过去半年，几乎所有企业都在谈AI Native。但一个尴尬的现实是明明大多数员工已经在用AI写文档、做PPT、写代码、查资料，个人效率确实提升了，组织却未必因此变得更智能。
组织如何让AI从“个人可用”走向“组织好用”？AI Native组织的构建到底难在哪里？
问题的关键不在于AI有没有被使用，而在于这些零散的使用能否沉淀为团队可复用、组织可管理、业务可衡量的生产能力。换句话说，企业真正应该回答的不是“员工会不会用AI”，而是“AI能不能进入业务流程，成为组织的一部分”。
网易智企副总经理、云商业务负责人肖钰妍的判断是，AI Native组织并不等于人人会写Prompt，也不等于上线几个Agent，真正难的是让AI进入流程、岗位、数据和指标体系。
过去几个月，网易智企内部经历了一轮密集的AI场景落地，产研团队推广SDD和全栈开发，业务团队推动人人Skill，产品经理开始搭建AI工作台，销售、售前、客服、客户成功等岗位的职责边界也在被重新划分。
这套实践里已经跑出了一些可见结果。技术支持Agent“懂鱼帝”沉淀了近10万条FAQ，问题解决率超过80%；排障Agent把单次排查时间从20分钟压缩到10分钟；案例生成Skill能一晚生成120多份客户案例，进入销售和客户成功的一线流程。
网易智企的实践似乎在证明，AI落地的关键并不只是模型能力，而是企业自身能不能接得住AI，你的流程是不是清楚，岗位边界是否明确，知识和数据有没有治理好，业务价值是否能被指标衡量。AI Native组织的构建看起来是技术落地组织，但真正往深度落，往往会变成一次流程再造和管理变革。
以下为肖钰妍在虎嗅502线上同行活动中的分享整理，内容围绕网易智企AI落地路径、组织变化、典型业务场景及企业走向AI Native的关键方法展开。
一、AI先进组织，先松动的是岗位边界
今天重点分享一下我们在AI落地过程中的一些实践和思考。
先给大家看一张总图，今年一个比较明显的感受是，OpenClaw这件事前后，组织内部推广AI的力度和节奏是完全不一样的。
产研线和业务线的感受也有差异。对于研发，尤其是Coding这件事，去年Vibe Coding已经比较火热，今年1到2月，我们在全员推广SDD（Spec Driven Development），这是一种更可控的AI研发模式。
3到4月，我们推动全栈开发，让前端具备后端能力，后端也具备前端开发能力，同时设置了一个重要的考核指标—到底有多少需求是由全栈工程师来消化完成的。
另外还有一个重要的变化，4月之后所有团队都在使用OpenClaw的能力，产品经理开始把工作流程固化下来，所以我们的产品经理团队开始搭建AI工作台。
除了产研线，更重要的是业务线的变化。产研对AI的接受度天然比较高，但在业务线我花了比较大的力气去推动。2月之前，我们已经落地了一些Agent，主要集中在营销服务领域。一个是我们内部的智能客服产品“懂鱼帝”，之前客服和技术支持遇到一些产品的专业问题会咨询产研同学，牵扯了他们很多精力，现在大家会第一时间咨询懂鱼帝。
2月OpenClaw大火之后，网易智企整体在推“全员养虾”，公司层面给每个人分配了一个OpenClaw账户，我们内部把它叫做“帝王蟹”平台。
3月回来，集团鼓励每一位员工都能手搓Skill，在这个过程中，我们发现从简单的Skill逐渐浮现出一些个人级别的AI应用，不再是玩玩而已，而是直接用在生产环节为工作赋能提效。
4到5月，我们进一步把这些个人级别的AI应用变成了团队级的AI应用，实现组织整体的赋能，这就是我们内部推进的时间轴。
这些变化带来的效果是肉眼可见的。比如现在内部汇报基本上很少看到PPT格式，对内对外汇报已经完全用HTML格式了。今天我准备这次演讲，也是先用HTML生成初稿，再用PPT做精修，如果不是对外分享，我们内部全部用HTML来表达。
另一个变化是基本看不到Doc文档了，无论是实体Doc还是云文档，内部都以Markdown形式传递信息。大家可以看一下这个群聊的时间线，从4月到5月，群里丢的文档要么是HTML格式，要么是Markdown格式，大家基本上都是用AI来生成内容在做校对。
