当大模型、智能体进入企业，AI带来的变化开始超出“员工多了一个工具”的范畴。企业里的工作由谁完成，流程围绕谁设计，数据和知识如何组织，人的岗位和角色如何变化，都成为新的管理命题。
9月20日，在中国人民大学举行的“协同共生：构建世界一流企业产学研创新联合体的路径与机制暨中国人民大学世界一流企业研究院理事单位大会”上，中国人民大学世界一流企业研究院、中国人民大学商学院与联想集团联合发布《AI原生组织转型指南》。联想集团副总裁、联想中国首席战略官兼CTO阿不力克木·阿不力米提，联想集团副总裁、中国区及职能团队人力资源副总裁吴彤，联想集团副总裁、中国区首席智能化转型官李时共同参加发布。
这份指南试图回答一个越来越现实的问题：当AI能够承担越来越多工作，企业该如何重新设计自身？
AI进入组织，企业要改的不只有工具
中国人民大学世界一流企业研究院执行院长、中国人民大学商学院副院长张瑾表示，当前AI已经开始以“硅基员工”的身份参与企业价值创造。过去企业更多讨论如何部署IT系统、建设数字平台，如今智能体拥有一定的理解、判断和执行能力，企业面对的是生产力结构变化之后的一系列组织问题。
中国人民大学世界一流企业研究院执行院长、中国人民大学商学院副院长张瑾
《指南》因此把AI原生组织定义为一种新的组织形态：AI深度进入业务模式和工作流程，智能体成为组织中的新型生产力，并与员工共同参与价值创造。
为了让这一概念具备可操作性，《指南》进一步提出L1至L5五级成熟度模型，并总结出一套“黄金五步法”：顶层规划、价值引领、硅基建设、碳硅融合和飞轮进化。其背后的逻辑贯穿企业战略、业务价值、AI底座、流程岗位以及领导力、人才和文化等多个层面。
张瑾表示，很多企业目前依旧集中在“买工具、上应用、提效率”，而AI真正进入企业之后，会带来新的执行主体，也会对原有组织结构提出新的要求。《指南》希望把AI原生组织从一个概念进一步拆解成企业可以参照的框架，包括它为什么出现、如何建立、创造什么价值，以及企业所处的发展阶段。
对于大型实体企业而言，这一点尤其重要。相比天然建立在数字基础设施上的AI创业公司，大型企业已经拥有复杂的流程、组织和既有系统，如何在这些基础上进行AI改造，始终是企业智能化落地中的难题。
联想用三年时间，把AI带进企业核心流程
阿不力克木·阿不力米提表示，联想内部对AI的判断很早就落在“企业变革”这一层面。数据、算法和算力结合之后，企业沉淀的大量文档、日志、业务数据以及员工经验都有机会被重新释放，而这一过程最终指向企业增长和经营价值。
生成式AI爆发之后，联想用了接近三年时间逐步推进内部实践。
2023年11月，联想启动“+AI”局部尝试，主要寻找流程中的效率瓶颈，把生成式AI作为外挂能力加入现有业务。2024年，AI开始进入研发、供应链、营销、销售、客服、财务、法务、人力资源等更多场景。到2025年，联想开始建设混合AI底座，并让智能体真正承担部分流程节点的执行工作。如今，流程、岗位职责乃至部分考核机制已经随之调整。
联想集团副总裁、联想中国首席战略官兼CTO阿不力克木·阿不力米提
回看这段实践，联想将其归纳为五个关键步骤。
顶层规划解决企业究竟要用AI创造什么价值；价值引领要求企业围绕收入增长、成本下降和效率提升寻找场景；硅基建设负责打造新的智能劳动力；碳硅融合重新设计人与智能体之间的协作；飞轮进化则让领导力、人才和文化持续适应新的生产力。
其中，联想内部已经形成“3+100+N”的智能体体系：3个超级智能体分别面向客户、合作伙伴和员工，100多个智能体对应不同业务场景，N代表持续增加的Skills。每个场景智能体都对应具体业务目标，由企业内部的数据、知识和能力支撑。
