朴谷分享 | “99%的企业AI转型方向都错了”，a16z合伙人：别再把AI当软件，要当新员工

a16z大佬圆桌：99%公司的AI转型方向都错了

最近，a16z的三位合伙人——Martin Casado、Aaron Levie、Steven Sinofsky——进行了一场近一小时的闭门对话。我从他们的聊天中提炼出三个核心判断，有趣的是，这三个判断几乎与当下国内绝大多数企业正在推进的AI转型路径完全相反。

在展开之前，我先亮明我的态度：如果你认同下面的逻辑，下周的几个关键决策可能会立刻转向；如果你不认同，至少值得花十分钟问自己一句——我们公司现在做的AI转型，真的对了吗？

一、别再把AI当软件集成，要当新员工入职

整场对话中最反常识的观点来自Martin Casado：

大模型本质上是非确定性的，擅长处理混乱、模糊的长尾问题——这恰恰是人类的特质。过去四十年，我们设计了各种流程、权限、接口，本质上都是在应对“人的不确定性”。所以，如果你把AI当作一个新员工来对待：给它分配邮箱、授予文档访问权限、开通账号、让它复用所有为人设计的流程——这远比把它当一个“软件模块”去集成要简单得多。

这听起来像个比喻，实则是一个底层假设的颠覆。

如今多数企业的AI转型方案是什么？IT部门牵头，引入Copilot类工具，做API对接，写权限映射，建数据中台，搭Agent编排层——整套打法就是把AI当作一种“新型软件”塞进现有IT架构。

这条路极难走通。Steven Sinofsky在对话中补了一刀：

任何成立超过10年或人员过千的公司，本质上都是一堆等待被集成的遗留杂物。AI解决不了集成问题。

如果你的公司有30套业务系统、多个ERP版本、十几个数据库、数百个权限组——无论Agent多强大，最终都会撞上集成这堵墙。Aaron Levie举了个真实例子：客服电话里，用户遇到跨部门问题，人类员工自然会说“我帮你转接”。Agent不知道转接，撞到权限边界要么卡死，要么胡来。

但如果换一个底层假设——AI不是软件，而是新员工——整个逻辑就反过来了。

新员工入职怎么处理？发工号、配邮箱、做入职培训、按岗位分配权限、明确汇报关系。这些机制企业已经磨合了几十年。它们天然适用于处理“非确定、会犯错、需要边界和监督”的主体——而这些特征，AI Agent全都有。

Aaron Levie半开玩笑半认真地说：“我支持Agent参加入职培训，让CEO讲讲企业文化，每个部门给它做个推介——我不是在开玩笑。”

基于这个假设，三个推论自然浮现：

推论一：AI转型的主阵地可能不是IT，而是HR。 HR是企业里最擅长管理“非确定性主体”的职能——招聘、培训、绩效、晋升、合规，本来就是为“人”设计的。如果Agent要像员工一样管理，HR最有资格设计这套体系。今天大多数公司的HR在AI转型中被边缘化，这很可能是一个巨大的方向性错误。

推论二：“Agent入职管理”将成为一个真实的岗位。 不是戏谑的说法，而是需要有人专门设计每个Agent的入职流程：配什么权限、看哪些文档、向谁汇报、出错找谁、绩效怎么定、违规怎么处理。

推论三：今天很多花在“AI集成”上的钱，可能投错了方向。 与其重金砸数据中台、Agent编排平台、企业级RAG这些“软件化”路径，不如先把现有人为设计的流程梳理好——单点登录、身份权限、文档授权、审批流——确保这些机制能被Agent当作“新员工”直接复用。这条路不够性感，但它真的有效。

二、考核Token数？那是在生产“伪生产力”

Aaron Levie讲了一个让人哭笑不得的真实故事：

昨天我和一家大公司的员工聊天——这家公司以强制全员用AI闻名——他告诉我：我和同事会让Agent去做一堆毫无意义的任务，纯粹为了把Token使用量刷好看。

在中国版本里，你很容易脑补出类似的场景：Copilot日活、AI使用次数、每周AI辅助产出、AI素养考核分数……这些KPI正在被无数企业的AI转型办公室认真追踪、月度复盘、季度汇报。

