文/陳根

在2026年的AI話語體系中，主流敘事已經(jīng)高度固化，幾乎形成了一種默認(rèn)共識：算力決定基礎(chǔ)設(shè)施上限，模型架構(gòu)決定智能邊界，數(shù)據(jù)質(zhì)量決定能力深度。這套“三位一體”的技術(shù)框架看上去邏輯嚴(yán)密、論證充分，但它系統(tǒng)性地忽略了一個真正決定成敗的隱形變量——組織是否具備真正的適應(yīng)能力。

作為全球第一本關(guān)于ChatGPT一書的作者，一名長期在前沿科技與前沿醫(yī)學(xué)領(lǐng)域的觀察者，我在2025年的親身實踐中發(fā)現(xiàn)，AI能力的指數(shù)級躍升（如從GPT-4到Claude 4.5的迭代）與組織的線性響應(yīng)形成鮮明不對稱。

技術(shù)，已經(jīng)不是主要瓶頸。真正制約AI潛力的，是一個更深層的組織學(xué)命題：AI并非受限于“能做什么”，而是受制于“組織敢不敢讓它做”。

“30%”這個數(shù)字，真正暴露了什么？

這個判斷，源于一個在技術(shù)團(tuán)隊中極為常見、卻很少被認(rèn)真反思的數(shù)字——AI 生成代碼占比約 30%。這在行業(yè)中不算落后，甚至可視為進(jìn)步。

但如果把它放入更寬廣的組織心理學(xué)視角，就會發(fā)現(xiàn)，它并不是技術(shù)能力的自然結(jié)果，而更像是一種人為設(shè)定的安全上限。這里反映的，其實是典型的“現(xiàn)狀偏差”：人類傾向于維持既有分工邊界，即便技術(shù)已經(jīng)具備顛覆條件。

哈佛大學(xué)行為經(jīng)濟(jì)學(xué)家卡尼曼的“損失厭惡”理論在此尤為貼切：組織往往更害怕“放手 AI”帶來的短期風(fēng)險，比如錯誤被放大、職責(zé)邊界模糊、角色價值被挑戰(zhàn)，而不是去計算長期的系統(tǒng)性收益。這并不是效率問題，而是一種決策惰性，反映出工業(yè)時代遺留的路徑依賴如何鉗制AI時代轉(zhuǎn)型。

從系統(tǒng)論的角度看，組織本身是一個閉環(huán)系統(tǒng)。AI 作為強(qiáng)烈的外部擾動，如果沒有同步觸發(fā)內(nèi)部反饋機(jī)制的變化——尤其是分工方式和決策結(jié)構(gòu)的變化——系統(tǒng)就會自動回到一個“低效但穩(wěn)定”的狀態(tài)。

于是，AI 被人為限制在一個看似安全、實則低效的區(qū)間內(nèi)。這背后，其實是典型的“范式鎖定”。就像庫恩所說的“正?？茖W(xué)”，工業(yè)分工范式已經(jīng)內(nèi)化為組織的默認(rèn)前提。AI 在技術(shù)層面挑戰(zhàn)了這些前提，但在制度和認(rèn)知層面，卻被不斷邊緣化。結(jié)果就出現(xiàn)了一種悖論：技術(shù)越先進(jìn)，組織反而越保守。

從制度經(jīng)濟(jì)學(xué)的“制度變遷”視角，這種鎖定源于“交易成本”過高：變革需重塑契約與規(guī)范，短期內(nèi)放大不確定性，導(dǎo)致組織偏好漸進(jìn)式而非顛覆式適應(yīng)。從哲學(xué)層面，這回響了海德格爾的“此在”概念：組織作為“在世存在”，沉淪于“常人”的平均狀態(tài)，畏懼“向死而生”的本真躍遷，寧愿固守熟悉的“現(xiàn)成性”，而非擁抱AI帶來的可能性。

于是就來到了第一個探討的問題，決策邊界的“隱形壁壘”——從30%到近100%的實踐啟示與“能力閾值悖論”的思考。

決策邊界，才是真正的隱形壁壘

當(dāng)我在2025年初調(diào)研多支技術(shù)團(tuán)隊時，幾乎都得到了同樣的答案：AI 完成代碼比例約 30%。這個數(shù)字本身“合理”，卻掩蓋了一個更重要的問題——為什么不是 70%，不是 90%？如果模型已經(jīng)具備獨(dú)立生成復(fù)雜邏輯的能力，那么 30% 并不是技術(shù)極限，而是人為邊界。

