从“人使用AI”到“AI参与经营”：企业正在跨越的不同阶段

今年，当AI赋能咨询逐渐成为我的主要业务，但凡有机会跟客户交流，我上手就会问一句，现在公司在AI领域的实践到什么层面了？得到的反馈无论是正式场合还是私下交流经常会听到的一句话是：“我们公司现在已经quan面在用AI了。”

如果继续问下去，会发现不同企业所说的“全面使用AI”，其实完全不是一回事。有的企业开放了ChatGPT、DeepSeek或者Copilot，员工已经习惯用AI写材料、做分析、查资料；有的企业研发团队已经把AI Coding纳入日常开发；有的企业开始在人力、财务、客服、采购等领域建设自己的AI应用；还有一些企业已经在尝试让AI进入生产计划、供应链、营销、风险控制甚至经营决策。

所以我手上也开始慢慢的形成了一份AI渗透率的调研表。但仔细的去分析，看似这些企业都在使用AI，但它们实际上并没有处在同一个阶段。这也是我近期越来越关注也引发我思考的一个问题：我们是不是把“企业使用AI”这件事情说得太笼统了？

如果只是统计有多少员工使用AI、有多少部门建设了AI应用、有多少个Agent上线，很容易得到一组非常漂亮的数据，但这些数字未必能够告诉管理层一个更重要的问题：AI究竟深入这家企业到了什么程度？

我更倾向于把企业AI赋能看成一个逐渐深入的过程。它大致会经历五个不同的阶段：从个人增qiang开始，进入团队和部门增强，进一步改变完整的企业职能，再进入端到端的业务价值流，finally才可能成为一种企业级能力。

这五个阶段真正的差别，并不是“AI用得越来越多”，而是AI正在从人的工具，一步一步进入企业的组织、流程、业务乃至经营体系。

第一阶段：AI首先改变的，是一个人完成工作的方式

绝大多数企业接触生成式AI，都是从个人开始的。

员工开始用AI搜索资料、整理会议纪要、翻译文档、撰写邮件、分析数据、制作PPT，程序员用AI辅助编码，咨询顾问用AI帮助研究资料。企业甚至不需要正式发起一个AI项目，这种变化就已经发生了。

这是AI进入企业比较自然、成本比较低，也是目前覆盖很广的阶段。这个阶段的价值同样是真实的。过去需要一个小时完成的工作，现在可能只需要二十分钟；以前一个普通员工很难完成的数据分析，现在借助AI也可以尝试；过去需要在不同工具之间切换的工作，也开始被一个AI助手串联起来。

但这里有一个很容易被忽略的问题：个人使用AI，并不等于企业已经拥有了AI能力。

哪怕一家企业80%的员工每天都在使用AI，只要这种能力仍然主要存在于个人手里，企业得到的本质上还是个人生产率的改善。员工离开以后，他积累的提示词、方法、知识和使用经验可能也随之离开；不同员工使用不同工具，数据如何进入AI、结果如何验证、哪些信息不能输入，也可能没有统一规则。

所以企业AI的第一阶段，可以概括成一句话：

AI开始改变“人怎么工作”，但还没有真正改变“企业怎么工作”。

这两个问题之间，差得其实很远。

第二阶段：真正的变化，发生在AI开始进入团队共同的工作方式之后

当AI使用逐渐普及以后，一些企业很快会发现，onlyonly让员工自己探索并不够。

研发团队开始统一使用AI Coding工具，客服团队开始建设自己的知识库，运维团队尝试利用AI分析告警和日志，市场部门形成AI辅助内容生产流程，咨询团队建立自己的研究助手和知识Agent。

这个时候发生的变化，已经不是“张三会不会用AI”，而是一个团队开始思考：我们能不能把AI变成一种共同的生产方式？

于是企业开始出现共享知识库、统一工具、部门级Agent、标准提示词、AI工作流和使用规范，个人经验逐渐被沉淀为团队能力。这是一个非常关键的跨越。

因为企业真正能够积累的能力，从来不能只存在于某几个聪明员工的大脑里。只有当个人经验能够进入流程、知识、工具和协作机制以后，它才有可能成为组织资产。但很多企业的AI实践恰恰容易停留在这里。

