📔 笔记整理 · 🌿 生长中 · 图例见 本站的诚实规则
我感觉，企业AI转型大概可以分成五个阶段。
认知先行，个人提效，流程优化，架构优化，最后才是AI原生。
这五个阶段并不是简单地从容易到困难，也不是说每一家企业都必须完整走一遍。它更像是AI逐渐进入一家企业的过程。一开始只是老板知道AI是什么，然后是员工自己开始使用AI，再然后是AI进入公司的工作流程，接着公司为了让这些流程稳定运行，开始改造自己的技术架构和组织架构。等到最后，公司的产品、岗位和协作方式本身都是围绕AI设计的，这时才可以叫AI原生。
很多企业一上来就想买一个AI平台，或者想做一个企业知识库，我感觉这是不对的。你连AI可以解决什么问题都不知道，也没有人真正用AI完成过工作，这个时候搭出来的平台大概率只是一个新的摆设。
架构不应该凭空设计出来。架构应该从已经验证成功的个人用法和工作流程里面长出来。
第一阶段 认知先行
认知先行指的是，管理层需要先对AI的能力有基本的认识。
这里的管理层其实可以分为两种。
一种管理层是从基层做起的。他自己做过员工正在做的事情，知道一份表格是怎么来的，知道一个客户为什么迟迟没有成交，也知道员工嘴里说的“这个流程很复杂”到底复杂在哪里。
这种管理者往往能够更快地理解AI能做什么。只要给他展示几个真实案例，他就可以立刻联想到自己的业务。
另一种管理层是不熟悉基层工作的。他负责管理、谈客户和调配资源，但是并不会亲自完成员工每天做的任务。
这种情况下，管理者对AI的判断就很容易被员工的态度阻挡。员工可能会说这个工作AI做不了，这个数据不能给AI，这个流程太特殊，或者AI生成的内容根本不能用。
这些话不一定是错的。员工可能是在担心AI取代自己，也可能是采用AI以后短期工作量反而增加了。还有一种情况是，做好了没有额外收益，做坏了却要承担责任，那么最理性的选择当然就是拒绝改变。
所以认知先行不是给老板讲一遍“大模型是什么”，也不是展示几个看起来很炫的案例。真正要做的是让管理层拥有基本的独立判断能力。
他至少应该能够判断：
- 哪些工作主要是信息的读取、整理、判断和输出；
- 哪些工作可以让AI先做，人再检查；
- 哪些工作涉及真实责任，必须保留人工审批；
- 哪些工作现在不应该碰；
- 一个AI项目到底是真的产生了价值，还是只做了一个演示。
在这个阶段，我们可以提供的是企业AI培训和转型诊断，而且首先是针对管理层的。
我们要进入企业，观察真实工作，和管理者、员工分别交流，然后整理出一份AI场景清单。哪些场景适合立刻尝试，哪些场景需要准备数据，哪些场景风险太高，哪些场景看起来很先进但没有必要做，都要说清楚。
这个阶段成功的标志，不是所有人都说自己重视AI，而是管理层能够明确说出三个值得尝试的场景，并且知道每个场景的目标、成功标准、责任人和风险边界。
第二阶段 个人提效
当管理层有了基本认知，我们完成了初步判断，下一步就是个人提效。
这里需要对员工进行培训，但是我感觉单纯讲工具没有用。员工听完课以后觉得AI很厉害，回到工位上仍然不知道自己应该输入什么，也不知道自己的工作怎么交给AI，这种培训等于没有完成。
真正有效的培训，必须直接使用这个岗位每天都在处理的任务。
比如行政人员怎么整理会议记录，销售怎么调查客户和写跟进邮件，财务怎么核对表格，招投标人员怎么寻找项目、阅读文件和准备报名材料，程序员怎么让Agent修改代码、运行测试和检查结果。
所以个人提效可以分成几个层次。
第一层是通用培训。让员工理解聊天AI和Agent的区别，学会上传文件、描述需求、判断结果、保护隐私。这一层最容易标准化，也最适合大规模交付。
第二层是岗位培训。针对不同岗位，把真实工作拆成一系列可以反复执行的任务。岗位培训可以有明显溢价，因为我们提供的已经不是工具介绍，而是对这个岗位工作方式的重新整理。
第三层是岗位工作手册。不是让员工记住一百个提示词，而是告诉他遇到什么任务时应该用什么工具，输入什么材料，经过哪些步骤，什么结果算成功，结果不对时怎么恢复。
