AI Native 组织，第一步从哪开始？

大多数公司谈 AI 转型，谈的其实是工具迁移。

给每个人配上 Copilot，买一批 AI 工具的企业席位，开几场 AI 工作坊，发一封鼓励用 AI 的全员信——然后等着效率提升。这件事有没有用？可能有一点。但它和真正的 AI 原生组织之间，还差着一个本质的东西。

工具会用了，组织没有变

腾讯研究院2026年发布的超级组织报告中，特赞创始人范凌谈到过一个观察：

“两年前，AI 最主要的形态叫 copilot，就是给每个人一个助手，提高个人效率，但组织没有变化。到目前为止，绝大多数公司在组织上还处在 copilot 形态。"

这个判断在今天仍然成立。

现在大多数公司的状态是：有一批人在用 AI，有一批人完全没用，有一批人用了但不知道怎么用好。AI 工具买了，培训也做了，但部门之间的协作方式没有变，

汇报链路没有变，项目决策流程没有变。

个人效率提升了一些，但系统没有变。

这不是 AI 的问题，也不是执行力的问题。问题在于，工具层面的变化和组织层面的变化是两件事，通常不会自动连通。

从零到一，有真实门槛

在谈组织怎么变之前，有一个更基础的问题值得先回答：大多数人真的会用 AI 吗？特赞在推进内部组织变革的时候，遭遇了这个问题。范凌描述 Pod 模式的一个副作用：

"技能的'从零到一'还是有门槛，需要扶上马送一程。"

特赞的解法是 ABC+ ——请外部讲师来公司，手把手教员工怎么用 Claude Code、怎么用 agent 工具。不是让人自己摸索，而是有人带着过一遍。这件事听起来很普通，但背后的判断很重要：你不能假设人会自发学会。

从零到一的那个跨度，不靠文档，不靠自学，靠的是一个具体的人拉了你一把，让你有了第一次成功的体验。有了这个体验，才有之后的持续投入。

忽略这一步，直接谈组织变革，通常会出两种结果：要么落在纸上，要么只在少数人身上发生，形不成规模。

组织没有捷径，人才密度才是关键

AI 原生组织的瓶颈，不在工具，在人。更准确地说，在人才密度。

特赞的 Pod 模式——两三个人完整交付一个任务，没有职能边界，没有锅可以甩——之所以能运转，前提是这两三个人里有人具备跨职能的能力。产品经理得能直接出东西，设计师得能理解业务逻辑，研发得能做产品决策。

这件事不能依赖招聘，更要培养出来。

特赞的双轨结构里，Community 承担的正是这个职责——把职能线从"实线管理"变成"虚线成长"。你进来是个销售，但 Community 的目标是让你也能理解产品、能写一点代码、能主导一次用户访谈。

从管理 KPI，变成帮人成长。

这个转变本身就需要时间。不是换一个组织图就能完成的。

最稀缺的不是 AI 能力，是 leadership

还有一个问题比工具更难解决。

范凌在对谈中说了一句让我印象很深的话：

"能真正做 Pod Leader 的人现在还不够多。AI 能力、学习能力现在是共识。但 leadership 真的很难培养——能看 P&L、有强烈责任心、在变化很快的时代还有耐心。"

这个判断指向了一个真实的矛盾：

AI 在降低执行门槛，但它同时在提高判断要求。

一个人加上 AI 可以完成更多事情，这没错。但这意味着每个人需要做更多判断，而不是更少。判断不是靠工具来做的，靠的是经验、认知、对业务的理解，以及在不确定性里保持方向感的能力。

这些东西，需要时间积累，需要真实的战场磨砺，需要有人带。AI 可以帮你执行，但它替代不了带人成长的过程。

AI 原生组织是一个值得追求的状态。

它的样子大概是这样的：AI 在后台持续运转，每个人的工作是在 AI 生成的结果里做判断；团队不再按职能分工，而是按任务结果聚合；协作损耗降低，每个人的能量更多用在真正创造价值的地方。

但通往这里的路，不是一次宣布，不是一次重组，也不是一次工具采购。

它是一段连续的建设过程：先让个体真正学会用 AI；然后让高密度人才在小的交付单元里磨合；在这个过程中培养出能承担判断责任的 leader；再逐步扩大规模。

企业可以从哪里开始

如果你认同上面这个判断，想知道具体怎么做，这里有几个可操作的起点。

01. 找到已经在用 AI 的人，让他们先带。不是统一培训，而是找到内部已经自发用起来的几个人，给他们一个正式的角色，让他们在部门内部手把手带人过一遍。从零到一的门槛，靠的是这种人传人的方式，不是一次性工作坊。

02. 选一个真实任务，让小团队完整交付。不要先改组织图，而是找一个具体的、有时间节点的项目，组成两三个人的小组，让他们从头到尾负责结果。这个过程会暴露谁真的能跨职能工作，也会让人第一次体会到不需要开很多会、不需要等很多人是什么感觉。

03. 把 leadership 培养提前。AI 时代最稀缺的不是技术能力，而是能在不确定性里做判断的人。商业判断力、对用户和结果的责任感、在快速变化中保持耐心——这些值得单独花时间培养，不能等到"组织改完了"再说。

这不是一个三个月能完成的项目。

但每一步都是真实的进展，都在提高组织的人才密度，都在让未来的 AI 原生状态变得更可能发生。真正的 AI 原生，不是组织形态变了，而是每个人都变得更完整了。