為了驗證這一點(diǎn)，我和研究小組刻意搭建了一個極簡團(tuán)隊，從零開始構(gòu)建產(chǎn)品。在短短兩三周內(nèi)，首版產(chǎn)品便可以穩(wěn)定運(yùn)行。回溯整個過程，代碼幾乎完全由 AI 生成。真正的變化，并不來自模型升級，而來自一個決定：移除人為分工的藩籬，最大程度信任 AI。

在傳統(tǒng)項目管理中，需求、開發(fā)、測試層層拆解，協(xié)作成本隨著角色增加而指數(shù)上升。但在 AI 原生流程中，我們把 AI 視為“整體生成器”：輸入問題框架，輸出可運(yùn)行模塊，人類只在關(guān)鍵節(jié)點(diǎn)進(jìn)行判斷與修正。

這一實驗揭示了“能力閾值悖論”：AI可將執(zhí)行從0拉升至85分（高效但非完美），但從85到100分的躍遷，需要人類注入“價值定義”——何為卓越？如何權(quán)衡風(fēng)險？

也就是說，從 85 到 100 分，恰恰是 AI 無法替代的部分——價值判斷、目標(biāo)選擇、責(zé)任承擔(dān)。換言之，AI 放大了執(zhí)行杠桿，同時也放大了對領(lǐng)導(dǎo)力的要求。在這個過程中，真正稀缺的資源，已經(jīng)不再是編碼能力，而是問題如何被定義、結(jié)果由誰負(fù)責(zé)。

從行為經(jīng)濟(jì)學(xué)角度，這涉及“錨定效應(yīng)”（Anchoring Bias），即，組織往往錨定于“人類主導(dǎo)”的歷史規(guī)范，導(dǎo)致決策邊界固化。若組織固守“人必須主導(dǎo)”的心理壁壘，AI潛力將被人為壓縮至“安全區(qū)”，錯失指數(shù)級回報。

這就給我們帶來了一個更深層思考，也就是“代理問題”（Agency Theory）其在AI時代的變異——代理人（員工）傾向于保護(hù)自身角色，而委托人（領(lǐng)導(dǎo)）需重塑激勵機(jī)制，以打破“道德風(fēng)險”循環(huán)。

進(jìn)一步，從認(rèn)知心理學(xué)（Amos Tversky的框架理論）看，這種悖論源于“框架效應(yīng)”：將AI視為“輔助工具”而非“核心伙伴”，會系統(tǒng)性低估其潛力，導(dǎo)致“閾值鎖定”。未來，若不解決這一悖論，AI將加劇“技能極化”，就會演變?yōu)榈碗A執(zhí)行者邊緣化，高階定義者主導(dǎo)，形成新型組織階層。

這還隱含社會公平隱憂，導(dǎo)致轉(zhuǎn)型成本高企，弱勢群體易陷“技能陷阱”，放大不平等。從哲學(xué)視角，這呼應(yīng)了薩特的存在主義：組織面臨“自由的焦慮”（Angst of Freedom），必須選擇“壞信仰”（Bad Faith）——假裝AI僅是工具，以逃避責(zé)任——還是擁抱“本真性”（Authenticity），通過大膽決策重塑自我。

工業(yè)分工的“協(xié)作陷阱”，正在吞噬 AI 紅利

工業(yè)時代的分工邏輯，源于泰勒制：角色碎片化、流程串聯(lián)、局部最優(yōu)。但在高度不確定的環(huán)境中，這種結(jié)構(gòu)會迅速陷入“協(xié)作摩擦”。每個人都在優(yōu)化自己的部分，卻犧牲了整體效率。

從系統(tǒng)論視角，這種高耦合度（Tight Coupling）同時也正在放大風(fēng)險。尤其是其中的單一節(jié)點(diǎn)故障（如溝通延誤）可級聯(lián)擴(kuò)散，導(dǎo)致整體癱瘓。如果更進(jìn)一步思考，我們就會發(fā)現(xiàn)Charles Perrow的“正常事故理論”在此適用——工業(yè)分工如“復(fù)雜互動系統(tǒng)”，AI擾動易引發(fā)不可預(yù)測連鎖失效。

