本文嘉宾：李智勇，《无人公司》之父、《AI原生组织》理论创建者之一。

过去两年，AI迅速进入企业。

大家开始用AI写文案、做方案、写代码，高管参加各种AI培训，企业纷纷上线大模型、知识库和智能助手。但一个越来越明显的反差也随之出现：AI的使用率在快速上升，90%以上企业管理者却没有明显感受到收入、利润和组织效率发生根本变化(NBER,光大证券研究所）。

为什么AI能力如此强大，每个人似乎也都在使用AI，整个企业却没有因此变成一家新的企业？

在《无人公司》之父、《AI原生组织》作者李智勇看来，问题在于，大多数企业只是把AI接入了原有组织，却没有围绕AI把组织彻底的重新设计。

真正的AI原生组织，绝不只是给每个员工增加一个AI工具，而是要重新回答四个问题：

谁思考？谁执行？谁负责？谁进化？

这是这个时代背景下企业管理者必须回答的问题，也是一场每个人都无法回避的时代大考。

一、AI的使用率越来越高，为什么很多企业管理者依然“无感”？

AGI Signal： 现在企业里使用AI的人已经越来越多，但不少高管仍然觉得，AI似乎没有给经营结果带来多大变化。问题究竟出在哪里？

李智勇：因为“员工使用AI”和“企业成为AI原生组织”，是两件完全不同的事情。

一个员工用ChatGPT写周报，一个程序员用AI补全代码，一个市场人员用AI生成十篇文案，这些都能提高局部效率。但任务还是由人发现，目标还是由人拆解，流程还是由人推动，部门之间的冲突还是由人协调，出了问题也还是人去补救。

这绝不是AI原生组织，因为AI虽然进入了企业，却仍然只是附着在个人身上的工具。

结果就是：每个人都快了一点，但整个公司没有变快；局部产出增加了，组织的协调成本却没有下降，有时甚至还会上升。

陈春花老师和我在《AI原生组织》中，把这种现象描述为“倒钻石陷阱”。

钻石的底部很宽，意味着大量员工都在使用AI；越向上走却越窄，到了企业经营结果这一层，收入、利润、客户价值和组织效率的变化却非常有限。

简单地说：

员工端很热闹，经营端没感觉。

所以，企业不能只看消耗了多少Token、采购了多少账号、上线了多少智能助手，而应该关注另外几件事：

有多少完整任务已经由AI自主完成？人的介入次数有没有下降？AI是否真正创造了收入、降低了成本？系统是否能够根据结果持续改进？

员工使用AI的次数，不等于企业的AI原生程度。企业要看的不是调用量，而是长时程任务的自主完成率。

二、你过去长期从事AI技术和产品，为什么后来开始研究组织？

AGI Signal： 你过去主导过类Alexa系统的架构设计，也带领产研团队参与过小爱同学、小度在家和北京冬奥会后台的关键工作。后来又参与企业经营、融资和盈利。你为什么会从技术和产品走向组织研究？

李智勇：正是因为经历了技术、产品和企业经营这几个阶段，我越来越清楚地认识到：模型能力、产品能力和组织能力，是三件不同的事情。

一个技术在实验室里跑通，不等于它能成为好产品；一个产品被大量使用，也不等于它能够改变企业的经营结果。

很多时候，决定一项技术最终价值的，并不是技术本身有多先进，而是企业能不能围绕它重新设计目标、流程、权力、责任和利益分配。

在我长期运营企业的过程里，我发现这种组织形态的层级比单点突破要重要很多。

我过去做大型AI系统时，关注的是机器能不能听懂、能不能判断、能不能执行；后来经营企业，我开始关注另外一些问题：

为什么同样的技术，在不同公司里会产生完全不同的效果？为什么很多系统技术上能跑，组织里却推不动？为什么有些公司技术并不领先，却能迅速把技术转化为收入和利润？

答案往往不在模型内部，而在组织内部。

所以，我写《无人公司》的时候，是在思考：当AI的认知和执行能力不断增强，企业最终会变成什么样子。

而现在《AI原生组织》讨论的是另外一个更加现实的问题：

今天的企业，究竟应该怎样一步步走向那里。

三、市面上讨论AI转型的书已经很多，为什么还要写《AI原生组织》？

AGI Signal： 现在关于AI转型、智能体和大模型应用的书已经很多。《AI原生组织》究竟想多回答一个什么问题？

李智勇：大多数关于AI转型的讨论，回答的是“企业怎样使用AI”。

《AI原生组织》想回答的是：

当AI开始承担认知、决策和执行之后，企业本身应该变成什么。

使用AI，主要是一个技术和工具问题，这时候的AI和我们在企业里面把电脑用起来其实差不多；成为AI原生组织，则是一个组织形态问题。

技术可以回答AI能不能做一件事，但改变组织则必须回答：谁有权让它做？它可以做到哪一步？出了问题谁负责？系统怎样从结果中获得反馈？AI的能力进化之后，人的角色、部门的边界和公司的权力结构是否也需要改变？

