1. 停在试点，不是能力问题，是路径问题
MIT 把 300 多个企业 AI 试点翻了个底朝天，结论就一句话：95% 没产生可衡量的财务回报。关掉 AI，业务照转。
你不是缺一个更强的模型，你是缺一条把它长进业务的路径。
我认为：AI Native 不是给业务加 AI 功能，是重新设计业务如何运转。行业里吵了一整年的定义之争，落到我这种天天翻案例的人手上，我只认一条判据——AI 是长在业务流程里，还是贴在外头。贴外头的，叫「AI 加持」；长进去的，才配叫 AI Native。
2026 年的讨论已经从拥抱期滑进祛魅期：定义各说各话、试点大面积失败、组织阻力浮出水面。我不打算再给你一张愿景图。这篇给一条从现状出发、能动手走的路——从拆业务链路起手，按价值×可行性排优先级，把 AI 长进流程，再闯过组织这一关。九节走完，你就知道第一步该踩在哪。
定位清楚了，逐个拆。
2. 先看清位置：为什么大多数企业停在演示/试点
先说个反直觉的事实：试点失败，不是模型不行。
MIT 的《The GenAI Divide》报告（写作日 2026-08-15 核实），调研了 300 多个企业 AI 应用案例，访谈 150 位 AI 负责人、问卷 350 名员工。结论是：95% 的试点没对利润表产生可衡量影响，只有约 5% 跑出了真金白银。失败原因不在模型能力，也不在监管，而在「脆弱的流程、缺乏上下文学习、和日常工作脱节」——AI 工具根本没嵌进企业已有的工作流。
阿里云智能集团公共云事业部副总裁高飞在澎湃写的那篇《AI Native 企业的关键，是从外化到内生》，把这件事说得更狠：承认 AI 重要，和让它在企业里真正重要，是两回事。关掉 AI 业务照转，是因为 AI 还没有变成关键拼图——它只是被接在了旧流程边上。
从 GPT 发布算起，企业级市场走了三个阶段，我画成一张图：
第一阶是知识问答——把大模型当超级搜索框；第二阶是 Agent——AI 客服、AI 巡检、智能 BI，能单点自主执行任务；第三阶是 AI Coding——企业发现连「写代码」这件事本身都能被 AI 接管，流程开始按人机协同重写。
我的观察：大多数企业停在外化期。上线的所谓 AI，是给旧流程贴的搜索框、加的文字生成器；Agent 也只敢在客服、问答这类低风险场景单点试点。真正把 AI 写进业务主链路的，凤毛麟角。
这里我要立一个判断，它可能有人不同意：「AI 替代 XX」是个错误命题。澎湃那篇《谁在杀死SaaS？》分析得很清楚——范式更替的真实机制从来不是品类消灭，而是价值层迁移。桌面软件没有死在互联网时代，Office 至今还在用，但最大价值流向了搜索引擎和平台。SaaS 同理：薄界面层会被 Agent 重建，但沉淀了厚重数据、承载复杂业务逻辑的那一层，Agent 重建不了。所以别问「AI 会替代谁」，要问「价值会从哪一层迁到哪一层」——你要做的是把 AI 接在价值要迁去的那一层。
BCG 今年的报告给了个更扎心的提法：「空心化」。收入、市场份额、客户留存看着都好好的，但利润率和定价权正在流失——AI 原生攻击者抽走了最高利润的业务层。BCG 亚太区主席佐佐木靖在夏季达沃斯直接说：只有约 5% 的企业实现了 AI 规模化，多数企业把「部署 AI 工具」当成了「完成数字化转型」，这是根本错误。
现状看清楚了。你不是要选一个更聪明的模型，你是要把 AI 从「外化」搬进「内生」。怎么搬？第一步不是选模型。
3. 第一件事不是选模型，是「拆」业务链路
大部分团队拿到 AI 的第一反应是：先选个模型，再找个场景塞进去。我的建议反着来——先别碰模型，先把一条业务链路拆干净。
我在《企业 AI Native 推动进程下，更青睐什么样的人才？》那篇里写过一句话：业务拆解比写代码值钱十倍。那篇讲的是个人怎么练这门功夫，这篇讲的是组织怎么用它起手——同一套方法，从个人手上挪到组织手上。