反觀AI原生協(xié)作，更似“3D打印”：整體成型，邊界模糊。組織主軸從崗位分類轉(zhuǎn)向雙元互動——一元聚焦“問題理解、定義價值、結(jié)果交付”；另一元強(qiáng)調(diào)“經(jīng)驗固化、可復(fù)用系統(tǒng)構(gòu)建”。在代碼的生成場景中，團(tuán)隊對AI評分從50分升至85分，便源于此，也就是AI處理標(biāo)準(zhǔn)化邏輯，人類介入抽象創(chuàng)新。

這一范式遷移并非零和博弈，而是“互補(bǔ)放大”。麥肯錫2025年報告顯示，AI嵌入工作流的企業(yè)，生產(chǎn)率提升25%以上，但前提是重構(gòu)分工。否則，協(xié)作陷阱將吞噬AI紅利。

比如多角色會議紀(jì)要，這本可由AI一鍵生成，根本不需要人為記錄，卻因?qū)I的不信任，所謂的“邊界保護(hù)”而拖沓。這就讓我們看到，AI并不是取代人，而是重塑角色生態(tài)，提升效率。對于當(dāng)前的組織而言，扮演著協(xié)調(diào)型中層的角色，將面臨邊緣化，而戰(zhàn)略型領(lǐng)導(dǎo)者更顯稀缺。這挑戰(zhàn)了傳統(tǒng)層級結(jié)構(gòu)，預(yù)示“扁平化+責(zé)任擴(kuò)散”將會是未來的組織形態(tài)。

從變革管理理論（John Kotter的八步模型）看，這促使我們從“緊迫感建立”入手，面對AI引發(fā)的實實在在的組織變革的挑戰(zhàn)。

可以從AI實驗入手，比如在組織內(nèi)建立最小團(tuán)隊項目，便是嘗試，并推動成為組織變革的催化劑，幫助組織跨越“變革谷底”。對于傳統(tǒng)組織而言，面對AI的挑戰(zhàn)，最大的隱憂在于，若耦合度未降，AI將放大“熵增”（系統(tǒng)無序），導(dǎo)致創(chuàng)新停滯，釀成“技術(shù)-組織失配”的結(jié)構(gòu)性危機(jī)。

更進(jìn)一步，從動態(tài)能力理論（David Teece）看，AI時代組織需培養(yǎng)“感知-抓住-轉(zhuǎn)型”的動態(tài)能力。也就是要具備，感知AI潛力，抓住重構(gòu)機(jī)會，轉(zhuǎn)型為“學(xué)習(xí)型系統(tǒng)”。

否則，路徑依賴將演變?yōu)椤澳芰ο葳濉?，鎖定于低效均衡。從哲學(xué)維度，這呼應(yīng)了馬克思的“異化”理論：工業(yè)分工導(dǎo)致勞動者與勞動產(chǎn)品的疏離，AI原生模式則提供“去異化”潛力——通過整體生成，恢復(fù)人類對價值的掌控；但若固守舊范式，則異化加劇，人類淪為AI的“附屬”。

AI最終的瓶頸，其實在與人

我們必須要明白一個嚴(yán)肅的問題，那就是AI轉(zhuǎn)型的核心，非過去的信息化，或者IT升級與技能培訓(xùn)，也不是簡單的效率提升，而是范式重塑?；谖以?025年的一些嘗試、觀察與思考，我想給大家提供以下幾點(diǎn)思考：