因此，这本书不是手册，也不只是一本大模型部署的指南。

它探讨完全不一样的话题。

具体来说是关于：

当AI真正进入组织以后，企业的权责结构、决策机制、协同方式、人才结构和风险体系应当如何变化。

很多企业现在的做法，是把AI装进原有公司。

我们想讨论的是另一件事：

不是把AI装进公司，而是按照AI重新设计公司，重新定义AI与人的角色边界。

这正是《AI原生组织》与一般AI讨论最根本的区别。

四、究竟什么是AI原生组织？

AGI Signal： “AI原生组织”现在也开始成为一个热门概念。你所说的AI原生组织，与一般意义上的数字化企业有什么区别？

李智勇：在《AI原生组织》中，我们给出了一个相对完整的定义：

AI原生组织，是以人工智能为核心认知与执行基础设施，通过重构组织权责结构、决策机制与协同方式，使人类价值判断与机器计算能力形成制度化协作，从而在高度不确定的环境中实现持续适应与价值共生的组织形态。

这个定义比较学术。说得简单一点，核心就是：

AI不再只是企业中的一件工具，而开始成为组织中的认知和执行主体。

在传统的AI工具模式中，人是思考者，AI是执行助手。人必须先把问题想清楚，再把明确的任务交给AI。AI能创造多少价值，很大程度上仍然受限于人的认知和指令水平。

比如，我让ChatGPT帮我写一篇市场文案，这时候AI是工具。

但如果一个智能体能够持续负责公司的市场推广，自己分析数据、选择渠道、生成内容、投放测试，并根据结果调整策略，它就不再只是完成一次指令，而是在承担一个持续的组织角色。

在这种模式下，人不再规定每一个动作，而是负责设定目标、原则和责任边界；AI负责理解环境、寻找路径、调度资源和完成执行。

这意味着，组织的价值上限开始发生变化。

在工具模式下，价值上限主要是人的能力；在主体模式下，价值上限越来越取决于AI系统能够以多快的速度学习和进化。

五、把AI称为“主体”，会不会为裁员和甩锅提供一个高级理由？

AGI Signal： 你一直强调“AI主体论”。但有人可能会质疑：把AI说成主体，会不会只是为裁员和管理者甩锅提供一个更高级的概念？

李智勇：这是一个非常让人头疼的话题，但我还是直接回答下。

AI成为认知和执行主体，不等于AI成为最终责任主体。

AI原生组织也不是为了取消人，而是重新安排人的位置。

过去，人被嵌在企业的每一道流程中：接收信息、转发信息、填写表格、推动审批、跟踪进度、汇总结果。大量人的工作，本质上是在充当信息和流程的齿轮。

我在做COO期间大量拆解过某类研发企业的全部角色，可以很肯定说：很多角色一半以上的时间花在了这类工作上。

AI原生组织要做的，是把人从这些齿轮性工作中逐渐解放出来。

未来，人更重要的职责，是决定企业追求什么、不追求什么，哪些风险可以承担，哪些底线不能突破，以及在AI出现问题时，谁必须进行干预和兜底。

所以，人的角色不是从组织中消失，而是从流程操作者转向目标设定者、价值判断者、规则制定者和责任承担者。

我一直强调：

AI原生不是无人负责，而是人不再事事亲自执行，但必须对AI的执行结果负责。

企业不能因为一项决定是AI做出的，就认为没有人需要承担责任。恰恰相反，AI越强，企业越需要明确授权、监督、审计和责任边界。

AI可以获得越来越多的行动权，但责任不能因此凭空消失。

这对人其实是提出了更高的要求，如果是OPC(一人公司）那你需要给定位、营销、开发、测试、精细化运营等所有公司经营需要的环节兜底。

六、你经常提到Medvi，这家公司本身存在合规争议，为什么仍然值得研究？

AGI Signal： Medvi是一家充满争议的公司。把它作为AI原生组织的案例，会不会反而说明这种高度压缩的组织模式非常危险？

李智勇：Medvi不是一个值得照搬的道德样板，但它是一个必须研究的组织样本，正好可以同时凸显收益和风险，所以非常值得关注。

根据公开报道，Medvi以极小的核心团队，连接了用户需求、广告投放、医生网络、药房、支付和履约体系，并形成了数亿美元规模的销售额。

无论如何评价它的具体经营行为，也无论最终这家公司是否明天就倒闭了，这种组织结构本身都值得高度关注。

在传统企业里，营销、客服、运营、分析、医生服务、药品履约等能力，往往需要通过大量内部员工和部门来完成。

而在Medvi的组织结构中，大量内容、投放、客服和数据分析由智能系统承担，医疗和履约则通过外部专业生态完成，核心团队主要负责目标、资源、品牌和风险边界，当然系统出错的时候他们也得负责兜底。

