中国企业如何打造一支真正的 AI 原生团队？

最近接触了不少企业，发现一个很有意思的现象。几乎所有老板都在关注 AI：有的已经给员工买了 AI 工具，有的组织过几次培训，还有的专门成立了 AI 项目组。但几个月过去，真正发生改变的企业并不多。

大多数企业的状态是：老板很着急，中层不知道怎么推动，员工不知道怎么用。少数年轻员工已经用 AI 写方案、做表格、查资料，其他人依然按照过去的方式工作。培训的时候大家很兴奋，培训结束以后，该怎么干还是怎么干。

问题不在 AI，而在于我们一直把 AI 当成一个新工具，而不是一种新的工作方式。

如果企业希望真正成为 AI 原生企业，就不能只让员工学会使用 AI，而是要让整个团队逐步学会和 AI 一起工作。这套方法不需要一开始投入很多钱，也不需要成立庞大的 AI 部门——先用 90 天，做出一些真正的改变。

一、老板要先明白：AI 原生不是全员都会写提示词

现在很多企业对 AI 原生的理解存在偏差，觉得员工都会用 ChatGPT、豆包、DeepSeek，就算完成了 AI 转型。其实差得很远。举个例子：一家企业的销售人员，每天需要做这些事情——

• ·整理客户需求
• ·查询产品资料
• ·编写报价方案
• ·跟进客户
• ·更新 CRM
• ·向领导汇报销售进展

如果销售人员只是用 AI 润色一下邮件，或者帮忙写一份周报，这当然有价值。但这还不能算 AI 原生。

真正的变化是什么？

• ·客户提出需求以后，AI 可以协助整理需求、查询产品资料、生成报价初稿。这类场景我们在智能报价里拆解过。
• ·销售人员负责判断报价是否合理，与客户沟通，处理特殊情况。
• ·客户沟通结束以后，AI 协助整理跟进记录，并根据确认的信息更新 CRM。
• ·原来需要销售人员在多个系统之间反复操作的工作，现在由人和 AI 共同完成。

区别就在这里：不是在原来的工作方式旁边增加一个 AI，而是重新思考这件工作应该怎么完成。

所以我更愿意这样定义 AI 原生团队：团队遇到一项工作时，会自然地思考——哪些事情应该由人完成，哪些事情可以交给 AI，哪些事情可以让人和 AI 一起完成。这才是我们真正要建立的能力。

二、第一步：先找到一个真正负责的人，不要急着成立 AI 部门

很多企业推进 AI 的第一件事，就是成立一个 AI 工作小组：老板担任组长，各部门负责人参加。会议开了几次，大家汇报了一些学习心得，最后就没有下文了。

人人负责，往往意味着没人真正负责。

我的建议是先找一个具体的人。这个人不一定来自 IT 部门，也不一定是公司里最懂技术的人，反而可能是销售运营负责人、办公室主任、业务骨干，或者一个愿意研究新事物的部门经理。但他必须具备三个条件：

1. 1第一，懂业务。知道公司每天在做什么，哪些工作最麻烦。
2. 2第二，愿意学习。能够主动尝试 AI，而不是等别人教。
3. 3第三，能推动事情。发现一个好办法以后，能够协调其他人一起尝试。

在中小企业，这个人最好由老板直接授权。因为 AI 改变的往往不是某个人使用什么工具，而是不同岗位之间如何配合；如果没有一定的协调权，很容易卡在部门之间。

不能让这个人白天干原来的工作，晚上义务研究 AI。

既然公司把 AI 当成重要的事情，就应该给他明确的工作时间和目标。一开始不需要设立新岗位，可以由现有人员兼任，但必须有明确责任。

三、第二步：先找出公司最值得改造的 10 件事，不要先培训全员

这是我认为最重要的一步。很多企业一开始就安排全员培训：今天讲提示词，明天讲智能体，后天讲工作流。员工听得很认真，但回到岗位上还是不知道怎么用，因为培训内容和每天的工作没有真正联系起来。