AI Coding很好用，于是IT部门全面推广；市场团队发现AI生成内容效率很高，于是建立自己的AI内容平台；客服部门觉得知识库效果不错，于是建设智能客服。每个部门都有自己的AI成果，看起来企业AI建设已经非常热闹，但从公司整体看，它们仍然是一个个相互独立的“AI岛屿”。

这时候，企业需要跨越的下一道门槛就出现了。

第三阶段：AI不再只是帮助员工，而是开始重新塑造一个完整的企业职能

我认为“财务人员开始使用AI”和“财务职能被AI改变”，是两件完全不同的事情。

一个财务人员使用AI撰写经营分析报告，仍然主要属于个人生产率改善；财务部门统一使用AI工具，也主要属于部门能力提升。真正进入职能级以后，企业思考的问题已经变成：如果AI能力已经存在，我们today这套财务管理方式本身是否应该重新设计？

费用审核是不是仍然需要按照原来的方式进行？大量规则明确、重复发生的审核能不能由AI先行处理，异常事项再由人判断？经营分析是不是仍然需要大量人工收集数据、制作报表，再由管理者阅读，还是AI可以持续识别异常、分析原因并主动提出需要关注的问题？

同样的变化也会发生在人力资源、采购、法务、研发和客户服务领域。

到了这个阶段，AI已经不只是帮助一个岗位“把原来的事情做快一点”，而是开始改变这个职能本身的运行方式。岗位边界会发生变化，流程需要重新设计，人和AI之间需要重新分工，一些原来依靠人工完成的判断开始由AI辅助，甚至部分自动完成。

这时候，AI项目也di1次真正碰到企业管理的深水区。

因为调整一个人的工具很容易，改变一个职能的运行方式却意味着要重新讨论流程、岗位、责任、数据、绩效和管理规则。技术反而未必是di1困难的部分。企业AI越往后走，越不像一个单纯的技术项目。

第四阶段：当AI跨过部门边界，它才真正开始改变业务

企业里的很多问题，本来就不是一个部门能够du立解决的。

以制造企业为例，销售预测发生变化，会影响生产计划；生产计划会进一步影响采购、库存和物流；供应商发生异常，又可能反过来影响生产和客户交付。如果每个部门都建设自己的AI，即使每个AI单独看都很先进，也未必能够让整条业务链变得更好。

所以企业AI继续深入以后，一定会碰到一个更困难的问题：AI能不能跨越部门边界，进入端到端的业务价值流？

这才是我理解的业务级AI。

比如，AI通过市场和历史订单预测需求变化，这个结果不只是生成一张预测报表，而是进一步影响生产计划、原材料采购、库存策略和物流安排；生产过程中出现质量异常，AI识别的问题能够进一步关联设备状态、工艺参数、供应商批次和历史缺陷，finally形成跨环节的分析和处置。

到了这里，AI改变的已经不是某一个岗位，也不是某一个职能，而是企业创造和交付价值的方式。这一步远比做几个Agent困难。

因为过去企业数字化建设留下的大量问题都会重新出现：部门之间的数据能不能打通，业务口径是否一致，流程责任到底属于谁，一个AI判断影响多个部门以后由谁负责，自动化执行到什么程度必须由人审批。

很多企业未来真正的AI瓶颈，我认为可能并不来自模型能力不足，而来自这些已经存在很多年的组织问题。

AI没有消灭它们，反而因为试图连接更多业务，让这些问题变得更加明显。

第五阶段：企业级AI，不是“所有人都在用AI”

这是我认为极容易产生误解的一层。如果一家企业所有员工都使用AI，能不能叫企业级AI？我认为不能简单这么判断。

因为“所有人都在用AI”，可能只是第一阶段的大规模普及。真正的企业级AI，不应该用人数或者场景数量定义，而应该看AI是不是已经成为企业经营体系中的一种基础能力。

到了这个阶段，企业不会再把每一个AI都当成孤立项目来管理。

管理层需要知道企业到底有哪些模型、Agent、知识库和AI应用，哪些已经进入关键业务，哪些值得继续投入，哪些存在较高风险，哪些依赖外部模型和供应商；企业也需要形成共享的数据、知识、模型和平台能力，而不是每个部门重复建设自己的AI环境。