它展示的是一种极端的“组织压缩”：

需求流量进入系统，AI完成大量作业，外部生态负责专业履约，交易产生利润，利润再投入下一轮增长。

过去，公司扩张主要依靠招募更多员工；未来，公司可能更多依靠连接模型、智能体和专业服务网络扩张。

当然，组织压缩绝不能以逃避责任为代价，这背后就引发这种以智能体为核心的系统的精度问题。越接近医疗、金融、交通等高风险领域，越需要更严格的合规审查和人工控制。

所以，Medvi给我们的不是一个简单的正面或负面答案，而是一个重要提醒：

AI肯定可以极大压缩组织，但压缩掉流程，不等于可以压缩掉责任。

在这里技术的精度和责任所需要对应的风险紧密的连接到一起了。

七、这种组织变化，究竟只是效率提升，还是会改变企业的性质？

AGI Signal： 如果只是少招一些人、提高一些人效，似乎仍然只是效率问题。为什么你认为AI会改变企业本身？

李智勇：我们可以看出租车公司、网约车平台和Robotaxi的变化。

传统出租车公司的核心价值主要由人创造。司机负责感知道路、判断路线、驾驶车辆和处理突发情况，公司主要管理车辆和司机。

到了滴滴、Uber这样的网约车平台，算法开始创造一部分核心价值。系统负责供需匹配、定价、调度和路径推荐，但驾驶和现场判断以及某些对司机的管理仍然主要由人完成。

到了Robotaxi阶段，感知、判断、规划和驾驶基本都由AI完成，而对车辆的管理则是另外的算法负责。企业最核心的生产资料和组织能力，开始从司机队伍转向模型、数据、车辆系统和运营网络。

三者看起来都提供出行服务，实际上却是三种完全不同的组织。

越是早期组织越是表现为人、工具和流程的组合；越往后组织则越内化为一套系统

所以，判断一家公司是不是AI原生，不能只看它卖什么产品，也不能只看员工是否使用AI，而要看：

这家公司最核心的价值，是否变成主要由AI创造。

当价值创造主体改变以后，组织结构一定会跟着改变。

过去，企业的基本单元是岗位和员工；未来，企业的基本单元可能逐渐变成目标、状态、智能体和可调用的能力。

把人的创造性、履责和上面提到的高效生产系统放到一起最终得到的就是《AI原生组织》中所描述的星河形态。

八、连Anthropic自己都遇到内部数据问题，普通企业凭什么认为自己能做好AI原生转型？

AGI Signal： Anthropic已经拥有世界上最先进的大模型之一，但它在使用Claude处理内部数据分析时，仍然遇到了准确率波动。连最懂AI的公司都做不好，普通企业为什么能做好？

