验、服务质量抽检和供应商信用评级，将一次性的信任判断沉淀为公开、可复用的记录。随着模型质量和履约表现能够被持续追踪、横向比较，企业才有了衡量AI投入产出的外部刻度，组织层面的持续优化也更有依据。

打破部门壁垒、沉淀员工经验、持续优化流程，这些并非AI时代才出现的管理命题。过去，它们往往依赖管理者推动，跨部门协调成本高，经验也难以规模化复制。AI的加入，让企业有机会以更低成本处理任务协作、知识调用和流程反馈。

但从组织设想到经营成果，中间仍有一段距离。企业能否真正从AI中获得效率和增长，还要看这些改变能否进入具体业务，形成可衡量的结果。

03

一批公司已经开始向智能组织进化

从行业趋势来看，重新设计企业组织，已经成为全球AI行业共同关注的话题。

OpenAI提出「任务跨界」，关注AI如何帮助员工承担原本属于其他职业的任务，打破传统岗位边界；Anthropic研究由多个Agent分别承担不同角色、相互沟通协作的「AI组织」；微软提出「前沿企业」，描绘人与Agent共同工作的组织形态。

百度则将目光投向一个更具体的问题：如何让AI进入企业日常运转，让任务执行中的知识、经验和反馈不断沉淀，成为组织可以持续调用和改进的能力。

侧重方向的不同，与各家的技术积累和业务基础有关。OpenAI、Anthropic以大模型能力见长，微软深耕企业办公软件和云服务，百度则布局了从昆仑芯、智能云到模型、智能体应用的技术体系，在芯、云、模等基础设施之上，百度搭子、库库、百度一镜、百度伐谋等产品，正在进入办公协作、内容生产和经营决策等业务环节。

但要让AI真正成为组织能力，还需要企业先在内部改变工作方式。

百度已经开始尝试。百度世界2026大会披露，百度内部日均活跃智能体数量已从约0.5万个增长至3.7万个。大会期间，员工在现场办会，企业内部的智能体也在持续执行任务。

在百度数字人创新业务部，团队打破产品、研发、设计、测试等岗位边界，推动全员向Builder转型，并将工作经验沉淀为Skills和组织资产。今年第三季度，该团队完成564次产研迭代，沉淀130个Skills、729篇组织资产；人均吞吐提升125.3%，交付周期缩短28.8%。

百度财务部门则把AI引入过去高度依赖专家经验的审计工作，让内部审计流程的AI自动执审率达到40%。

这两个案例呈现了组织变化的两个侧面：一个重新分配任务，让员工与Agent承担更完整的工作；一个把专家经验沉淀下来，让后续任务能够调用并持续修正。AI由此开始参与组织能力的积累。

这种变化也在进入更复杂的产业场景。

以南方电网为例，配电网发生故障后，工作人员需要综合故障记录、开关信号、线路拓扑等信息进行研判。传统人工单次分析往往超过60分钟，而且高度依赖专家经验。

南方总调与百度搭子合作推出的「天璇伙伴」，通过学习上万条历史故障处理数据，将专家经验沉淀为专业知识，并串联不同来源的信息，辅助工作人员完成故障分析。这一应用使配电网故障分析效率提升12倍，目前已在广西14个地市、112个县推广。

当然，现阶段的案例还不足以证明智能组织已经能够普遍提高企业利润。从单个流程提效，到跨部门协作改变，再到组织整体经营效率提升，中间仍有不少难题需要解决。

但企业可以从中看到几种新的可能——

首先，组织规模与业务规模之间的关系可能改变。当一个人能够借助一组Agent完成过去需要多人协作的任务，企业就有机会减少对人力扩张的依赖，以更轻的团队开展业务，也能更快试验新产品和新业务。

其次，企业的竞争壁垒将更多沉淀在自身的组织资产里。通用模型和行业知识会越来越容易获得，一家企业长期积累的客户数据、业务规则、行业经验和工作方法，却需要在具体业务中不断积累。谁能把这些知识转化为可调用、可更新的组织能力，谁就更有机会建立自己的优势。

这对企业管理者提出了更高要求。员工可以自己尝试AI，但任务如何重新分配、经验如何沉淀、流程如何重建，需要管理者作出决定。

企业AI服务商周阳对此有一个判断：企业要真正把AI落地，要有一个懂AI、认可AI，甚至对AI有信仰的老板。

在他看来，这件事虽然很难，但机会也很大。