我建议先做一件更简单的事情：让每个部门列出自己最重复、最耗时、最容易出错的工作。比如——

不需要一下子收集几百个需求，先找 10 件事就够了。但有一个原则：不要优先选择看起来最先进的场景，而要选择最容易产生实际效果的场景。

比如，一家企业每个月需要编写几十份投标文件。过去工作人员需要逐页阅读招标文件，寻找评分标准、技术要求、商务条款；现在可以先让 AI 协助提取这些信息，再由工作人员核对原文。如果确实能减少重复劳动并保证准确性，这就是一个很好的切入点——我们在标书质量核查和几百页招标文件废标风险穿透核验两个案例里都验证过。相比之下，一开始就想让 AI 自动管理整个销售部门显然不现实。

先解决一个具体问题，比做十场培训更有说服力。

四、第三步：选一个场景，真正把它做出来

找到场景以后，不要急着采购一整套 AI 平台，先验证这件事能不能做。我建议采用一个简单的办法：选择一个场景，让业务人员和懂 AI 的人一起，用两周时间做出一个能用的版本——这就是我们说的两周最小验证法。以报价流程为例——

1. 1第一天，先把原来的报价过程梳理清楚：客户提出需求以后，谁来整理？谁来核价？谁来审批？最后谁发给客户？
2. 2第二步，找出其中适合 AI 的工作，例如需求整理、产品资料查询、报价说明生成。
3. 3第三步，让 AI 真正参与其中。最初可以只是人工上传资料，由 AI 生成初稿；如果验证有效，再考虑连接产品数据库、客户档案和审批流程。
4. 4最后，让真正负责报价的员工来试用。

必须让每天做这件事的人能够独立使用，并且愿意继续使用。不是让技术人员自己演示成功就算完成。

如果员工试用以后发现还不如自己做得快，那就说明这个方案需要继续改进。不要为了证明 AI 有价值，强迫员工使用一个并不好用的东西。

五、第四步：培训要分三类人，不能所有人上一堂课

中国企业还有一个很现实的问题：不同员工对 AI 的认知差距非常大。有人已经在使用 AI Coding，甚至能自己开发简单的软件；有人只会用豆包问问题；还有人从来没有真正使用过 AI。把这些人放在一个教室里讲同样的内容，效果通常不会好。我建议分成三类。

第一类是老板和高管。他们不需要先学习复杂的提示词，最重要的是理解：AI 能改变哪些业务？哪些工作可以重新组织？应该投入多少资源？如何判断效果？老板如果只把 AI 当成降本工具，很容易把事情做偏——AI 的价值不仅是减少人工，还包括提高响应速度、改善服务质量，以及让原来做不到的事情变得可能。

第二类是部门负责人和业务骨干，这是最关键的一群人。他们既懂业务，又有能力推动部门改变。培训重点应该是：如何识别 AI 场景，如何拆解工作流程，如何判断结果是否可靠，以及如何组织人和 AI 协同工作。不要求人人会编程，但要逐步具备设计 AI 工作流程的能力。

第三类是普通员工。不要一上来就讲大模型原理、Agent 架构和复杂技术概念，先让他用 AI 完成一件真实工作：让行政人员整理一份会议纪要，让销售人员生成一份客户拜访总结，让财务人员核对一组数据。员工亲手完成一次，远比听两个小时的理论有用。

培训的原则只有一个：先用起来，再慢慢理解。

六、第五步：不要让员工觉得，学会 AI 就意味着失业

这是很多 AI 培训不会讲，但中国企业必须面对的问题。老板说「我们要全面推广 AI，提高效率」，员工心里可能想的是：效率提高了，是不是以后就不需要这么多人了？原来三个人做的事情现在一个人就能完成，那另外两个人怎么办？

还有一种情况：某个员工通过 AI 把原来需要一天的工作缩短到了两个小时，领导知道以后没有奖励他，而是安排了更多工作。那么下次他还会主动分享吗？恐怕不会。

如果员工发现使用 AI 的结果只是增加自己的工作量，甚至威胁自己的岗位，那么他就没有动力推动 AI。

因此企业必须建立正确的激励机制：员工发现一个有价值的 AI 应用可以给予奖励；某个部门成功改进了一项工作流程，可以公开表扬参与人员；员工通过 AI 节省出来的时间，可以用于客户服务、业务拓展、技能提升，而不是简单地不断增加任务。

当然，企业不可能保证 AI 永远不会影响岗位结构。但至少应该明确告诉员工：我们希望你们掌握新的工作能力，而不是要求你们在不了解规则的情况下，主动证明自己的岗位可以被取消。只有员工愿意分享经验，AI 才能真正从少数人的工具，变成整个组织的能力。