而被考核的员工，在做什么？让AI干没用的事，只为凑指标。

Aaron把这种现象称为“Fake Productive”——伪生产力。

这件事的可怕之处，不是浪费了Token（Token本身不值钱），而是：

• 它让管理层产生了“AI转型正在推进”的幻觉。仪表盘上所有数字都在涨——使用率、交互次数、覆盖率一片飘红。CEO在董事会上汇报转型成果，董事会很满意。但底下，没有任何真实业务指标在改善。

• 更糟的是，它训练了员工形成一套新的“应付能力”——学会如何“用AI看起来很努力”。这种习惯一旦养成，就很难逆转，就像当年被逼着写日报周报的那批人，最后日报里全是文字游戏。

那到底该衡量什么？这场对话给出了一个极简的答案：衡量结果，不要衡量动作。

• 如果AI让销售团队月成交额涨了15%，不管他们用没用AI、用了几次、熟不熟练，都是成功。

• 如果AI让客服平均响应时间从3小时降到20分钟，不需要追问他们用了哪个工具。

• 如果AI让财务月结从7天压缩到2天，谁用什么方法根本不重要。

这些是业务结果，它们很难被“刷”出来。当它们上涨时，说明AI真的在创造价值；当它们不动时，你会立刻意识到转型方向出了问题。

如果你公司的AI转型KPI仪表盘上一个业务结果指标都没有——那它大概率只是一家“伪生产力”的生产工厂。

三、AI让代码越写越多，反而更需要工程师

最后这点，是给所有正在琢磨“AI能不能让我少招人”的老板看的。

Martin Casado分享了他作为投资人的观察：

当你用AI写代码，代码质量会随着时间推移明显下降。它在解决当下问题的同时，几乎以同样的速度制造新问题。

这非常反直觉。表面上看，AI让一个工程师能干过去三个人的活，但与此同时——

• 代码总量爆炸式增长

• 系统复杂度指数级上升

• 出Bug的概率、安全漏洞面、升级时的兼容问题、故障排查路径……全部同步放大

Aaron Levie把这件事推到了更广的层面：

认为“代码写得越多就越不需要工程师”——这是这个时代最荒谬的想法。事实正好相反。因为你的系统比以前更复杂了，所以当你需要做系统升级、处理宕机、应对安全事件时——你面临的问题只会更难、更多、更依赖真正懂行的人。

这个逻辑不只发生在代码上，它会蔓延到每一个被AI放大的领域：

• 法务：AI能起草合同，但合同数量会井喷。每一份AI生成的合同都需要被审核、维护、在条款变更时同步更新。律师只会更忙，不会更闲。

• 营销：AI能生成海量素材，但质量参差不齐，需要人来筛选、组合、迭代。市场团队的工作不是变少了，而是从“创作”变成了“策展+审核”。

• HR：AI能写JD、做初筛、草拟绩效评估——但每一份产出都需要人来判断是否符合企业真实意图。HRBP不会减少，他们的工作从“执行”转向“判断”。

• 财务：AI能跑无穷无尽的数据异常检测——但每一个异常都需要人来判断是真问题还是假阳性。

每个领域的逻辑都一样：AI不是在减少工作，而是把工作的层级向上推了一格。 它让原本高价值的“判断、审核、决策”变得更为密集；让原本低价值的“执行、生产、整理”被自动化。

这对公司的人才结构有非常具体的含义。

如果你的组织是金字塔型——大量底层执行者、少量中层管理、顶端决策者——AI转型带来的最大冲击是底层会快速萎缩。但这不意味着公司可以整体变小。恰恰相反，公司必须结构变形：底层萎缩之后，你需要更多能做判断、审核、决策的“中上层”——他们不是传统的中层管理者，而是具备业务深度、能与AI协作、敢于拍板的专家型人才。