如果多个客户、多个岗位反复出现同一个问题，我们才应该考虑把它做成工具或者SaaS产品。
不是先想一个SaaS，然后到处找人使用，而是在培训和服务的过程中，发现大家都在重复做同一件事情，这时产品才自然出现。
个人提效阶段的成功标志，是一个员工至少形成三个可以独立重复的AI工作方式，而且我们可以测量它节省了多少时间、减少了多少错误。只有员工第二天离开培训现场以后还能自己完成，才算真的交付。
这一阶段是我目前最看好的生意。它容易展示，交付边界清楚，不需要一开始就接管企业的系统，而且每一次培训都可以帮助我们理解一个新的行业和岗位。
第三阶段 流程优化
个人提效解决的是一个人怎么工作得更快，流程优化解决的是一群人和多个系统怎么共同完成一件事情。
比如招投标业务，不只是让员工用AI读一份招标文件。完整流程可能是：
寻找招标信息
→ 判断项目是否适合报名
→ 登记项目台账
→ 准备报名材料和邮件
→ 人工审批
→ 发出邮件
→ 获取招标文件
→ 跟踪截止时间和下一步动作到这一步，问题就不再只是AI会不会生成内容了。它会涉及多个岗位的责任、数据从哪里来、谁有权限操作、什么时候必须人工确认、失败以后通知谁、每一步的状态记录在哪里。
所以流程优化的难度和成本都会显著增加。
我之前感觉流程优化只能给企业提供咨询服务，很难直接上手整改，因此不是好生意。现在我感觉这个判断只对了一半。
流程优化确实不是一个适合低价标准化交付的生意。企业如果自己都说不清楚流程，外部团队进去以后很容易陷入无限定制。你改完一个环节，马上又会发现上一个环节的数据不标准，下一个环节的责任人不愿意配合。
但是流程优化也是真正能够产生高价值的地方。因为一旦把一个高频流程跑通，节省的就不再是某个员工十分钟，而是整个部门长期重复消耗的时间。它也会形成很强的客户黏性和行业壁垒。
正确做法不是一上来改造整家公司，而是一次只选择一个边界清晰、频率足够高、结果可以量化的流程。
我们需要把这个流程变成一个可以观察的状态机：输入是什么，现在进行到哪一步，下一步由谁负责，什么情况下需要人工审批，什么情况下算失败，失败以后如何恢复。
集成商工单、招投标报名自动化、财务四流一致，其实都属于流程优化。
这个阶段成功的标志，是一个真实流程从头到尾跑通，并且有明确的输入、输出、状态、负责人、审批闸门、异常处理和操作记录。它还必须能够证明周期缩短了，错误减少了，或者原来无法处理的业务现在可以处理了。
这一阶段我们应该谨慎选择项目。不是客户说想自动化什么就做什么，而是先判断流程是否稳定、数据是否存在、负责人是否愿意配合，以及结果能不能验收。
第四阶段 架构优化
当一家企业只有一个AI流程时，完全没有必要谈什么AI中台。
但是当不同部门都开始使用AI，问题会自然出现。每个部门都在重复上传同一批资料，每个系统都有自己的账号和权限，每个Agent都不知道其他Agent做过什么，模型费用无法统计，错误没有日志，数据泄露以后也不知道是谁调用的。
这时才需要进行架构优化。
这里的架构不只是技术架构，也包括组织架构。
技术架构包括企业知识库、数据库、系统接口、模型网关、账号和权限、Agent调度、日志审计、测试、回滚和容灾。
组织架构包括谁来提出目标，谁对AI结果负责，谁审批高风险操作，谁维护知识库，谁处理异常，以及不同部门之间如何交接任务。
架构优化真正要解决的问题，是让新的AI流程不再每次从零开始。一个新流程应该能够直接复用企业已有的身份、权限、数据、知识、模型和日志系统。
这一阶段很难由外部团队直接接管。因为它会触碰企业内部最核心的数据、权责和系统。如果管理层没有足够支持，或者前面没有已经验证成功的流程，架构项目很容易变成一套昂贵但是没人使用的平台。
所以架构优化不能抢跑。
它应该从多个成功流程里面长出来。我们先把具体流程做成，再观察哪些能力被反复使用，然后把这些重复能力抽象成企业的公共基础设施。
