AI都这么能干了，为什么上班还是这么累？
AI都能干活了，公司怎么还是老样子？
最近几年，很多公司都在推动AI转型。
给员工采购AI工具、组织AI培训、鼓励大家使用AI Coding，甚至把AI使用情况纳入绩效考核。
折腾了一圈，效果怎么样？
员工写周报快了，运营做海报快了，研发写代码也快了。可一到实际工作，需求还是要层层审批，跨部门沟通依然困难，一个项目从立项到上线，照样要开十几场会。
好不容易用AI节省了几个小时，结果又花在了开会和汇报上。
挺尴尬的。
AI工具升级了，公司的管理方式却没跟上。
这可能是很多企业推进AI转型时，最头疼的问题。
01.Shopify已经开始重新思考怎么招人了
全球知名电商平台Shopify的一封内部邮件，在科技圈引起了不小的讨论。
CEO Tobi Lütke向员工提出了一项要求：团队申请增加人手和资源之前，需要先证明，为什么现有工作不能通过AI完成。
公司还计划将AI使用情况纳入绩效和同事评价。
这项政策当然存在争议。毕竟，没有哪个打工人会喜欢老板天天琢磨，自己的工作能不能交给AI。
但站在企业经营的角度，这件事确实值得研究。
一个原本需要10个人完成的项目，如果通过AI辅助，5个人就能完成，企业还需要按照原来的方式招聘、分工和管理吗？
如果产品经理已经能够借助AI Coding开发原型，设计师能够批量生成视觉方案，运营能够使用Agent完成大量重复性工作，传统的团队配置是否还有调整空间？
很多企业恐怕都得重新算这笔账。
不过，Shopify的做法也有一个值得注意的地方：它要求团队在申请资源前先考虑AI的能力，实际涉及的是工作如何重新分配。
毕竟，AI能完成一项工作，不代表企业就可以直接裁掉一个岗位。原有的业务、客户关系、系统维护和风险管理，仍然需要有人负责。
而且，对于那些已经发展了十几年、几十年的企业来说，想调整组织，远比买几个AI工具困难。
02.AI原生组织，最难的是老组织怎么办？
很多人讨论AI原生组织，喜欢拿一些AI创业公司举例。
几个人，配合一堆AI Agent，就能完成产品研发、市场推广、客户服务等工作。
听起来很美好。
但绝大多数企业没有从零开始的机会。
公司已经有几百、几千名员工，现有的产品还在赚钱，业务系统运行了很多年，组织架构、汇报关系、绩效考核也早已形成。
老板突然宣布要打造AI原生组织，问题就来了。
新团队可以用AI Coding快速开发产品，老研发团队却要考虑代码规范、安全、稳定性和系统兼容。
新团队希望用Agent自动处理客户需求，老业务团队担心服务质量出了问题，最后还是自己背锅。
更现实的是，新团队可能正在开发一个AI产品，而这个产品很可能会影响老产品的收入。
老业务负责人会愿意主动推动吗？
尤其当两边的业绩指标发生冲突时，事情就更复杂了。
这让我想到前些年很多企业推动数字化转型的经历。
当时大家也在讨论组织变革、数据驱动、敏捷协作。企业成立数字化部门，引入各种系统，希望改变原有的业务流程。
但落地过程中，很多项目还是被原有的组织架构和工作习惯拖住了。
新部门希望推动变革，老部门忙着完成自己的业绩指标。大家都觉得数字化很重要，可一旦涉及预算、人员、决策权和利益分配，事情就没那么容易了。
AI转型可能还要更复杂一些。
数字化转型主要围绕业务流程和数据展开，AI则有机会直接参与甚至完成具体工作，影响现有岗位分工和组织配置。
如果AI真的能把某个部门一半的工作自动化，谁愿意主动站出来推动这件事？
这种问题，光靠技术解决不了。
我觉得企业推进AI原生组织，可能需要在新老组织之间找到一种可持续的协作方式。
