作者：木羽 | 水夕 AI 商学院
4 月 24 日，杭州。
我和北大 EMBA 的同学一起，去参访了阿里通义千问实验室。
不是对外发布会，也不是公开培训。是一场小范围的内部交流——40 多位同学围坐在一起，听阿里 AI 一线的团队，讲讲他们的规划，和他们看到的事。
那天下午，对方甩出一组数据。我听完，心里一紧：
70% 的中国企业，已经在用 AI 工具。但只有 5% 真正跑通。
剩下的那 65%，其实都在"假装发生"。
老板以为团队在动。团队以为自己在转。一年下来，除了多了几个 AI 账号，公司什么都没变。
这一年多，我自己陪着 20 多家企业做 AI 转型诊断，也刚在深圳办完了第一期训练营。说实话，有些坑之前我还没完全想透。
直到这一天，在阿里听完这场分享——我才彻底明白，问题到底出在哪里。
01
个人 AI 是"外挂"，企业 AI 是"装甲"
先说一个判断。
这两年，几乎每家企业都在用 AI。但"用 AI"，和"用 AI"，是完全不同的两件事。
打个比方。
员工用 AI 写周报、做 PPT、润色邮件，这叫什么？外挂。
装在个人电脑上，挂在个人账号下。离了这个人，什么都带不走。
个人 AI，是帮一个人干活的工具。
那企业 AI 呢？
企业 AI，是把管理体系、业务流程、客户数据、岗位经验，全部装进一套系统里。
离了哪个人，系统照样转。沉淀下来的每一条数据、每一个 Skill，都是公司的资产。
这叫什么？装甲。
外挂，让你跑得快。装甲，让你扛得住。
外挂，卸载了就没了。装甲，是一层一层焊上去的。
BCG 去年做过一项调研，结论挺反直觉的。企业 AI 转型，真正决定成败的是什么？
- 70% 是人员与流程
- 20% 是技术
- 10% 是算法
技术和算法加起来，只占 30%。剩下的 70%，全是组织问题。
但大多数公司是反着来的。
70% 的精力花在选模型、买 Token、搞部署。30% 的精力象征性地做几场培训、发几个口号。然后，等着看"转型效果"。
然后，就没有然后了。
这，就是"假装发生"的第一个真相——工具的账号发下去了，但公司的装甲，一片也没焊上。
02
95% 卡在半路：上不齐、中不动、下不信
那为什么这么多公司，明明天天说"重视 AI"，却依然走不出这一步？
这一年多，我陪着 20 多家中大型企业做 AI 转型诊断。几乎每一家，都卡在同一道门上。
这道门，由三层矛盾组成。
第一层：上不齐。
创始人和高管，对 AI 的战略共识还没真正形成。
老板看完一本书，兴冲冲地拉个会：我们要全面 AI 化。
但 CFO 担心投入回报。COO 担心流程打乱。CTO 担心技术落地。
会开完了。文件发了。项目启动了。但团队心里都明白——没对齐。
第二层：中不动。
管理者最怕两件事。
一是担心自己的岗位被 AI 替代。二是担心项目做砸，锅掉到自己头上。
所以他们的姿势，是观望。
"先让别人试试。""先看看效果再说。""等总部定个标准下来再推。"
第三层：下不信。
一线员工分两类。一类是积极的，每天研究 Prompt，主动用 AI 提效。另一类是被动的——AI 推给他用，他用一下，不推就不用。
两类人都在做事。但一个在拉着走，一个被推着走。
三层叠起来，就是大家熟悉的那种景象：
一把手喊得最响，中层动作最慢，基层各干各的。
但这还不是全部。除了组织上的三层，还有四个更具体的拦路虎：
- 场景模糊。 知道 AI 有用，但不知道用在哪。
- 数据孤岛。 内部系统割裂，AI 调不动数据。
- 安全顾虑。 把数据喂出去，怕泄密。
- ROI 不清。 短期看不到账面上的钱。
这四件事，随便一件，就能把一个项目拖死半年。四件事叠在一起，绝大多数公司直接瘫在原地。
所以本质是什么？这不是技术问题。是组织问题。
03
企业 AI 转型的"四层战略"
那，怎么走？
那天在阿里，他们也给了一套方法论。方法论很好，大厂视角，自上而下，严丝合缝。
但回深圳的路上，我一直在想一件事——
大厂讲的是"先做什么再做什么"，是一条时间轴。可老板最常问我的问题，其实是另一个：
"我该从哪里下手？"