李智勇：这恰恰说明，拥有先进模型，不等于天然拥有AI原生组织。

我经常用高铁和铁轨来做比喻。

大模型像高铁，企业的数据、流程、知识、权限和反馈体系则像铁轨。

高铁性能再先进，如果铁轨没有铺好，仍然跑不起来；在平原上修得很好的铁轨，也未必适用于高原、山区和复杂气候。

Anthropic的案例说明，企业环境是持续变化的：数据表会变，业务定义会变，指标口径会变，组织中的知识和Skill也需要同步更新。

如果这些环境没有被持续维护，即便模型本身非常先进，输出质量仍然可能快速下降。

这些环境的维护牵涉的基本不是技术问题，而是企业级的生产关系。企业级的生产关系是什么呢？是权责利风险的综合。

因此，AI原生组织不可能是部署一次就结束的软件升级。

它需要持续获得最新状态，理解业务变化，调用正确的工具，并根据真实结果修正自己的行为。

一个真正能够工作的AI原生系统，至少需要持续更新的数据、全局一致的业务状态、明确的行动权限、执行结果的反馈、异常处理机制，以及可审计、可回滚的治理体系。

很多企业以为，购买一个大模型、接入一个知识库、增加一个聊天入口，就完成了AI转型。

实际上，这大致等于把高铁买了回来，擦了擦窗户，如果不把轨道修起来，那它是跑不起来的。

模型决定AI有多聪明，组织系统决定这种聪明能不能转化成结果。

《AI原生组织》真正要解决的，正是模型与企业之间这段经常被忽视的距离。

九、为什么很多AI系统演示时已经达到99%，真正落地却依然困难？

AGI Signal： 现在很多AI产品演示时效果已经非常惊艳，甚至号称达到99%的准确率。为什么企业仍然不敢真正把业务交给AI？

李智勇：一部分是前面说的原因。理想环境可以是99%，那真实环境的精度呢？

真实环境通常不理想，因此一般来讲精度会下降。

更关键的则是演示环境和真实世界之间，隔着责任。

这种责任首先导致理想环境和真实环境的应用差异。

在有的岗位上，AI写错一段文案、生成错一张图片，重新生成即可，但判决书显然不能这样。

不同场景对AI精度的容忍度非常不一样。

一旦进入原子世界，情况就更不同。

自动驾驶的一次错误可能伤人，医疗系统的一次错误可能影响患者，财务系统的一次错误可能造成资金损失，合规系统的一次错误可能触发监管处罚。

在这些领域，小概率乘以高频，就可能变成必然事故。

所以，一个系统在演示中接近可用，不等于它能够在高频、开放、带有责任后果的环境中被托付。

从99%走向100%，并不是简单提高一个百分点，而是要解决极端异常、系统冗余、人工接管、审计追踪、责任认定和赔偿机制。

99%和100%之间，本质差的不是精度问题，而是责任问题。

这就回到前面说的，这些问题表面上表现为技术和数据问题，背后却涉及整个企业的权、责、利和风险体系。

这也是为什么许多数字化项目技术上并不复杂，最后大部分却依然失败。组织问题如果没有解决，单纯从技术角度优化，很容易缘木求鱼。

因此，AI原生组织不能对所有业务采用同一种自动化策略。

风险低、能够回滚的任务，可以让AI拥有更高的自主权；涉及生命、资金、法律责任和重大声誉风险的任务，则必须保留严格的人类控制节点。

真正的AI原生，不是把所有事情都自动化，而是为不同风险等级的任务，设计不同的人机边界。

从这个角度看，重新定位人和AI的边界大致等于重新平衡效率和责任的关系。

十、企业应该从哪里开始？成立一个AI部门会不会再次制造新的组织孤岛？

AGI Signal： 企业过去成立过数字化部门、创新中心和大模型团队，很多最终都变成了新的孤岛。如果成立专门的部门，凭什么不会重蹈覆辙？

李智勇：关键区别在于，新成立的AI 组织不能只对技术交付负责，而必须对完整的业务结果负责。

传统的AI部门往往采用项目制：业务部门提出需求，技术部门开发系统，系统上线之后完成交付，业务还是按照原来的方式运转。

如果这么整，新部门很容易变成新的IT支持部门。

假如成立AI BU必须把业务、产品、技术、数据和管理放在同一个闭环里。它不是给原有业务提供几个AI工具，而是尝试建立一个由AI主导的最小业务单元。

这个业务单元必须拥有明确的目标、输入、资源、权限、结果反馈和责任人。

企业一开始不需要提出“全面AI化”，也不应该先建设一个巨大而抽象的平台，这点要从过去的中台建设中吸取教训。

最好的起点，是选择一个边界清晰、结果可以衡量、错误成本可以承受的完整任务。

注意，是完整任务，而不是一个零散动作。

比如，在小红书上生成一篇内容，只能说明AI具备操作能力；持续发布一周而账号不出现异常，说明系统开始具备持续运行和合规能力；能够持续获得流量，意味着它开始完成跨环节协同；能够自主选品并卖出一件商品，才真正形成业务闭环。

这几个阶段分别检验：

AI能不能做，能不能持续做，做了以后有没有效果，以及能不能最终形成收入和利润。

很多AI项目停留在第一层，企业却误以为自己已经完成了转型。

所以，AI项目不能只用“功能是否上线”来验收，而应该看任务成功率、人工介入次数、连续运行时间、异常率、业务结果和责任成本。

一个能够自动生成一百篇内容的系统，未必比一个能稳定卖出一件商品的系统更先进。

因为后者完成了从能力到结果的跨越。

这个过程里，这个新部门可能还需要采用“双轨制”：一条轨道解决当前业务问题，另一条轨道沉淀数据接口、业务状态、智能体、权限、评测和反馈等长期基础能力。

这样才可能确保，短期项目不脱离长期能力建设，长期平台也不脱离真实业务空转。

十一、AI原生组织会怎样改变管理者和普通员工？

AGI Signal： 这种变化会不会意味着，很多人的专业能力将迅速贬值？

李智勇：一些以信息搬运、流程推动和标准化执行为主的能力，确实会受到很大影响。

但这并不意味着人的价值必然下降，而是人的价值体现模式正在发生变化。

过去，一个优秀管理者的重要能力，是拆任务、招人、分工和协调。未来，他还需要知道哪些任务应该交给AI，如何定义AI的目标和边界，如何评价AI的结果（反馈），以及什么时候必须由人接管。