七、第六步：建立企业自己的 AI 知识库，但不要一开始就做得很复杂

当企业开始使用 AI 后，很快会出现另一个问题：每个人都有自己的提示词，销售有销售的，市场有市场的，财务有财务的。有人把经验存在个人电脑里，有人发在微信群里，有人存在飞书文档里。时间一长，很多有价值的方法就找不到了。所以企业需要一个统一的地方，保存已经验证有效的 AI 使用方法。

但这里有个误区：一听到知识库，很多企业就想采购一套知识管理系统，建设复杂的 RAG 平台。其实一开始完全没有必要，用现有的企业微信文档、飞书知识库、钉钉文档，甚至共享文件夹，都可以开始。先保存三类内容：

1. 1经过验证的工作方法。例如如何使用 AI 整理客户需求。
2. 2可以复用的资料。例如产品介绍、业务规则、常用提示词。
3. 3真实的应用案例。谁在什么场景用了 AI，取得了什么效果，有什么注意事项。

但一定要有人负责维护。AI 工具更新很快，三个月前有效的方法今天可能已经不适用。知识库不是资料越多越好。

真正有价值的是：让一个新员工进入公司以后，能够很快找到完成自己工作的最佳方法。

八、第七步：让 AI 进入原来的工作流程，而不是增加一套新流程

这是从 AI 工具使用走向 AI 原生团队的关键一步。现在不少企业的问题是：原来员工需要登录 ERP、CRM、OA，推广 AI 以后又增加了几个 AI 网站，员工每天需要在更多系统之间切换——先从 CRM 复制客户信息，粘贴到 AI 里，生成内容以后再复制回 CRM。这当然可以提高部分工作效率，但如果长期停留在这个阶段，AI 就只是一个外挂工具。

真正值得追求的是：AI 能够在原来的业务流程中工作。

以客户报价为例：销售提交客户需求，AI 协助分析需求、查询资料、生成报价草稿；涉及价格调整、特殊条款时，由相关负责人审批；审批通过以后，再生成正式报价文件。整个过程中，人负责判断和决策，AI 负责适合自动化的工作。再比如投标：AI 协助解析招标文件、提取评分项、检查标书内容，投标负责人审核结果，确认以后进入下一环节。这才是人和 AI 真正协同——我们在HAFlow里把它做成了可复用的底层能力。

当然，不是所有工作都应该自动化。尤其涉及资金支付、合同签署、人事决策、重要客户承诺等事项，必须保留明确的人工审核和授权机制。

AI 原生不是让 AI 替代所有人，而是重新分配人和 AI 的工作。

九、第八步：不要把 AI 推广变成运动式管理

中国企业很容易出现一种情况：老板重视一件事，所有部门马上行动——成立小组、召开动员大会、每周汇报、制定考核指标。一时间声势很大，但如果没有真实的业务成果，很快就会变成形式主义。比如要求每个员工每天必须使用 AI 五次，这类指标很容易完成：员工每天打开 AI，问几个无关紧要的问题，就算达标，但企业的工作方式没有发生任何改变。

我更建议采用一种简单的机制：每两周召开一次 AI 应用分享会。不要求每个人汇报学习心得，只回答三个问题——

1. 1最近两周，你用 AI 解决了什么实际问题？
2. 2原来怎么做，现在怎么做？
3. 3这个办法能不能让其他同事复用？

如果有人做出了真正有效的应用，就让他现场展示。如果没有，也不要强行编造成果，让真实成果自己说话。当销售部门发现财务部门已经用 AI 减少了大量重复核对工作，自然会开始思考自己能不能做。

企业内部最有效的 AI 推广，往往不是领导反复强调，而是身边的同事真的做出了成绩。

十、第九步：别只统计使用人数，要统计工作发生了什么变化

很多企业购买 AI 工具以后，最关心的指标是活跃用户数：今天多少人登录，多少人使用，调用了多少次模型。这些数字可以看，但远远不够，因为员工每天使用 AI 并不代表工作效率真的提高。我建议至少关注四个指标。