比如，让小团队先在特定业务场景试点，验证新的工作流程，再逐步融入原有业务。对于可能影响老产品收入的创新项目，管理层还得重新考虑业绩归属和激励机制。
否则，新团队跑得再快，也可能被老组织拖住。
03.部门墙不拆，AI再厉害也没用
还有一个很现实的问题：部门墙。
很多企业的业务流程，本来就被切成了一个个独立的部门。
产品负责需求，研发负责开发，运营负责增长，销售负责客户，客服负责售后。
每个部门都有自己的负责人、预算和绩效指标。
AI来了之后，大家都开始各自提效。
研发部门引入AI Coding，市场部门引入AI内容工具，客服部门部署智能客服，销售部门也有自己的AI助手。
单看每个部门，效率可能都提升了。
但一项复杂的业务，往往需要多个部门协同完成。
举个例子，一家企业希望通过AI自动处理客户咨询，并推动客户完成购买。
市场部门负责获客，销售部门负责跟进，产品部门负责系统能力，客服部门负责后续服务。
要让AI Agent顺利完成整套流程，需要调用多个部门的数据、系统和业务规则。
市场的数据不愿意共享，销售担心AI影响自己的客户资源，客服要求增加人工审核，研发还要排期对接系统。
最后折腾几个月，AI可能只实现了自动回复客户消息。
各个部门都完成了自己的AI提效目标，公司整体的业务效率却没有发生太大变化。
麦肯锡的一项全球AI调查也反映了类似的问题：近九成受访者表示所在组织已经在至少一个业务环节使用AI，但只有39%的受访者报告AI对企业整体息税前利润产生了影响。
而在AI应用取得较高价值的企业中，重新设计工作流程是一项突出特征。
这组数据值得企业管理者琢磨。
一项复杂业务的效率，往往取决于整个流程能不能顺畅运行。某个环节提效十倍，其他环节仍然需要等待审批、人工录入、反复沟通，最终效果就会大打折扣。
想让AI真正参与跨部门业务，可能需要有人对完整的业务结果负责，而不只是管理自己部门的那几个指标。
比如围绕客户成交这件事，让产品、研发、销售、运营共同对转化率和客户体验负责。
AI工具怎么配置、数据怎么流转、哪些环节需要人工审核，都围绕同一个业务目标来设计。
当然，这种调整也会触动原有的权责关系。
部门负责人愿不愿意共享资源？出了问题谁负责？AI创造的业绩归谁？新的团队需要向谁汇报？
每一项都可能成为改革的阻力。
企业最难打破的，可能是已经运行多年的组织惯性。
04.AI原生组织，可能会重新定义很多岗位
随着AI能力越来越强，企业内部的岗位分工也可能发生变化。
产品经理、设计师、研发工程师、测试工程师，原本各司其职的工作，开始出现越来越多的交叉。
AI Coding让产品经理能够独立实现一些简单功能，AI设计工具提高了设计产出效率，自动化测试也在改变传统研发流程。
企业可能逐步出现更多小规模、高自主权的团队。
少数几个人负责完整业务目标，配合多个AI Agent完成具体任务。
但组织调整恐怕不会一帆风顺。
一方面，AI提高了个人的工作能力，企业确实有机会减少重复劳动。
另一方面，团队规模缩小后，每个人需要承担的责任反而可能更多。
产品经理可能需要理解技术架构，研发工程师需要参与产品判断，运营人员也要具备一定的数据分析和自动化能力。
对企业来说，人才的评价标准也会变化。
员工究竟会用多少AI工具，可能没那么重要。更值得关注的是，他能否独立负责一项业务，能否借助AI解决复杂问题，最终交付什么样的结果。
而对于管理者来说，挑战更大。
本文来自微信公众号“人人都是产品经理”（ID：woshipm），作者：怪哥，36氪经授权发布。