过去，企业需要的是“自己能够把事情做好的人”；未来，企业更需要“能够让一组AI持续把事情做好的人”。

这是非常彻底的角色升级，但不是人的价值下降，恰恰相反，人的价值会大幅上升。

如果说这是场赶考，那这场赶考首先考的也不是会不会写提示词。

而是一个人能不能把自己的工作重新描述成目标、环境、约束、资源和验收标准；能不能把任务交给AI；能不能建立反馈机制；能不能判断AI到底完成了任务，还是只生成了一个看起来不错的答案。

一个人使用AI提高写作速度，只是提高了个人生产率。

一个人能够建立一套持续工作的AI系统，让它获取信息、调用工具、执行任务、接受反馈并不断改进，才真正开始具备AI原生能力。事实上梁文锋描述的TileLang开发过程和贾扬清新创业项目fleet完成数据库软件的开发估计都是类似的过程，AI原生组织不过是把这种模式扩展到了日常工作。

未来的很多人，都会像在经营一个自己的小型BU。

他不再只是一个岗位上的专业执行者，而是一个目标的负责人、资源的组织者和AI系统的管理者（也是反馈提供者）。

从这个角度看：

AI时代最稀缺的，不一定是亲自完成任务的人，而是能够定义任务、组织智能并对结果负责的人。

十二、《AI原生组织》《无人公司》和你所说的“智能体经济”，是什么关系？

AGI Signal： 你先提出“无人公司”，现在又出版《AI原生组织》，同时还在讨论智能体经济。这些概念之间究竟是什么关系？

李智勇：它们不是三个彼此孤立的概念，而是AI带来变化的，由浅到深的三个层次。

《AI原生组织》回答的是：今天的企业怎样重新划分人与AI的边界，怎样完成组织重塑。

《无人公司》回答的是：当这种改造走到极致以后，企业最终会变成什么样子。

智能体经济回答的则是：当大量拥有持续目标、状态、资产、行动权和反馈机制的AI组织进入经济系统以后，交易主体、财富结构和责任体系会发生什么变化。

所以，这条主线非常清楚：

组织如何改变，企业将走向哪里，经济又将如何被重构。

无人公司不是指一家企业在法律意义上没有任何人，也不是简单的一人公司，更不是一个人使用很多AI工具。

它描述的是一种新的组织极限：企业的大量日常经营活动，不再依赖人持续介入，而是由智能系统自主运转。

人主要位于系统之外，负责目标、价值、原则、资源和最终责任。

当一个AI系统只接受一次指令、完成一次任务时，它仍然只是工具。

当它能够跨越时间持续拥有目标、理解环境、调度资源、采取行动、接受结果反馈并不断进化时，它才开始具备经济主体的特征。

大量这样的系统出现以后，智能体经济才会真正成立。

但我提出无人公司，并不是为了证明未来不再需要人。

我真正想追问的是另一个问题：

当人逐渐从执行中退出之后，人应该站在哪里？

我认为，人会越来越多地站在意义、价值、目标、原则和责任的位置上。

AI负责寻找路径和执行，人负责决定方向和边界。

所以，AI原生组织既不能停留在旧时代的工具思维里，也不能滑向不负责任的技术激进主义。

停留原地，会被时代变化淘汰；只把AI当作工具，看不到组织结构的变化；把一切都交给AI，又可能造成失控。

真正的道路，是一边前进，一边重新划定技术、人与责任之间的边界。

AI原生组织这场考试，表面上考的是企业会不会使用AI，实际上考的是我们能否重新回答：谁来思考，谁来执行，谁来负责，以及谁拥有进化的权利。

这张考卷是时代性的。

每个人、每个企业，都必须给出自己的答案，完成这场人与AI的共生进化。

最后我用我的朋友，羲悉智能蔡炎松博士给企业描述的愿景来表达下我个人对此的期望：Human Creativity,AI productivity。

假设真的如此，那我想《AI原生组织》与《无人公司》的意义也就得到了体现。