今天国内绝大多数企业的人才结构，与这个新需求是错位的。HRVP真正该做的事，不是搞“全员AI素养培训”，而是：

• 重新设计人才金字塔：哪些岗位会被压缩？压缩后的人去哪里？哪些岗位会被放大？放大后从哪里招？

• 现有员工里，哪些人有潜力顺着这个变形往上走？哪些人需要被坦诚地告知“你的岗位将不再存在”？

这些问题不舒服，但它们是真实的。绕开它们去追“覆盖率”指标，三年后回过头看，会发现所有转型动作都在做无用功。

最后

这场对话的结尾，Steven Sinofsky讲了一个历史细节：

1980年代末，有一本书叫《工作的终结》（The End of Work），恰好出版于互联网爆发前几个月。全书的核心论点是：技术革命已经失败，没有带来生产力增长，未来不会再有多少工作。

今天没人记得这本书。不是因为它的论点全错了，而是因为它用静态视角看一个动态系统。它假设工作总量是固定的——技术替代人，工作就会减少。它没看到的是：当生产力被放大后，新的需求会涌现，新的工作会从想象不到的地方生长出来。

这个错误今天仍在反复重演。每次有人说“AI会让XX岗位消失”——你都可以追问一句：然后呢？

“然后”才是真正重要的。然后会有什么新岗位长出来？新岗位需要什么能力？今天该开始做什么准备？

这场对话给我的核心启发是：AI转型最危险的姿势不是动作慢，而是用错误的思维模型（Mental Model）在动作。

• 把AI当软件而不是当员工——错误的思维模型。

• 用Token数衡量转型成果——错误的思维模型。

• 认为AI会让人变少——错误的思维模型。

每一个错误的思维模型，都会让公司未来两年的资源、注意力和人才决策跑偏。而这种跑偏一旦发生，纠错成本远高于一开始就停下来想清楚。

问自己一句——你公司当前推动AI转型的那个思维模型，到底是哪一个？

朴谷观点

从“集成思维”转向“组织思维”，是AI落地的分水岭。

朴谷咨询在服务企业数字化转型的过程中发现，绝大多数企业仍将AI视为一种“技术资产”——由IT部门主导、以系统对接为核心、以使用率为考核目标。这种做法本质上是用工业时代的逻辑管理智能时代的工具，注定事倍功半。

a16z三位合伙人的观点之所以具有高度专业价值，在于他们指出了被普遍忽视的真相：AI真正的适配层不是API，而是组织流程与人的行为规范。 当一个Agent能够像新员工一样通过企业现有的身份认证、权限管理、汇报关系和绩效体系运行时，它才真正融入了企业的运作肌理。这意味着，企业最优先的投资方向不应是更复杂的编排平台，而是夯实IAM、SSO、审批流等“组织基础设施”。

同时，伪生产力陷阱提醒我们：没有嵌入业务闭环的AI使用率，是毫无意义的虚荣指标。 企业应当将AI考核权责下放至业务单元，由利润中心负责定义“什么结果算赢”，而非由总部统一追踪使用次数。

最后，人才结构的变形是AI转型中最硬、最无法回避的命题。金字塔型组织在AI时代将加速崩塌，取而代之的是“钻石型”或“哑铃型”——底层执行被自动化替代，中层判断与审核岗大幅扩张。企业现在就需要启动人才盘点与再培训计划，明确哪些岗位会消失，哪些新岗位需要提前储备。

AI不会取代管理者，但会用错误思维模型的管理者，一定会被时代取代。 朴谷建议，每一家正在推进AI转型的企业，立即做三件事：

1.将AI项目的牵头方从IT改为“业务+HR”联合工作组；

2.废止所有过程性AI考核指标，只保留业务结果指标；

3.启动组织人才结构性盘点，量化未来18个月内岗位的“萎缩”与“放大”趋势。

方向对了，效率才有意义。

Disclaimer: The information provided in this article is for general informational purposes only and does not constitute financial advice.