这不是时间问题。是空间问题。
所以我把这一年多陪 20 多家企业摸出来的经验，重新梳理成一张"空间地图"。
我叫它——AI 转型的四层战略。
自上而下，四个层面。层层咬合，缺一不可。
第一层：战略层。
这一层要做两件事。
一是，整个公司对 AI 的战略规划怎么开展——老板、高管、业务一号位坐下来，把未来半年到一年 AI 最该打赢的那场仗讲清楚。
二是——这一条很多人没想过——把 AI 的能力，引入到战略规划本身里。
今天的大模型，已经能帮你看行业、做拆解、找机会点。老板一个人的战略视野，加上一个"永远不睡觉、看过一万份案例、会做 SWOT 也会查十年数据"的 AI——比两个副总的智囊团还管用。
战略层不对齐，下面三层全是空转。
第二层：业务层。
这一层，是把 AI 真正嵌入具体业务场景。
不是"全面 AI 化"，是找切口——找那个真能让公司感到痛、每天都在发生、规则清楚、数据完整的业务场景。
举两个我亲手落地的例子：
- 某 300 亿 IT 硬件头部企业，切口是 AI 会议管理。一个 40 万的项目，把纪要产出从 3 天压缩到 24 小时，遗留任务闭环率从不到 50% 拉到 100% 全追踪。
- 另一家企业，切口是 AI 合同评审。所有合同让 AI 先过一遍，标出风险点、缺失条款、异常条款，法务工作量直接降一半。
一个切口打通，公司就尝到了"装甲"的味道——也才有信心继续焊下去。
第三层：组织层。
到这一层，AI 开始真正改造公司的运行方式。
这一层最关键的，是两件事。
一是，AI 知识库的建设。
公司的管理体系、业务流程、客户资料、产品经验、岗位 SOP——所有这些"公司的记忆"，都要灌进一个可以被 AI 调用的知识库里。
知识库越完整，AI 越懂你的公司。装甲越厚。
二是，组织能力和个人能力的重建。
绩效、激励、考核要跟"人机协同"联动。 中层要从"信息中转站"升级成"策略制定者"。 要养出一批"AI 翻译官"——最懂业务、又会调教 AI 的骨干。
第四层：员工层。
这是最多人忽视、但绝对不能漏的一层。
不是所有 AI 都要由组织来建、都建在组织级。员工自己手上的 AI，也要用起来。
市面上已经有很多好用的员工助手。比如腾讯的 WorkBuddy，阿里的 千问（Qwen）App——都是主打"一句话让 AI 替你干活"。有条件的还可以用 Claude Code。我自己，每天写作、查资料、搭小工具，基本都是用 Claude Code 在跑。
前不久去小鹅通做企业 AI 培训，我对每家到场的企业都反复强调过一句话：
组织级装甲，解决的是"公司怎么跑起来"。员工级外挂，解决的是"每个人怎么跑得更快"。
只做组织级，员工没感觉，一线拉不动。 只做员工级，数据沉淀不下来，公司留不住资产。
战略、业务、组织、员工——四层全打通，才是一身真正的装甲。
当四层全部打通之后，企业会变成什么样子？
那天在阿里，他们分享了一个判断，我特别认同。他们叫它——"三个去"：
- 去文档化。 日报周报不用写了。数据直接从 CRM、项目系统里实时拉，领导问 AI 助手就知道。
- 去层级化。 一线员工的动作（客户拜访、现场巡查）实时转写、结构化上传。总部直接看到一线，中层从"信息中转站"变成"策略制定者"。
- 去软件化。 过去上一个 IT 系统要半年、几百万。现在 AI Coding 几天就能跑一个。阿里内部 50% 以上的代码已经由大模型生成。
这是企业组织形态的一次结构性重建。
04
真正的装甲，是你能封装出来的 Skill
讲到这儿，你可能会问：
那我们到底该用什么工具？从哪一步上手？
我用一个最朴素的比喻讲给你听——
AI 要在你公司用出效果，其实就是开一家厨房。四样东西，缺一不可。
- 大模型，是厨师的大脑。 能听、能想、能做决策。
- Agent（比如 WorkBuddy、千问、Claude Code 这类），是厨师的手脚。 它让大脑走出屏幕，去真的做事——打开文件、发邮件、跑系统、交付结果。
- Skill，是已经被验证过的菜谱。 你花时间把一道菜的做法标准化下来，它就变成一道能反复端上桌的招牌菜。