这个阶段成功的标志，是企业新增一个AI场景时，不再重新购买一套工具、重新整理一遍数据、重新设计一次权限，而是可以在已有架构上快速搭建和验证。
现阶段我们可以参与架构设计，也可以提供局部实现，但是不应该轻易承诺接管一家传统企业的完整AI架构改造。
第五阶段 AI原生
AI原生不是给传统企业安装几个Agent，也不是把原来的系统接上一个大模型。
AI原生指的是，一家公司的产品、流程、岗位和协作方式从一开始就是围绕AI设计的。如果拿掉AI，这家公司原来的组织方式甚至无法成立。
我感觉，传统企业当然可以不断接近AI原生，但是想彻底改造成AI原生非常困难。真正的AI原生公司更可能是AI时代的初创企业，最有可能从OPC扩张而来。
一个人先利用AI完成原本需要一个团队才能完成的工作。当业务增加以后，他不是立刻按照传统公司的方式招聘大量员工，而是先把工作拆成任务、流程和状态，再让少量的人分别管理一组Agent。
未来的公司，人与人的合作方式可能不再依赖频繁见面和开会。每个人都面对一个自己的AI助手，公司拥有一个完整清晰的知识库和数据库，整个公司像一个巨大的状态机。
员工不需要每天开会汇报自己做了什么。他的任务、进度、产物、问题和下一步动作都已经被系统记录。老板也不需要不断询问员工现在做到哪里，他可以通过自己的AI了解公司的真实状态。
员工与员工之间也不需要反复同步上下文。一个人完成任务以后，留下任务记录、真实产物、测试证据和交接报告，下一个人就可以继续工作。
这其实很像GitHub的协作方式。
两个不同国家、不同专业、从来没有见过面的人，可以通过Issue、Commit、Pull Request、Review和CI共同完成一个项目。他们不需要先建立复杂的人际关系，只需要对问题、接口、产物和验收标准达成一致。
我的Jarvis主控和项目负责人系统，也是在借鉴这种合作方式。
Jarvis不要求每个Agent持续互相对话。主控定义目标和成功标准，负责人独立执行，完成以后提交产物、证据和报告，主控再根据报告进行验收和下一步路由。
这种方式的核心不是多开几个Agent，而是把复杂工作改造成可分派、可验收、可恢复、可交接的异步协作工程。
当然，AI原生不等于人不再交流。信任、谈判、责任、创造力和真实关系依然属于人。AI真正应该减少的是大量低价值的状态同步，而不是消灭人与人的连接。
AI原生阶段的成功标志，是企业出现了过去没有AI就无法成立的新产品、新服务或者新组织方式，而且它能够形成真实收入。企业的扩张不再主要依赖增加人数，而是依赖更好的流程、更强的Agent和更清晰的知识系统。
我们现阶段应该做什么
如果把这五个阶段对应到我们自己的生意，我感觉路线已经比较清楚了。
第一阶段和第二阶段，是我们当前最容易切入、也最容易形成现金流的部分。通过管理层培训、企业诊断、通用培训、岗位培训和工作手册，我们可以进入企业，理解真实需求，同时积累课程、案例和行业知识。
第三阶段不能完全放弃，但是必须挑选。只做边界清楚、负责人明确、可以量化验收的流程。流程优化虽然交付重，却可以形成高客单价、客户黏性和真正的行业壁垒。
第四阶段暂时以理解和积累为主。不要为了显得先进就给客户建设AI中台。只有当多个流程已经跑通，公共能力真的重复出现时，才开始做架构抽象。
第五阶段不应该只是拿来给客户讲故事，而应该先由我们自己实践。Jarvis、StarPeer、总控和负责人机制、报告交接、知识库和自动化流程，都是我们对AI原生组织的实验。
所以，我们对外提供企业AI转型服务，同时也在用自己的公司验证企业AI转型的终点。
最终，我们卖的可能不是某一个工具，也不是一次培训，而是一条企业逐步进入AI时代的路径：
管理层获得判断力
→ 员工形成个人AI工作方式
→ 一个真实业务流程完成闭环
→ 多个流程共享统一基础设施
→ 企业形成AI原生产品和组织方式不要一开始就向企业出售平台。先让一个人真的变快，再让一个流程真的跑通。平台从成功流程中生长出来，AI原生从成功架构中生长出来。