为什么引入AI之后，公司仍然没有改变？

韩文原文：AI를 도입했는데 왜 회사는 달라지지 않는가?

公司引入AI时，通常期待工作会变快。这个期待很自然。AI可以总结文件、写邮件、回答客户问题、整理资料、制作表格和写出初稿。

可是从公司整体来看，常常会出现奇怪的情况。工具已经进来了，组织却没有真正改变。少数员工积极使用AI，但团队的工作方式仍然一样。报告变多了，决策却仍然很慢。

这时，问题未必是AI性能。更准确地说，问题可能在于公司是否已经有一种回路，能够感知变化、选择重点，并重新安排人、工作和责任。管理学把这种能力称为动态能力(dynamic capabilities)。David Teece把动态能力解释为企业在变化环境中整合、建立和重构资源的能力。[1]

本文的主张很简单。AI引入的成果不会直接从AI本身产生。只有当AI进入组织的感知、选择和重构回路时，成果才会出现。

工具和成果之间的空白

讨论数字化转型时，常常漏掉一点：工具和成果之间存在空白。买了软件，销售额不会自动增加。引入自动化，创新不会自动发生。做了数据仪表盘，决策也不会自动变好。

近期关于中小企业的研究，常用动态能力解释这个空白。数字成熟度要转化为创新绩效，中间需要感知、捕捉和重构能力发挥作用。Jie、Gooi和Lou在2025年对587家中国高科技中小企业的研究，也指出动态能力在数字成熟度和创新绩效之间发挥中介作用。[2]

简单说，公司引入工具之后，如果不知道应该看什么，成果不会出现。如果不知道应该选择什么机会，成果不会出现。如果不能根据选择重新调整工作和责任，成果也不会出现。

AI引入同样如此。AI可以写句子、做表格、提出代码建议、生成客户回复。但AI不会自动决定公司的优先顺序。哪些工作交给AI，哪些判断必须由人负责，自动化之后角色如何重新分配，这些仍然要由组织决定。

因此，比“是否引入AI”更重要的问题是：公司要通过AI看见什么？从中选择什么？选择之后，如何重新分配人、工作和责任？

“AI员工”这个说法遮住了什么

在实践中，人们常把AI叫作“AI员工”。这个说法很直观，因为它让人感觉AI接手了过去由人完成的一部分工作。

但这个说法也会遮住一个重要问题。把AI看成员工，容易让人以为只要在原有组织图上多加一个“人”就可以。实际变化不是这样。AI进入组织后，不只是多了一个人，而是工作边界被重新划分。

因此，AI转型不是单纯引入工具，而更接近重新切分工作。至少需要三个判断标准：这项工作是否高度重复，例外是否很多，是否需要大量情境判断。[3]

重复度高、例外少、情境判断低的工作，更容易交给AI。相反，例外多、情境依赖高的工作，即使AI可以写初稿，也很难把最终判断交出去。

没有回路的公司，AI会增加噪音

AI降低了处理信息的成本。但信息处理成本降低，并不等于好判断会自动出现。判断回路弱的组织，反而可能因为更多初稿、更多想法、更多选项而变得更混乱。

比如，AI可以快速总结客户咨询。但如果没有人决定谁来看这些总结、用什么标准判断、如何连接到产品改善或运营改变，这些总结就只是更多资料。

AI也可以快速分析销售数据。但如果公司没有决定什么信号是机会、什么只是暂时波动、谁来负责决策，图表就只会停留在会议资料中。

这里，动态能力的三条轴线变得重要。感知是看见有意义信号的能力。捕捉是从信号中选择行动对象的能力。重构是按照选择重新安排人、工作、资源和流程的能力。

AI越强，这三种能力越重要。AI增加了可感知的材料，增加了选择项，也扩大了重构的可能性。可能性越多，组织越需要好的判断回路。

中小企业的问题更尖锐

中小企业往往比大企业更期待AI的效果。人少、重复工作多、专业人员不足，所以AI看起来像重大机会。很多时候确实如此。

但中小企业也常常缺少稳定的动态能力回路。没有专门分析市场信号的团队，没有设计实验的组织，也没有把失败转化为学习的程序。很多判断集中在老板或少数核心成员的直觉上。

在这种结构下，AI引入很难直接变成成果。差异不只在工具，而在认知和组织回路。

Helfat和Peteraf关于管理者认知能力的研究，有助于理解这一点。他们把动态能力的微观基础连接到管理者的注意力、问题解决、语言和社会认知。[4]

AI引入正是在考验这些能力。看什么信号，把什么称为问题，用什么语言向员工解释，如何理解反对意见，这些都不是单纯技术问题。

更好的问题不是“自动化什么”

AI引入时，最常见的问题是“要自动化什么”。这个问题必要，但不充分。更好的问题是：“自动化之后，留下来的判断是什么？”

把工作交给AI，并不意味着人消失了。它意味着人的工作改变了。过去输入资料的人，可能变成判断例外的人。过去写报告的人，可能变成设计问题的人。过去回复客户的人，可能变成读取AI遗漏的情绪和情境的人。

如果这种变化没有进入职务和责任的重新设计，自动化就只完成了一半。

因此，AI引入的第一步不应该只是选择软件。它应该先把工作分成三类：可以交给AI的重复工作；AI可以写初稿但人必须判断的工作；从一开始就必须由人负责的工作。

方法论建议：三阶段回路与三类工作

可以提出一个简单方法：AI引入的三阶段回路与三类工作。

第一类，是可以交给AI的工作。它们重复度高、例外少、情境判断低。例如资料整理、初步总结、标准化回复、格式转换。

第二类，是AI可以写初稿的工作。它们有重复部分，但也有例外和情境判断。例如报告初稿、提案结构、客户回复初稿、数据解释初稿。这类工作必须经过人的检查。

第三类，是人必须负责的工作。它们例外多、情境依赖高，并且需要最终责任。例如重要决策、冲突协调、战略选择和伦理判断。

然后，公司把这三类工作连接到动态能力的三条回路：AI帮助看见什么，组织选择什么，以及选择之后如何重新安排角色、会议、责任和流程。

如果没有走到重构阶段，AI引入就只是工具使用，而不是组织改变。

结论：先看回路，再看工具

AI能让工作变快。但哪些工作应该变快，必须由公司决定。AI能制造更多资料。但哪些资料是信号，哪些是噪音，必须由公司判断。AI能给出多个选择，但选择的责任仍然留在组织。

因此，研究AI引入时，不能只看工具清单。必须看数字成熟度和创新绩效之间的空白。这个空白的一个名字，就是动态能力。

本文的方法论主张可以概括为一句话：

AI引入的问题，不只是“自动化什么”，而是组织如何感知、选择并重新安排AI所增加的可能性。

参考文献与注释

1. 2026-05-14_paper_teece-dynamic-capabilities-microfoundations — Teece关于动态能力以及sensing、seizing、transforming/reconfiguring的讨论。
2. 2026-05-16_paper_jie-gooi-lou-digital-maturity-dc-hightech-sme-2025 — Jie, Gooi, Lou(2025)关于587家中国高科技中小企业的PLS-SEM研究。
3. AX_AI직원분업_역할재정의 — Kim Minjo关于以重复度、例外率、情境依赖度划分AI与人分工的方法论笔记。
4. 2026-05-19_paper_helfat-peteraf-2015-managerial-cognitive-capabilities — Helfat & Peteraf(2015), Managerial Cognitive Capabilities and the Microfoundations of Dynamic Capabilities.