拆，我给五步：
- 选链路：挑一条高频、重复、流程清楚的业务，别先碰创新业务
- 画流程：把这条链路的现状画出来，从触发到完结，每个环节标清楚
- 标环节：逐个环节打标签——「重复、有规则、可验证」的，是 AI 的活；「判断、权责、人情」的，留人
- 找 AI 能干的：在标成「AI 的活」里，再筛出输入输出清晰、错了能兜住的那几个
- 定边界：每个环节写清「输入是什么、输出是什么、谁验收、做砸了怎么办」
这套拆法，本质就是我上篇说的逻辑蒸馏——把模糊业务蒸馏成一条模型能执行、每步可验证的任务链。
拆到什么程度算拆完？我压成一个可验证的标准：你把手从键盘上拿开，把这条链路讲给一个从没碰过你们业务的人，他能照着你的描述复述到九成对。拆到这一步，说明每个环节的输入输出边界已经清楚，agent 才知道自己干到哪算干完。
拆不出来的时候，通常不是你不会拆，是这条链路本身没想清楚——那恰恰是 AI 项目该停下的地方。别拿模型去试，先回去把流程理清。
4. 排优先级：从哪条链路先下手
链路拆完，你面前可能躺着五六条。先卖个关子：第一条该切的链路，往往不是你觉得最容易的那条。后面兑现。
排优先级，我给一个两轴矩阵。横轴是价值——这条链路跑通，能省多少成本、多贡献多少收入；纵轴是可行性——数据齐不齐、流程稳不稳、错了的代价大不大。
- 高价值 × 高可行：第一批下手
- 高价值 × 低可行：先补底座（数据、接口），别硬上
- 低价值 × 高可行：放着，别浪费组织信用
- 低价值 × 低可行：忘掉
为什么不是先挑最容易的？因为容易的链路往往价值也低——你花三个月把它跑通，业务部门只会说「哦，是有这么回事」，然后没人用。我见过太多团队把组织信用花在「容易但没用」的链路上，等真正高价值的链路要上马时，预算和耐心都已经被耗光了。
优先级定了，还有一条铁律要守：受控专精先跑，不碰通用自主。
这条铁律背后的数学，是 agent 工程里最残酷的一组数——单步 95% 可靠的 agent，5 步工作流成功率约 77%，10 步跌到约 59%（据《2026 下半年三个塌房预测》及复合可靠性分析，写作日 2026-08-15 核实）。可靠性衰减是乘出来的，不是加出来的；通用自主 agent 意味着长链路、高自由度，等于主动跳进可靠性滑梯。
所以第一批试点，只切那些环节少、边界清晰、错了能兜住的专精链路——就像联想乐享跑起来的「总控 Agent 拆任务、专业 Agent 接力」那样，每个专业 agent 只管自己最熟的那一段。
现在兑现那个关子。第一条该切的链路，往往不是你觉得最容易的那条，而是「价值明确、可行性刚好够」的那条。最容易的那条多半是低垂果实，摘了不解渴；最难的那条现在是坑。真正该先动的，是卡在价值×可行性矩阵右上角的——它可能是条中等难度的链路，但它跑通的价值，足够撑起你对整个组织的说服力。
5. 让 AI 长进业务，而不是贴上去
试点跑通一个环节，不算结束，算开始。接下来要做的是把它从「外挂」变成「内生」——这一步做不好，你就得到一堆 AI 孤岛。
Palo Alto Networks 的 CEO Nikesh Arora 说得非常难听但很准：超过一半的企业用 AI 的方法是错的。他把那种「用 AI 扫发票、效率提升 10%、砍 20% 人头」的做法，形容为「不是革命，只是给老旧系统贴上一块更高级的创可贴」。
贴膏药和长基因，差别在哪？我拆成三样东西。
第一，流程要重设计，不是叠加。贴膏药的做法是保留旧流程，在某个环节旁边加个 AI 按钮；长基因的做法是重新设计这个环节——人和 AI 各干各擅长的，工作流按人机协同重画。这和我《DUI 时代软件交互范式与 Agent+ 产品组织》那篇的旧观点是同一件事：agent+ 不是加一个功能，是重构一条链路。
