AI的瓶頸不是算力，而是…

圍繞AI的討論，外界已經形成了一套相對穩定的敘事框架：算力決定上限，模型決定能力，數據決定智能水平。

但如果你真正置身一家“all-in AI”的企業，會看到另一條并不對稱的曲線——AI能力的提升近乎指數級，而組織的適配速度卻依然是線性的，甚至是階梯式的。瓶頸并不在技術本身，而出現在一個更少被直面的問題上：

AI已經能做什么，已不是關鍵；組織是否敢讓AI去做，才是。

HBRC專家撰稿團成員，特贊科技創始人及CEO

同濟大學教授、博導、設計人工智能實驗室主任

范凌|撰文

一個“看起來合理”的數字

往往掩蓋了真正的保守

2025年初，我向技術團隊提出了一個看似直接的問題：目前公司里，有多少代碼是由AI完成的？答案是30%。一個在行業里并不罕見，甚至聽起來還不錯的數字。

但這個數字的關鍵，并不在于高或低，而在于比較對象。如果這是從0%到30%，它意味著進步；但如果在技術條件允許的情況下，本可以接近100%，那么30%反而暴露出組織的克制。這并非效率問題，而是決策邊界的問題。

要真正理解AI如何改變組織，單靠概念討論并不足夠。邊界在哪里？代價是什么？風險會出現在哪一層？這些問題，只有在真實實踐中才能被驗證。

因此，在2025年4月，我重新回到一線角色，與CTO組成了一個最小化團隊，嘗試從零開始，用AI構建一個完整產品。這個項目在兩到三周內完成了第一個可用版本。當我們重新回到最初的問題——“有多少代碼可以由AI完成”時，答案變得令人不適：

幾乎是全部。

這并不是因為模型突然變得更聰明，而是因為組織沒有再人為設置“哪些事情必須由人完成”的分工邊界。

當分工來自工業時代

協作成本會吞噬AI的潛力

傳統組織的分工邏輯，本質上來自工業時代：角色清晰、邊界明確、流程串聯。設計、產品、前端、后端、測試、運維、商業化……每個角色都對應一個切片，每個切片都需要對齊與協調。

這種結構更像砌磚：每個人負責一小塊，而協作成本會隨著規模迅速上升。

但在AI原生的工作流中，協作方式更接近于三維打印——不是逐層堆疊，而是整體生成。你想改一個功能，不再需要在多個角色之間反復拉通，而是基于既有結構重新生成一遍。

在這種模式下，傳統角色的邊界開始被自然稀釋。組織的主軸不再是崗位分類，而逐漸演變為兩類能力的互動：

一類負責理解問題、定義價值、交付結果；

另一類負責把經驗固化為系統，把一次性交付變成可復用能力。

這也解釋了為什么，在代碼生成這個最成熟的場景中，團隊對AI的評價在一年內發生了顯著變化——從50分，到85分。

這并不是一個技術故事，而是一個組織命題。如果交付標準止于85分，人確實可以退出；但如果目標是100分，那么人的價值，恰恰從85分之后才真正開始。AI抬高了交付的下限，也同步抬高了對人的要求。真正變得稀缺的，不再是執行能力，而是定義“什么是100分”并愿意為之負責的能力。

AI轉型的核心，不在IT

而在組織是否愿意改變

在實踐中我們逐漸意識到：AI轉型并不是IT部門的專項任務，也不是培訓體系的問題，而是一種組織范式的重構。

過去一年，我們做過一些看似具體、實則高度組織性的嘗試：

第一件事：把管理會變成“AI推動會”

我們以前每周/雙周開經營管理會——看數字、對齊，數字沒完成就批評大家。這非常工業時代。今年我們沒有宣布取消，但它確實慢慢就不開了。取而代之的是：每兩周開一個管理者的AI推動會。一開始大家當然會敷衍：“我用Lovable做了個有趣的玩意兒。”我就直接說：別來錦上添花。

慢慢地，它越來越接近業務實質：他們開始講怎么給客戶創造價值，怎么做新品研發。新品節奏從過去一季度/兩季度一次，變成現在幾乎每個月多個。這背后不是工具，而是管理者開始把AI當成業務杠桿，而不是個人技能。

第二件事：做了一個培訓與認證“ABC+”

ABC+（AI Builders & Creators Plus）——我們自己的名字。

請外部講師扎扎實實教非技術背景的同學們怎么用：Cursor、Lovable、Dify、ClaudeCode等各種工具。

當然，我們不可能覆蓋全公司。于是它反而成了一種識別機制：誰愿意主動來學，誰就更可能是下一代的leader。我們用工具引入，篩出了組織里愿意改變的人。

第三件事：Non-Tech黑客松

我們組織了一個給非技術同學參加的黑客松，最終的獲勝項目非常“組織學”：銷售+市場組隊，用Cursor和Dify搭了一個工作流，把我們每年300–600份PRD轉成客戶可以理解的語言的一頁紙。

這件事妙在哪里？

- 業務通過AI直接讀懂研發在做什么，不再需要翻譯層；

- 一頁紙可以直接轉發給客戶，變成600發獨特獲客的子彈；

- 研發沒有增加額外負擔。

它并未增加更多流程，而是在持續減少組織的耦合度：減少對齊、減少拉通、減少會議。而這正是AI的“剩余價值”應該被用在的地方。

隨著AI能力嵌入工作流，組織中的最小可交付單元正在變小——從過去需要數十人、數月協作的項目，縮小為少數人即可完成完整閉環。這并非追求速度，而是追求高內聚、低耦合。

當閉環足夠短，協調本身就不再是主要工作。這也直接影響了組織中的角色結構：協調型中層正在變得尷尬，而真正的leadership，反而更加重要。

從這個意義上看，AI之所以成為CEO推動變革的最佳理由，并不只是因為它是一項新技術，而是因為它是一種共識工具——為長期難以推動的組織變革，提供了一個被普遍接受的起點。

能力可以補，要求卻無法替代

AI可以把人從0拉到85，卻無法替人回答：什么是100分？為什么值得？是否愿意為此負責？

回到最初的問題：AI的瓶頸是什么？

答案已經逐漸清晰：

它不是算力，不是模型規模，甚至也不是技術路線。

而是——人是否準備好改變，組織是否敢于被重新設計。如果組織仍然圍繞工業時代的分工與協調邏輯構建，那么再強的AI，也只能被使用到30%。

真正困難的，并非技術落地，而是是否愿意讓這些工具，反過來重塑我們自己。

范凌 | 文

范凌是特贊科技創始人及CEO，同濟大學教授、博導、設計人工智能實驗室主任

哈佛商業評論中國 專家撰稿團，將匯集來自實戰一線的經營者、管理者，以理論創新結合實踐洞察，分享可落地的管理方法和商業經驗。系列文章將陸續推出，敬請期待。

希望和專家撰稿團成員進一步探討商業、管理經驗？歡迎掃碼加入我們的“商業觀察群”。不錯過每一篇專欄文章，還有機會加入線上研討與線下沙龍，與專家撰稿團直接交流！

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org