1、管理會轉(zhuǎn)型“AI推動會”：傳統(tǒng)會議聚焦KPI的評價與批評，我們可以定義為工業(yè)式“鞭策”。借助于AI，當(dāng)我?guī)椭恍┢髽I(yè)開始轉(zhuǎn)向雙周AI會，強(qiáng)制聚焦業(yè)務(wù)價值（如客戶創(chuàng)新、新品研發(fā)）時。結(jié)果是新品周期從季度壓縮至月度。心理學(xué)上，這利用“錨定效應(yīng)”——AI作為“中性錨點(diǎn)”，繞開變革阻力，轉(zhuǎn)化為共識工具。管理者從“監(jiān)督者”變“杠桿使用者”，這就揭示出了AI的隱形價值。即AI并非單純的技術(shù)，而是催化組織活力催化劑。從資源依賴?yán)碚摚≧esource Dependence Theory）看，這減少外部依賴（跨部門協(xié)調(diào)），增強(qiáng)內(nèi)部創(chuàng)新與韌性。同時，這也帶給了我們新的思考，就是AI的引入，本質(zhì)上是體現(xiàn)了“社會構(gòu)建主義”（Berger & Luckmann）。

也就是說，AI共識通過實踐重構(gòu)“現(xiàn)實”，從工具演變?yōu)槲幕?guī)范。從?？碌摹皺?quán)力-知識”理論看，這重塑的是組織的權(quán)力動態(tài)，即AI會作為“話語實踐”，顛覆層級權(quán)力，賦權(quán)于價值定義者。

2、培訓(xùn)推動組織轉(zhuǎn)型：針對非技術(shù)人員，組織成員，引入培訓(xùn)，比如對Cursor、Lovable、Dify、Claude等工具的使用培訓(xùn)，來提升AI在工作中的使用深度。其實這種AI工具的培訓(xùn)，不僅是技能傳授，更是“意愿篩查”。通過這種AI工具的培訓(xùn)，愿意接受變革的主動學(xué)習(xí)者脫穎而出，成為潛在領(lǐng)導(dǎo)。

從組織行為學(xué)視角來看，這借鑒了“自我效能理論”（Bandura）。即借助于新的知識培訓(xùn)，提升個體自信，從而放大集體適應(yīng)。并從中篩出“變革先鋒”，避免全員強(qiáng)推的阻力反彈。

更深層的含義，就在于這隱含“社會資本理論”（Putnam）。培訓(xùn)不止技能，而是構(gòu)建“信任網(wǎng)絡(luò)”，緩解AI引入的“角色焦慮”。這就類似于“選擇性激勵”機(jī)制（Olson的集體行動邏輯），通過培訓(xùn)，以及讓組織成員掌握這種新的工具，激勵個體參與變革。從德里達(dá)的“解構(gòu)”哲學(xué)看，培訓(xùn)解構(gòu)“技術(shù)-人類”二元對立，揭示AI作為“補(bǔ)充”（Supplement），既取代又增強(qiáng)人類能力。

3、Non-Tech黑客松：比如，非技術(shù)組（如銷售+市場）用AI將300-600份PRD濃縮為一頁客戶語言，并在幾十秒內(nèi)就完成的時候。所帶來的益處是顯而易見的，不僅快速的消除了翻譯層，還讓這種成果轉(zhuǎn)變?yōu)楂@客“子彈”，是一種接近于零人力負(fù)擔(dān)的高效成果。

在系統(tǒng)論上，這減少“耦合度”——從高依賴轉(zhuǎn)向低摩擦閉環(huán)。黑客松不僅是創(chuàng)新，而是“剩余價值釋放”。AI最小化交付單元（如從數(shù)月項目縮至周級），解放人力用于更高階的創(chuàng)造。從創(chuàng)新擴(kuò)散理論（Everett Rogers）看，這如“早期采用者”機(jī)制，即黑客松傳播AI規(guī)范，加速組織級擴(kuò)散。進(jìn)一步，從知識管理理論（Nonaka的SECI模型）看，這促進(jìn)“隱性知識顯性化”。當(dāng)AI濃縮PRD，將個體洞察轉(zhuǎn)化為可簡單、高效的復(fù)用資產(chǎn)。這種“超人”能力，就超越了當(dāng)前的工業(yè)規(guī)范，擁抱的力量驅(qū)動AI，釋放創(chuàng)造潛力。

這些實踐都讓我們看到，AI加速最小閉環(huán)，形成“高內(nèi)聚、低耦合”生態(tài)。協(xié)調(diào)成本下降，中層“尷尬癥”凸顯——他們需轉(zhuǎn)型為“AI賦能者”，否則被邊緣。領(lǐng)導(dǎo)力則獲得了升華，從“分配任務(wù)”到“定義邊界與負(fù)責(zé)”。