第二，数据要变成底座。高飞在那篇澎湃文章里有个反直觉的判断：AI 时代最被低估的是数据。算法和算力可以商品化，数据往往是你独有的。过去 30 年，数据是 ERP 流程运转的副产品，量大了就删；现在数据从副产品变成「数字员工的经验」。SAP 的数据也能佐证：74% 的 AI 项目停在试点没法规模化，原因不是模型不够强，是 AI 没有企业的业务知识。数据底座不建，AI 就是没有记忆的员工。
第三，工程上要可控。这才是 Harness 登场的理由——它解决的是意图漂移、幻觉、不可审计这一串问题。我在《Agent Harness 架构公共要素》那篇里拆过八项公共要素：Agent Loop、上下文管理、工具流水线、安全边界、会话可观测、多 Agent、可扩展性、模型适配。企业落地里，你要的不是这八项全上，而是至少把「会话可观测」和「安全边界」立起来——agent 跑错了能不能查、乱来了能不能拦。没有这两道闸，AI 孤岛只会越用越多，因为没人敢把孤岛连起来。联想乐享是业内首个把自研 Harness 运行层落地到企业场景的智能体——工程可控不是理论，有人拿真金白银验证过了，案例那节细讲。
我压成一句话：贴膏药的组织，AI 孤岛越用越多；长基因的组织，AI 才是关键拼图。AI Native 不是给传统组织贴 AI 膏药，是从底层业务逻辑重新设计。
6. 过组织这一关：最大的坎在组织，不在技术
前面五节讲的都是技术和方法，但真正的死结在这里。AI Native 落地最大的障碍，从来不是模型能力，是组织。BCG 报告里有一句我特别认同——AI 时代最稀缺的资源不再是算法，而是企业自我重塑的能力；BCG 甚至建议把 AI 转型 70% 的资源投到人和业务流程上，而不是技术本身。九成公司死在同一个地方：减法。
AI 进场，意味着原有的岗位、流程、汇报关系要变。但组织里没人因为「消灭了自己的岗位」而被提拔——被裁的岗位主人不配合，保住岗位的人联合抵制，负责推动的 CIO 一个人在台上唱独角戏。一把手说要推，真到要砍业务环节、调绩效指标的时候，没人愿意当那个刀。
这就是为什么「一把手工程」和「CIO 推不动」同时成立：一把手给了预算和态度，但没给组织变革的工具；CIO 接住了预算，却推不动跨部门的流程重组。
北大国家发展研究院管理创新实验室副主任朱丽，在一个采访里点破了另一件事——AI 在组织层面的渗透是分阶段的（据经济日报、新浪财经 2026-07 报道）：
- 阶段一，AI 单点提质增效：决策全权在人，AI 是效率工具——大多数企业现在在这
- 阶段二，人机角色调整：部分判断权转移给 AI，人和 AI 重新分工
- 阶段三，组织架构重塑：决策权按 AI 参与重新配置，组织走向制度化、结构化
朱丽把终局讲得很有画面感：「超级个体是起点，超级团队是路径，AI 原生组织是终局。」她给 AI 原生组织列了五大关键系统——组织去中心化、重新定义 CEO 职能、储备关键人才、建立适配的绩效激励机制、明确以谁为主体的企业文化。
这套框架怎么用？我的建议是：别用阶段一去证明阶段三。多数组织的错误，是把「某个环节用 AI 提效了 30%」当成 AI Native 的证据，然后宣布胜利。但单点提效不改变生产关系——它只是让旧组织跑得快了一点。真正过组织关，是主动把组织往阶段二、阶段三推：判断权怎么移交、绩效怎么重算、哪些岗位要人退出来去做更高层的事。
之前的文章提到，团队会收敛成 Builder（定义意图）和 Reviewer（验证结果）两个角色，人退到两个签字点上。同一个逻辑放到全公司——每个业务环节，都要有人定义「AI 要达成什么」，有人验收「AI 做没做到」。
7. 一条可执行的落地路径
六节拆完，我把方法收束成一条五步路径。我上篇写过四步（诊断→拆解→试点→固化），这次扩成五步，因为「规模化」这一关在组织层面绕不开。
- 诊断：先摸清家底——哪条业务链路重复、有规则、可验证；数据在不在、通不通、能不能用。诊断没做透就上 agent，是九成项目翻车的原因。