- 知识库，是冰箱里的食材。 你公司独有的客户资料、产品数据、岗位 SOP、过往案例。没有你自己的食材，再好的厨师也炒不出你家的味道。
这四样，缺任何一样，AI 用起来都差口气。
而四样里——最稀缺、也最值钱的，是"菜谱"（Skill）。
阿里做了几百个通用 Skill。能干活。但离你企业的具体业务，隔着一层。
我在训练营里，带学员做的是另一件事：
结合你自己的真实业务场景，封装出一到两个你企业独有的 Skill——并用它跑通一次真实产出。
上个月，我在深圳办了第一期实战训练营。15 个创业者，两天一夜。
行业跨度大到超乎想象：做近视防控的、做儿童感统理疗的、做家庭教育的、做语文教学的。还有一位做矿山专用卡车动力电池的老板——年营收 1 亿，70 人团队，纯 B 端业务。
他们来之前，几乎都学过 AI。ChatGPT 用过、DeepSeek 试过，有人还买过好几门课。
但所有人都有同一个困惑：AI 是电脑里的一个软件，动不起来。
为什么动不起来？
因为市面上的课，都在教你怎么跟 AI 聊天。但没人告诉你：AI 不认识你。
它不知道你是做什么的，不知道你的客户是谁，不知道你的产品卖点，不知道你的说话风格。
你让它写文案，它写的是"通用文案"。你让它出方案，它出的是"万能模板"。看起来什么都能做，但什么都不能用。
说白了——它没吃过你家冰箱里的食材，也没看过你家的菜谱。
两天下来，这 15 个人做的事，本质只有一件：
把自己的生意，封装成 AI 能跑的 Skill。
那两天，现场跑出来的真实结果是——
- 学员小娇，10 分钟搭出了一个 AI 客服。 对话像真人，完全符合她品牌调性。关键是她没有任何编码基础，全程用嘴告诉 AI 要什么功能。
- 学员理政搭完自己的知识库，一批高质量的文章和正式文件随手就产出。他原话是："这些东西以前非常占用时间，现在几分钟十几分钟，就能把原来一整天的工作做完。"
- 学员萌萌，纯文科生，从青岛坐卧铺火车过来。对技术有天然恐惧。两天之后，知识库搭起来，文案和课件都能出精准结果。她说——"底层逻辑终于搞清楚了。"
这不是偶然。是这套打法的必然结果。
当大脑、手脚、菜谱、食材四样都到位，AI 才真正从"电脑里的一个软件"——变成了"替你干活的合伙人"。
这，才是企业 AI 真正的装甲。
最后一点，也是最重要的——别等完美的方案。
AI 这件事，越等越亏。
AI 有一个特性叫"飞轮"： 你用得越多，沉淀的私有数据越多。 私有数据越多，AI 越懂你的业务。 AI 越懂你，你越愿意用。
一圈转下来，差距是在复利里的。
早启动 3-6 个月，可能形成 3-5 年的代际差距。
2026 年，就是这扇门。
晚一步，错过的不是一个季度的效率。是错过一个时代的起跑位。
最后的话
一年前，有老板问过我一个问题：
AI 真的有那么重要吗？
那时候我的回答，就一个字——重要。
其实那时候，我已经在做 AI 培训了。做了一年多。
但说实话，一年前的 AI，只能在少数场景里拿到效果。多数时候，还是"看起来很美"。所以那阵子，我做培训，心里是有保留的。
今年完全不一样了。
变化非常显著——多数场景下，你只要用，就一定会有效果。
这扇门，真的打开了。
可问题是，门开了，绝大多数公司还站在门口。
目前 95% 的公司，根本没有系统化的 AI 培训。甚至连 GPT 账号都不统一给员工买。全靠员工自己偷偷摸摸在探索。
大家停留在什么程度？
用豆包写写文案。用 AI 修图软件美化一下图片。
就，这样。
所以回到文章开头那组数据——70% 在用，只有 5% 跑通。
中间那 65% 的差距，不是模型，不是预算，不是人才。
是前者在真做 AI 转型，后者在假装发生。
这件事，早已经不是"要不要做 AI"的问题。
是"你想做 5%，还是 95%"的问题。
两者的差距，不是更聪明，也不是更有钱。
是他们更早明白了一件事：
真正的 AI 转型，不是给员工发了外挂。是给公司，造出了一身装甲。
观点 / 木羽 主笔 / 木羽