1. 1真正投入使用的业务场景有多少。不是演示过多少，而是已经进入日常工作、有人持续使用的场景。
2. 2工作效率有没有提高。例如原来完成一份报价需要两小时，现在是否能在保证质量的前提下缩短到半小时。
3. 3工作质量有没有改善。例如投标文件的遗漏有没有减少，客户响应有没有更及时，财务核对的差错有没有降低。
4. 4员工能不能独立使用。如果每次都需要技术人员在旁边指导，说明这项能力还没有真正进入组织。

还有一点需要注意：节省时间不等于直接节省成本。员工每天节省一个小时，不代表企业就自动增加了一个小时对应的利润。要看这些时间最终有没有转化成更多业务、更好的服务、更少的错误，或者实际降低的经营成本。

AI 的价值最终必须体现在业务结果上，而不只是使用数据上。

十一、最后一步：让老板带头，但不要让老板成为唯一推动者

在中国企业，老板的态度非常重要。如果老板自己从来不用 AI，只要求员工学习，大家很容易把它当成一项临时任务。相反，如果老板在日常工作中主动使用 AI，情况就会不同。

例如开经营分析会时，让 AI 协助整理经营数据；讨论一个新项目时，让 AI 帮助梳理风险和执行计划；审阅业务方案时，展示 AI 如何帮助发现问题。

但老板也不能成为唯一推动者。

因为老板再重视，也不可能每天盯着每个部门如何使用 AI。真正需要改变的是部门负责人：销售经理要知道如何让 AI 帮助销售团队提高客户响应速度；财务经理要知道如何利用 AI 减少重复核对工作；人事经理要知道如何利用 AI 改善招聘、培训和员工服务。

部门负责人不需要成为技术专家，但必须能够判断：

哪些工作值得改变，改变以后有没有效果，下一步应该怎么做。

如果只有老板在推动，员工在等待，AI 就始终是一项自上而下的任务。当部门负责人开始主动寻找机会，普通员工开始提出改进建议，企业才真正具备了持续进化的能力。

十二、给中国企业的一份 90 天 AI 原生团队行动路线图

前面讲了很多方法，但真正执行的时候，不需要一下子全部完成。我建议把前 90 天分成三个阶段。

点击放大

第一个月：先让 AI 真正用起来

这个阶段不要追求全面推广，只做四件事。

1. 1第一，确定负责人。老板明确授权一名负责人推动 AI 应用，协调业务部门，定期汇报进展。
2. 2第二，找到 10 个真实场景。让各部门提交最重复、最耗时、最容易出错的工作，从中挑选有价值的场景。
3. 3第三，选出 1—2 个场景试点。不要选最复杂的，优先选择业务人员愿意参与、效果容易验证的工作。
4. 4第四，制定最基本的 AI 使用规则。明确哪些工具可以使用，哪些业务数据不能随意上传，哪些结果必须经过人工审核。

第一个月结束时，不需要所有员工都掌握 AI，只需要证明一件事：

AI 确实能够帮助企业解决实际问题。

第二个月：让一个人的经验变成一个部门的能力

有了试点成果以后，开始复制。首先，让试点员工向其他同事展示——不要讲太多理论，就展示原来怎么做，现在怎么做，效果有什么不同。其次，把有效的方法整理成简单的操作指南，让其他员工照着操作也能完成类似的工作。然后，针对不同岗位开展培训；培训结束以后，要求员工亲手完成一项实际任务，而不是只听课。