- 拆解：把目标链路按第 3 节那五步拆干净，每个环节标清输入输出和验收标准。
- 试点：挑一条「价值×可行性」右上角的窄链路先跑，把验收线定死——上线前先写清楚「它做对了长什么样、做错了长什么样」。
- 固化：跑通的环节，重新设计流程、接上数据底座、把 Harness 的可观测和安全闸立起来，让它从「外挂」变成「内生」。
- 规模化：把固化下来的能力复制到同类链路，同时组织架构跟上来——这一步是慢变量，拼的是前面每一节。
最后给试点定个性，这是我踩过坑之后的切身体会：试点死掉和试点验证，是两回事。试点死掉，是没拆透、没验收线、跑不通；试点验证，是跑通了、也证明有价值，但因为组织没跟上而没能推广——后者不是失败，是成功了一半。别被「试点失败率」吓住，要先分清你死在哪一格。
8. 案例走一遍：从拆解到跑通
路径讲完，拿两家公司的真实案例走一遍。两家都是中国企业，都在 2026 年公开了数据，我写作日核实过。
联想乐享 4.0：从单点工具到智能体重构业务。
据 CCID 网、亿欧、新华网等 2026-07 报道，联想乐享 6 月末升级到 4.0，从「企业超级智能体」全面进入「AI 闭环执行任务」时代——用户用自然语言说出需求，乐享连贯完成商品咨询、产品推荐、下单交易、售后维修，一句话办成一串事。
它走的是典型的三阶跃迁路径：单点工具 → 业务流程 → 智能体重构业务。落到数字上：月活突破 700 万、日均交互超 100 万次、累计拉动销售额超 50 亿；联合 46 个垂直领域场景智能体组成「智能体军团」，上一财年助力联想中国区客户直营营业额同比增长 33%。
对照第 7 节路径，联想把「研产供销服」全价值链拆开，选了客户直营这条高价值链路，总控 Agent 拆任务、专业 Agent 接力，跑通后固化进 46 个场景智能体，再规模化复制——每一步都能对上。
海尔智家：工艺规划从数小时到分钟级。
据 e-works、中金在线等 2026-06/07 报道，海尔的超级智能体「智小能」覆盖 9 大业务板块、70 多个核心工作场景，应用人数突破 6 万，被定义为制造业首个企业级 Agent OS。底层是海尔用十年时间搭起来的 H-work 统一平台——「统一入口、统一能力、统一数据、统一架构」。
最典型的效果在工艺规划：编制时长从数小时压到分钟级，方案准确率提升 20% 以上，工艺员从一线编写执行者变成审核把关人。注意这个角色转变——这正是第 6 节说的组织阶段二：部分判断权转移给 AI，人退到审核位。「四个统一」的数据底座搭了十年，才是「数小时到分钟级」能落地的前提。
两家对照着看，能得出一个共同结论：跑通的都不是「选了个好模型」，而是「拆了链路、重设计了流程、建了数据底座、最后过了组织关」。模型只是最后拼上去的那块。
9. 结论：AI Native 是代价明确的重构
AI Native 不是免费的赋能，是代价明确的重构。它要你拆业务链路、重设计流程、建数据底座、上工程闸，最后还要动组织——每一件都是要投入、要砍东西、要得罪人的活。
所以行动起点，我给三句话，都是马上能落地的：
- 从一条链路起手，不是从战略起手。挑一条「价值×可行性」右上角的链路，按第 3 节拆开，跑一个带验收线的试点。
- 把试点当内生来设计，不是当外挂来验证。第一步就规划好流程重构、数据底座、Harness 两道闸，别等孤岛长出来再拆。
- 把组织关提前。别等技术跑通再谈组织——一开始就把「谁定义意图、谁验收结果、绩效怎么重算」摆上桌。这一关，越晚越难。
写在最后：95% 的试点在死，但死因不是模型不够强，是路径没走对。而路径是现成的——拆、排、嵌、过。你要做的不是找更聪明的模型，是找到那条该拆的链路，然后动手。
你们公司的 AI 试点，是成了、死了、还是卡在组织关？评论区说说，我想知道真实战场上这一关到底卡住了多少人。