放眼全球，類似瓶頸普遍：OpenAI 2025年調(diào)研顯示，F(xiàn)ortune 500企業(yè)AI利用率平均35%，遠(yuǎn)低于技術(shù)潛力。原因在于“路徑依賴”與“文化慣性”——發(fā)達(dá)國家如美歐，易陷“精英保守”；新興市場如中國，則需平衡速度與風(fēng)險。從制度經(jīng)濟(jì)學(xué)（Douglass North）看，這源于“制度粘性”。

也就是舊規(guī)范如“隱形契約”，阻礙新范式嵌入。但更深層次的思考，Acemoglu & Robinson的“包容性制度”理論在此適用——AI紅利依賴制度包容性。比如更加包容的國家（如硅谷生態(tài)）加速轉(zhuǎn)型，提取國家（如官僚體系）則放大鎖定。

從列維納斯的“他者倫理”看，全球分化隱含道德危機(jī)，AI若僅惠及強(qiáng)勢者，便忽略“他者”臉龐，釀成倫理異化，這也是目前正在發(fā)生的情況，AI將加速全球競爭力分化。

而這種分化的加速過程中，必然伴隨新的機(jī)遇。AI可作為“變革共識”起點(diǎn)，推動長期滯后的組織優(yōu)化。麥肯錫預(yù)測，到2030年，適應(yīng)AI的企業(yè)增長率將高出3倍。但隱憂是“兩極分化”：小企業(yè)敏捷轉(zhuǎn)型，大企業(yè)官僚拖累；發(fā)達(dá)國放大領(lǐng)先，新興國放大鴻溝。

這可能引發(fā)“馬太效應(yīng)”——AI紅利集中于已強(qiáng)者，加劇全球不平等。從社會資本理論看，這破壞“橋接資本”（跨國網(wǎng)絡(luò)），放大地緣斷層。

因此，從政府層面來看，政府應(yīng)推動“AI組織評估框架”，如歐盟AI法案擴(kuò)展，評估企業(yè)適應(yīng)度，提供轉(zhuǎn)型補(bǔ)貼。企業(yè)內(nèi)部，則需“責(zé)任文化”重塑，激勵定義“100分”的勇氣，而非固守85分的舒適區(qū)。從可持續(xù)發(fā)展視角，這要求AI轉(zhuǎn)型融入ESG框架，以確保公平，避免“數(shù)字鴻溝”演變?yōu)樯鐣鄬?。而進(jìn)一步，從全球治理理論（Keohane的制度主義）看，需國際框架（如聯(lián)合國AI公約）協(xié)調(diào)制度嵌入，防范AI成“地緣武器”。

AI瓶頸已非技術(shù)：算力充裕、模型成熟、數(shù)據(jù)海量。真正桎梏，是組織“勇氣閾值”——敢不敢移除邊界、重新設(shè)計分工？AI從0到85分易如反掌，但從85到100，需要人類回答：何為價值？為何值得？誰來負(fù)責(zé)？

這一命題不止于企業(yè)，而是人性鏡像：技術(shù)落地難在工具，重塑難在自我。從存在主義哲學(xué)（Jean-Paul Sartre的“自由與責(zé)任”）看，AI時代迫使我們直面“選擇的焦慮”——拒絕變革，便是自縛于工業(yè)遺影。更深層次的思考，則在于尼采的“權(quán)力意志”在此回響——AI放大人類意志，但需超越“奴隸道德”（保守規(guī)范），擁抱“主人道德”（大膽定義）。

2026年，AI時代已至；但唯有跨越心理壁壘，組織才能從“30%天花板”躍向無限可能。否則，再強(qiáng)的AI，也僅是工業(yè)遺物的裝飾。最終，瓶頸在人，而解鎖亦在人——這不僅是管理學(xué)命題，更是人類適應(yīng)力的終極考驗，呼應(yīng)海德格爾的“此在”（Dasein）：在技術(shù)時代，我們必須“向死而生”，主動重塑存在以面對不確定性。從柏拉圖的“洞穴寓言”看，AI如陽光，照亮范式牢籠；但唯有哲人般的勇氣，方能走出陰影，擁抱真實。