同时，岗位职责也在变。比如研发同学之前是接产品经理的需求，现在则是直接调研需求、做竞品调研，直接开始产品开发。在一些AI Native的产品里，产品经理基本是打辅助的角色。而在另一些产品里，产品经理直接搞清楚需求，把前端搓出来再合并给开发同学，基本跳过了前端开发的过程。销售团队也是，直接拿售前做的PPT Skill出客户PPT，有时候跳过了售前；售前则开始接手POC这类实施交付的工作，实施交付同学也不再介入了。
所以4、5月特别明显，岗位职责边界正在发生变化。当然这也引申出一个让我头疼的问题—如何衡量员工的能力和专业度，对应的职级体系是不是也要跟着变？我觉得这将是未来组织必然会面临的挑战。
【虎嗅智库判断】
AI进入组织的早期，通常不是一刀切替代某个岗位，而是先让岗位边界松动。研发更早介入需求，产品能直接做原型，销售可以生成售前材料，原本需要多岗位接力的工作，开始被一个人用AI往前推一段。
二、从个人Skill到组织Agent，中间隔着流程和治理
接下来聊聊这些变化是怎么发生的。2月初回来，我让所有团队小伙伴填了一个表格，不是问“你想怎么用AI”，而是问“你最重复的工作是什么，希望AI达到什么效果”。很快收到了200多条需求。
我们对这些需求做了分层落地，有些需求员工凭一定AI技能可以自己搞定，有些对组织更有价值。所以我们拆成了一个三级参与体系，最底层L1是个人可用，你有痛点就自己尝试搓Skill，结合OpenClaw去解决并自行维护。
从个人可用里发掘出一些好用的，可以分享给相同职能的小伙伴一起用，这时可能需要一些接口对接来保持稳定。
再往深处发掘，发现有些需要更多组织级支持，需要产研介入、不能纯靠业务同学手搓完成，逐渐变成稳定的Agent甚至软件系统，这就需要权限管理、统一平台等，进入企业级Agent建设的节奏。
整个过程是需求层层筛选，把所有同学都involve进来，从idea逐渐走向组织好用的状态。
给大家展示一下产品经理的工作台。这看起来像是一个软件系统，但实际上是把一系列产品经理常用的Skill都融合在一起了，比如需求洞察决策、产品版本排期、PRD生成、自动建单等。
最开始我们把Skill都放到了即时通讯入口里，但每个人使用方式不同、都想试试，导致Skill质量很难管理、也很难决策。如果放在OpenClaw里，用不用取决于员工个人主观意愿，没法强制。
所以后面我们觉得要把它变成一个工作台，这个工作台也完全是用Vibe Coding搓出来的，这样对组织级别的AI Native转型就有了更好的抓手。5月份这个雏形出来之后，几乎所有的Team都说开始搓自己职能的工作台了，它确实是一个比较好的抓手。
再介绍一下我们内部比较成功的、拿到业务结果的场景和Agent。第一个是研发提效场景“懂鱼帝”，核心是一个知识库。我们面临的一个问题是知识自沉淀—知识放到库里很容易过期、不准。我们参考了卡帕西的LLM Wiki知识库构建模式，把知识做了自循环，现在问题解决率达到80%，对客服、技术支持、研发各个部门都有人力节省。
同时我们把排障体系也做了AI优化，可以看到去年服务量一直在增加，但客服升级、打扰到技术支持和研发的比例持续下降，我们觉得效果非常不错。
另一个是跨部门知识协同。跑到现在发现，一旦是组织级行为，基本上要把各种数据、信息全部落库到知识库里，不然未来很难形成组织的生产资料或第二大脑。现在我们把日报、周报、案例全部落到库里持续迭代。
对ToB部门来说，生成一个案例过去要一两周，甚至多部门协同一个月才能定稿。这次我们在OpenClaw上做了一个实践：先做了一个案例生成Skill，规范了案例样式，从三个不同部门收集资料，花一个晚上就生成了120份客户案例，内容章节都比较完整。信息能从我们提供的数据里找就找，不行就从公网上找，很快就可以形成一个客户案例初稿。入库后通过OpenClaw查询就能找到对应的案例，比如问“制造行业的案例是什么”，就能找到三菱电机、中铝这些对应案例。
案例不仅是拿来查的，它还可以帮助打单。所以我们把它做成了客服和CSM的实时辅助系统，当客户问到有没有类似案例或场景，我们就可以从知识库里调取，辅助客户咨询甚至打单过程。
【虎嗅智库判断】
个人Skill不会自然长成组织能力。它只有进入固定流程、沉淀进统一知识库，并被权限、质量标准和业务指标约束，才可能从个人提效工具，升级为团队可复用、组织可管理的生产能力。
三、AI在个人手里好用，为什么组织接不住
再聊聊AI对组织重塑的感受。今年跑了四五个月，发现有些事容易做，有些挺难。容易做的是要求员工使用AI、具备提示词能力甚至搓Skill的能力，通过内部布道宣讲就能做到；个人或小团队的局部提效也容易做；单点流程AI化也相对容易。但从个人能用到个人好用到组织好用，链路很长。