这种变化也开始反馈到业务。以面向客户的超级智能体为例，相比传统官网，其转化率提升23%；面向员工的智能体则连接企业内部数据、知识、场景智能体和Skills，服务个人与团队协作。
更深层的变化出现在岗位和组织中。联想将岗位变化总结为增强、拓展、消融和新兴几类：部分岗位由AI接管其中若干角色，一些岗位因为专业门槛降低而扩大职责范围，也出现了AI交互设计师、业务场景专家等新的职位。企业内部的软件团队也开始尝试以任务和结果组织人员，由产品经理、全栈工程师和智能体共同组成新的工作单元。
阿不力克木·阿不力米提认为，当AI真正被视作新的劳动力，人的工作也需要重新定义。人的优势会更多体现在价值判断、目标设定、审美、伦理和复杂决策等方面，人与智能体组合成新的工作单元。
联想为此进一步建立领导力、人才和文化三个飞轮。其中，领导者是否真正理解并使用AI，被视为影响企业AI原生转型速度的重要因素。
数字化还没做完，AI已经来了？
在随后举行的圆桌对话中，张瑾与阿不力克木·阿不力米提、李时围绕企业当下普遍面临的四个问题展开讨论：AI与数字化究竟有什么不同；数字化尚未完成时如何推进智能化；AI投入的ROI为什么难算；企业未来又该如何理解机遇与风险。
李时表示，传统数字化建设虽然也强调战略、流程、人才和文化，但生成式AI带来的生产力变化更加直接。以营销为例，过去企业可能在洞察、内容生成、投放等各个节点分别加入AI工具，现在智能体可以连续承担洞察、策略、生成、投放和优化等工作，人更多负责数据、知识、目标和规则的建设。这种变化会进一步影响流程设计以及组织分工。
对于不少企业正在遭遇的“数字化还没做完，AI已经来了”，李时认为，两项工作可以并行推进，判断依据仍应回到业务价值。传统数字化积累的数据、工具和经验仍然有价值，但AI对数据颗粒度、治理方式和知识结构提出了新的要求。企业需要根据具体场景判断该建设什么能力。
另一项被频繁提及的问题是ROI。
李时表示，一些企业AI投资回报不明显，首先与场景选择有关。为了降低风险，企业往往先选择边缘业务或容易实施的项目，结果这些场景本身能够创造的价值有限。其次，一些项目选择最容易计算的指标，却没有回答节省出来的时间最终如何进入组织效率和财务结果。大量零散项目即使局部有效，对一家大型企业而言仍可能缺乏体感。
因此，企业需要进入主价值链寻找足够大的问题，并将一个个AI应用连接到流程、运营模式和组织变化中。
阿不力克木·阿不力米提则把这一问题进一步落到组织层面。他认为，AI可以被视作一种新的劳动力，企业真正应该计算的是一次组织变革希望创造多大的价值。只有先明确业务中需要解决的问题，后续的数据、智能体、流程、人员和投入才有明确方向。
讨论的最后，话题延伸到AI原生组织的下一阶段。
阿不力克木·阿不力米提认为，AI原生组织不会拥有一个固定终点。AI带来的一个重要机会，是让企业具备持续、规模化生产创新的能力。当越来越多企业完成内部重构，下一步需要讨论的还包括产业链上下游如何共同进入AI原生状态。
与机会同时出现的还有治理问题。随着智能体获得更多数据、资源和执行权限，企业需要建立针对安全、行为、资源、价值分配以及异常回溯等方面的治理机制。李时也表示，AI技术迭代速度明显加快，企业能否持续学习、沉淀和组织这些新能力，会直接影响其能否长期释放AI价值。
张瑾表示，AI原生企业以及未来AI原生产业的探索才刚刚打开一扇门。企业实践、管理研究以及人才和治理体系都还有大量问题需要继续研究。高校、企业和产业界的持续协作，也将成为这场组织变革中的重要组成部分。