更重要的是，AI会逐渐进入企业资源配置和经营决策。

管理层讨论的不再只是“今年还要上线多少个AI场景”，而会越来越多地讨论哪些业务问题值得AI介入，哪些AI应该规模化，哪些应该停止投入，人和AI如何重新分工，以及当企业越来越依赖AI以后，如何保证关键业务不会因为模型失效、数据异常或者供应商变化而中断。

到了这里，AI才真正从一种技术能力变成一种企业能力。

为什么很多企业可能会长期停在前两个阶段？

从个人使用AI走到团队使用AI，主要依赖工具普及和员工学习，所以速度会非常快。模型越来越强、价格越来越低、使用门槛越来越低，都会推动这个过程自然发生。

但是从团队级进入职能级，再进入业务级，性质就完全不同了。

企业要改变的不再是工具，而是自己。

原来的流程可能要重新设计，原来的岗位职责需要调整，部门之间的数据需要打通，一些管理权需要重新分配，过去由人承担的责任需要重新界定，企业甚至要重新思考哪些能力必须掌握在自己手里，哪些可以交给AI或者外部供应商。

这也解释了一个看似矛盾的现象：未来可能出现越来越多“AI使用率很高，但AI转型并不深入”的企业。

员工每天都在用AI，部门里到处都是Agent，公司内部也有自己的大模型平台，但企业的组织方式、业务流程、决策机制和价值创造方式几乎没有变化。

这样的企业当然获得了AI带来的效率红利，但还不能因此认为AI已经成为企业级能力。AI的普及程度和AI对企业的改造深度，本来就是两个不同的问题。企业真正要跨越的，不是五个技术等级。把企业AI划分成个人、团队、职能、业务和企业五个阶段，并不是为了再制造一个“AI成熟度模型”。

事实上，我也不认为这五个阶段能够直接dai表一家企业的AI成熟度。

一家企业完全可能已经让AI进入很多业务，却没有建立相应的安全、治理和风险能力；另一家企业的AI应用范围没有那么广，但它的数据基础、治理机制和组织能力反而更加成熟。因此，这五个阶段更准确地描述的是AI赋能企业的深度，而不是企业AI能力的好坏。

但这个视角能够帮助企业看清一个很重要的问题：

随着AI越来越深入企业，企业自身需要付出的改变也越来越大。

第一阶段主要改变个人工作方式，第二阶段改变团队协作，第三阶段开始改变职能，第四阶段改变业务价值流，第五阶段finally触及企业经营体系。

因此，AI转型越深入，决定成败的因素就越不只是AI本身。组织能不能调整，数据能不能支撑，业务愿不愿意改变，风险边界能不能建立，管理层能不能真正理解AI带来的变化，这些过去看起来属于管理问题的事情，会逐渐成为企业AI能力的一部分。

这也是为什么我越来越倾向于从“可持续发展”的角度理解企业AI。

所谓AI可持续发展，并不是让企业不停地增加AI应用，也不是追求某一个漂亮的AI普及率，而是企业在AI不断深入组织和业务的过程中，仍然能够持续创造价值，同时保持必要的治理、安全、风险控制和调整能力。

AI可以替换，模型可以升级，Agent可以淘汰，today的比较好技术几年以后也可能不再适用。真正需要留下来的，是企业持续利用AI改变自己的能力。

所以，当一家企业下一次讨论“我们的AI已经发展到什么阶段”时，也许不应该首先拿出场景数量、模型调用量或者员工使用率。更值得问的是：

AI现在改变的是员工手里的工具，还是已经开始改变我们这家公司本身？

这两个答案之间，可能就是未来几年企业AI真正拉开差距的地方。

数字安全 关注安言