另外一个感受是，组织变革的速度跟不上技术发展的速度。比如流程要不要重构、对人的能力要求要不要调整，这些都很困难。快速出现大比例的降本提效也比较难，从提效到质量变好、到竞争力产生、再到成本降低，是蛮长的链路。
我们采取的策略是Token放开给所有人用，积极去做。每个一线员工对AI提效多少是有感知的，不应该把它纯粹当作项目运转。
从个人好用到组织好用有哪些卡点？
第一个卡点也是很多外部客户团队卡住的地方—立项。不是所有团队的过程都能被指标化，一旦过程没有人效、没有指标化，就很难评估AI上了之后好不好、好在哪里。客服团队最容易做指标量化，有解决率、转化率、满意度，但研发团队如果没有效能评估体系，就很难评估Vibe Coding或SDD的提效效果，过程管控也非常困难。
交付团队除了人效，还要把流程节点的效率拆解成数字化，才能细化看能不能用AI提效、能提效多少。现实中大量工作都没有数字化，所以ROI说不清楚。现在对于一些明确要做到组织好用的项目，我们开始补充过程指标和监控指标。
第二个问题是岗位流程边界不清晰。在团队里，有些事没那么清晰，上下游合作中有些事落在这边可以做、落在那边就不可以做，边界如果不清晰，对AI来说也是不可控的。所以要到组织层面时，必须重新梳理岗位和流程边界。
第三点，很多知识、数据、权限的数字化基建做得不够好，数据散落在各个系统里，我们得去开API做对接，见效时间没那么快。但相比前两点，这个问题其实相对好解。
四、AI越深入组织，越考验管理能力
接着，再聊聊使用感受。现在是人在驾驭AI，但跑着跑着会发现走向AI在驱动人。比如今年我们重构了人才体系，提炼出TASTED模型—审美力、洞察力、标准感、结构力、判断力、自驱力6个维度，然后把这个人才观落到了一个评估Skill上。这是我用得最多的Skill，每次面试完把记录放进去过一遍，看评估结果跟自己判断是否一致，做校正。从人进来开始，就已经被AI驱动了。
还有一个实践是4月做Q2 OKR对齐，HR做了一个OKR对齐Skill。过去做OKR要符合SMART原则，从总经理到部门Leader层层拆解、部门间相互挂钩，每次OKR会要开两三天来回对齐。
这次每个人先写好OKR做拆解，把所有文档丢给大模型和OKR Skill做质检，看谁写得不够好、哪里需要对齐，大家再修改。你会发现走着走着，组织一定会走向AI指挥人的状态。
最后做一下总结，整个链路走下来，第一步是建立体感。我自己不是程序员，但现在每个月花在大模型Token上大概1000元，从过年起Claude Code、Cursor、OpenClaw全在捣鼓，自己手搓了很多Skill和工作台，有自己明确的体感。
我要求所有部门主管都达到手搓级别，现在大家都做到了。管理者和业务主管亲自下场特别重要，几乎决定了能不能走向AI Native组织。中间是做场景识别，重复劳动、知识密集、结果可衡量的特别适合用AI解决。
然后是开放参与进入开发流程，涉及平台选型或治理。再往下，现在的重头在流程重塑和效果评估—前面是粗放式让大家赶紧上，现在逐渐进入流程和效果评估阶段。
最大的感受是，AI落地看起来像技术项目，实际上做的是流程再造和变革管理，本质上是管理性任务，难度不小。
【虎嗅智库判断】
AI进入组织越深，管理者越不能只当旁观者。早期用AI可以靠员工自发尝试，但要走向组织能力，必须由管理者下场重做规则：什么能力值得被评估，哪些流程要被AI改写，哪些结果要重新定义。AI最终改造的不是某个工具链，而是企业管人、管事、管结果的方式。
结语
从网易智企的实践看，AI Native组织转型，不是让更多员工用AI，也不是多上线几个Agent就能完成的。员工的个人提效只是起点，真正难的是把AI嵌进组织的流程、岗位、知识库和指标体系里，让它从“个人顺手的工具”，变成组织稳定运转的一部分。
接下来，企业之间的差距，可能不在于谁更早拥抱AI，而在于谁的组织更经得起AI调用。流程混乱、知识分散、边界不清、指标缺失的公司，用再多AI也只是在局部提效，迈向AI Native之前，组织必须先把自己弄清楚。
注：文/虎嗅智库，文章来源：虎嗅智库服务(公众号ID：huxiuzhikufuwu)，本文为作者独立观点，不代表亿邦动力立场。
