企业 AI 分水岭不在模型，而在组织力

在由 AIXATLAS 联合主办的 2026 品创·全球品牌节上，来自微软、阿里 ATH 千问大模型、Plaud 以及 KIRI Innovation 的四位嘉宾围绕「企业 AI 分水岭」展开了一场圆桌对话。嘉宾们形成的核心共识是：模型能力已不再稀缺，真正决定企业能否用好 AI 的，是组织层面的重构能力。

模型已够用，组织力才是瓶颈

微软全球合伙人顾大伟指出，过去几年 AI 对个人生产力提升效果显著，但组织端的协同效率增长却不明显——原因在于 AI 目前改变的是个人工作环节，而非组织间的工作流。

阿里 ATH 千问大模型 AI 产品解决方案总监李陈忠也表达了类似判断：「分水岭已经不在模型本身，模型能力越来越强，企业完全够用。」他认为接下来的关键是把模型与具体业务场景深度结合，形成真正能落地生产力的行业 AI。

顾大伟进一步把组织变革拆成两个层面：

让 AI 掌握足够的组织上下文，即知道协作流程长什么样；
让 AI 帮助组织内部快速拉齐认知，包括会议、文档等「填认知差距」的工作。

从最小单元切入：AI Native 组织的生长路径

对于 AI Agent 大批量进入企业后，组织会变成什么样，顾大伟分享了微软的实践思路：不直接重构大盘，而是从一个最小的「AI Native」单元切入试点，把所有可获取的上下文（线上数据 + 线下非结构化信息）喂给 AI，让它真正参与决策。

当需要给这个 AI 团队补充一名人类成员时，必须先反问：「为什么硅基成员解决不了这件事？」这个问题的答案，能厘清哪些工作留给 AI、哪些必须由人完成。组织变革更像是让 AI Native 小单元逐步生长、向外辐射。

针对衡量 AI 价值的指标，顾大伟坦言，传统的 PR Rate、Token 消耗量等数字与实际业务价值关联不大，To B 业务尤其无法简单套用一个统一数字。他更倾向于看组织里有多大比例的决策，AI 能够参与并真正提供支持——但这个比例的分母与定义，必须根据企业自身业务形态动态调整。

多模型时代，企业选的是生态不是模型

李陈忠提出一个反直觉的视角：传统企业想试一个新项目，往往要先花两百万、三个月搭基础设施；而在 AI 时代，开发者可能昨晚花了 80 块钱就验证了关键问题。他建议：

把算力、部署、基础设施这些「脏活累活」交给生态；
企业专注于业务场景本身，试成了继续，试不成损失几天时间和几十块钱。

他的结论是：在多模型时代，企业首先要学会拥抱生态；对绝大多数企业而言，「识别物体」这个功能本身比背后的模型更重要，直接复用现成的能力模块、快速集成进产品，才是最高效的方式。「AI 时代拼的就是时间，谁跑得快谁先拿下市场。」

信息资产需要「重新组织」而非推倒重建

Plaud 中国区产品与运营负责人梁朝认为，AI 接入企业内部时，确实需要重新组织信息资产，但并非推倒重来。Plaud 自身就在做「AI 进入物理真实工作的第一公里」，通过硬件 + 软件四步流程把线下信息转化为可被复用的组织上下文：

捕捉——通过硬件设施收录工作场景中的相关信息；
提取——从收录信息中抽取核心内容；
处理——将信息转化为可结构化的上下文；
再利用——让组织基于上下文进行追问、二次创作或决策支持。

梁朝认为，有了 AI 能力和合适工具，可以把企业真实场景中散落的信息，重新组织成一个持续生长、可被利用的知识体系。

50 人管理 1000 万用户：Agent 改写组织流程

KIRI Innovation 联合创始人兼 CEO 王正男分享了一组直观的数据：KIRI 不到 50 人的团队，靠两款产品（KIRI Engine 和 Remy）管理着 1000 多万用户，相当于「一个人当七个人用」。具体做法不是让人直接管理数据库，而是让人管理一群 Agent，由 Agent 优化数据、整理信息、产出新功能。

王正男指出，AI 接入企业后收益最大的其实是后台部门，比如数据库清理、优化、未来架构设计等。真正的转折点是 AI Coding 能力成熟——大约一年前他曾尝试用 AI 写代码，但产物被团队内部称为「屎山」，能跑但改不动；直到 Claude、Claude Code、Codex 这一波工具出现，代码生成和可维护性的质量才真正大幅提升，「三个月交付七倍人力工作量」也因此成为可能。

李陈忠补充认为，传统组织是水平分层的，接驳成本尚可接受；AI 把单点效率提上去后，层与层之间的接驳反而成为最大瓶颈。未来方向应是纵向端到端，每个人从头到尾负责一个完整场景，多个场景再协同整合。

写在最后

四位嘉宾的共识指向同一方向：模型只是起点，企业 AI 真正的分水岭是组织本身能否被重构。当 Agent 逐步成为组织常态时，谁能率先完成流程重建、谁能把组织上下文的「第一公里」打通，谁就更有机会把 AI 的能力转化为真实的业务价值。