这个阶段还可以尝试把 AI 与企业现有的业务系统连接起来，减少人工复制、粘贴和重复录入，但前提是场景已经得到验证，确实值得继续投入。第二个月的目标是：

不再依赖某一个特别懂 AI 的员工，而是让一个部门具备稳定使用 AI 的能力。

第三个月：从个人使用走向团队协同

到了第三个月，重点就不再是教大家怎么使用某个 AI 工具，而是开始思考：

能不能让 AI 直接参与一项完整的业务流程？

例如报价。

不只是让 AI 写报价说明，而是让 AI 协助完成需求整理、产品查询、报价生成，再由相关人员审核确认。

例如客户服务。

不只是让 AI 回答客户问题，而是让 AI 协助识别客户需求、查询知识库、生成回复建议，并在需要时转交人工处理。

例如投标。

不只是让 AI 总结招标文件，而是让 AI 参与招标文件解析、评分项提取、标书编写辅助和质量检查。

到了这个阶段，企业就可以逐步建立自己的 AI 工作流，让 AI 不再是员工需要主动打开的工具，而是业务流程中的一个参与者。

第三个月结束时，重点检查三个问题：

1. 1有没有已经稳定使用的 AI 工作流程？
2. 2有没有业务人员能够独立维护和改进这些流程？
3. 3有没有明确的数据证明工作效率或质量发生了变化？

如果这三个问题都有了答案，说明企业已经迈出了从 AI 工具使用到 AI 原生工作的关键一步。

需要强调的是，90 天不是完成 AI 转型的期限，它只是帮助企业建立第一套可运行、可复制、可持续改进的机制。

十三、AI 原生团队最终会变成什么样？

我认为，未来企业内部可能会发生一个很大的变化。过去我们组织工作，首先考虑的是人：一件事情需要多少人，分别属于什么部门，应该设置什么岗位，如何安排审批流程。所以企业逐渐形成了销售部、市场部、财务部、人事部，以及围绕这些部门建立的各种管理软件。

但 AI 出现以后，我们有机会换一种思路。

不再首先考虑需要多少人，而是先考虑这件事情应该如何完成。

比如完成一份客户报价。

• ·哪些工作需要销售人员完成？
• ·哪些工作可以由 AI 完成？
• ·哪些环节需要财务审核？
• ·哪些步骤可以自动执行？
• ·哪些结果必须由人最终确认？

当这些问题明确以后，再把人、AI 和企业现有的系统组织到同一条工作流程里。这就是共事名字的由来，也是我们对HAFlow的定位：

Human + Agent, in Flow.

让人和 Agent 在同一个工作流程中协作，共同把事情做完。

这和过去简单地采购一套软件有很大区别。过去企业购买 CRM、ERP、OA，通常需要先适应软件预设的流程；如果企业的实际工作方式不同，就需要配置、定制，甚至修改代码。而未来，我们希望能够围绕企业实际的工作方式，灵活组织人、AI 和系统。

企业需要的，不只是更多 AI 工具，而是一种能够持续改进工作流程的能力。完整的实施思路与阶段划分，我们在方法论里展开过。

当然，这不会一夜之间发生，也不是所有企业都需要马上建设复杂的 AI 系统。对于很多中小企业来说，先把一个报价流程做好，先让一个部门真正用起来，就已经很有价值。但方向应该是清楚的：

从人使用 AI 工具，到人和 AI 共同完成工作。

这才是 AI 原生团队最值得追求的变化。

最后，给企业管理者一份行动清单

如果你准备在接下来的 90 天里推动 AI 落地，可以从下面这些事情开始。若不确定先动哪一件，也可以带着具体业务问题来做一次AI 应用诊断：

• 老板明确支持，指定一名真正负责 AI 落地的人。
• 每个部门梳理重复、耗时、容易出错的工作。
• 选出 10 个候选场景，确定 1—2 个优先试点。
• 制定简单明确的 AI 工具和数据使用规则。
• 让业务人员参与试点，验证真实效果。
• 按管理层、业务骨干、普通员工分层培训。
• 建立可复用的 AI 操作指南和知识库。
• 每两周分享一次真实的 AI 应用成果。
• 对有价值的员工创新给予认可和奖励。
• 逐步把 AI 接入现有业务流程。
• 衡量效率、质量和实际业务结果。
• 将验证有效的方法推广到其他岗位和部门。

不需要第一天就完成全部事项，也不需要每个员工都成为 AI 专家。从一个真实的业务问题开始，解决它，再解决下一个。让一个人先用起来，让一个部门真正受益，再逐步改变整个组织。

我一直觉得，AI 对中国企业最大的价值，不是让员工每天多使用几个智能工具，而是让我们有机会重新思考那些已经沿用了十年、二十年，甚至三十年的工作方式。

有些流程过去必须这样做，是因为当时没有更好的办法；有些岗位之间需要反复传递信息，是因为系统之间无法直接协作；有些事情必须靠大量人工完成，是因为过去的软件只能记录信息，不能理解业务，更不能主动参与工作。

现在，这些前提正在发生变化。

真正的 AI 原生企业，不是拥有最多 AI 工具的企业，而是能够不断重新设计工作方式的企业。

而真正的 AI 原生团队，也不是人人都会写提示词，

而是当一项新工作出现时，大家已经习惯性地思考：这件事，应该怎样让人和 AI 一起完成？

这才是未来企业真正需要建立的能力。