Deloitte 的 2026 Global Human Capital Trends 报告里有一个数字：84% 的企业承认，自己没有围绕 AI 能力重新设计工作和角色。
同一时期，McKinsey 2025 State of AI 调研的结果是：88% 的企业在用 AI，只有 5.5% 看到了实质性的 EBIT 影响。
两份数据摆在一起，差口就出来了——用的人多，改的人少，拿到钱的极少。Deloitte 为此造了一句很扎心的比喻：不给工作重新设计就上 AI，等于给马车装喷气引擎。
图注：引擎是真的，车架也是真的没动过
加法换不成乘法
Deloitte 把问题收敛成一个框架：从 Human + Machine 到 Human × Machine。
加法是人做人的事、机器做机器的事，各干各的；乘法是两者交互产生乘数效应——人的判断力被 AI 放大，AI 的执行能力被人的方向感引导。
用 BCG 的 10-20-70 法则看，价值分配是这样的：10% 来自算法，20% 来自数据和技术，70% 来自运营模式改变和新工作方式（来源：《AI Native组织vs传统组织区别：四个维度的结构性对比》，ThinkingAgent）。
多数企业把预算和注意力压在 30% 那一侧，然后抱怨 ROI 不好看。真正决定成败的 70%，落在流程、授权边界、考核方式和汇报线上——这些恰恰不在任何一个 AI 项目的交付清单里。
人从执行者变成编排者
变化最直接的地方是人的定义方式。
传统组织按岗位定义人：分析师写报告、经理做审批、总监定战略，人的价值在于掌握特定技能，在流程的固定环节发挥作用。AI 原生组织的定义换成"编排能力"——Deloitte 的说法是，工作而非岗位成为管理单位。人不被绑在岗位上，而是动态分配任务：哪些给人做，哪些给 AI 做，哪些给人机混合做。
BCG 2026 年对 12,000 人的调研给出了紧迫感：72% 的人说 AI 改变了所需技能的期望，67% 说 AI 接管了简单任务、留给自己的全是复杂工作，60% 说"够好"的标准被提高了——但只有 36% 获得了充分的技能提升。
中间那 24 个百分点，就是组织改造的欠账。
图注：前三条是需求侧的拉力，最后一条是组织侧的欠账
Microsoft 的 2026 Work Trend Index 把人的成熟度分成四段：作者、编辑、导演、编排者。传统组织的人大多停在第一、二段，AI 原生组织的人进入第三、四段。报告给了一个换算：一个 10 人企业如果整体运营在第三、四段，有效产出能力相当于 15—18 人的企业。
BCG 还发现一个反直觉的落差。在从"活跃型"到"领导者型"的跨越中，技术和部署分数几乎不变，人才分数却几乎翻了三倍。AI 领先企业里 13% 的员工具备 AI 相关技能，落后企业只有 1%；AI 专职岗位占比 3.5%，落后者 0.1%。
也就是说，把模型换成更强的、把平台建得更全的，都不会让人跨过这道坎。
沟通成本才是真瓶颈
有一篇组织设计笔记把这件事算得更细。
作者观察到，大家普遍已经在用 Codex、Claude Code，具体工作执行的效率有 10 倍提升，但整个组织的效率提升并不明显。时间去了哪？答案是沟通——而且不是讨论新想法的沟通，纯粹是对齐 Context 的协作沟通。
传统组织共享 Context 靠两条路：层层对齐和跨部门协作。前者复杂度随人数是 logN，后者是 N²，合起来是 logN × N²（来源：《AI-Native 组织充分且必要的三个特征》，闲庭落木）。
这个复杂度不是管理不善，是层级结构的固有产物。
作者由此给出 AI-Native 组织的三个特征，并认为充分且必要：Context 共享，所有人知道"所有事"；没有岗位，所有人"能做"所有事；AI 驱动，AI 能做的事都由 AI 做。
三条互相咬合。如果组织里的工作不是大范围由 AI 驱动，AI 就拿不到完整 Context；反过来，AI 的执行效果又严重受制于它拿到多少 Context。
值得注意的是，这位作者对"一人公司"给出了明确的反驳——他认为 OPC 不成立，创新需要人数，需要大量不同的想法被尝试、被市场验证，适者生存。这和近期流行的"小团队极致提效"叙事是两种取向。谁对不好说，但它提醒了一件事：把 AI 原生理解成"人越少越好"，可能误读了改造的目的——重点不是裁人，是把组织从对齐机器变成创造机器。
源势AI怎么看
组织改造这件事，最危险的做法是外包给工具。买一套协作平台、上一批 Agent、发一轮培训，然后宣布转型完成——这正是那 84% 的典型路径。Deloitte 的调研里还有一条：只有 36% 的组织按季度刷新运营模式（来源：《AI Native组织vs传统组织区别：四个维度的结构性对比》，ThinkingAgent）。
我们的判断是，改造的抓手不是"用什么 AI"，而是三件具体的制度动作。
第一，把任务和决策点显式拆开，逐条标注归属：判断类、模糊类、关系类的留给人和人机混合循环；可重复、数据密集的交给 Agent。不写下来，它就是靠自觉，靠自觉的东西一定会漂。
第二，把 Context 从人的脑子里搬到系统里。沟通成本 logN × N² 能降下来，靠的不是开会效率，是让 Context 可被随时检索、自动更新、全员可达。这件事本身就是 AI 最擅长的一环。
第三，让 AI 真正进入主要工作流，而不只是挂在人旁边当 sidebar。AI 只处理零碎输入，Context 就永远是残缺的，改动也就停在表面。
最后说清一个前提：AI 原生不是一个新的组织结构图，它是一种新的分工方式。组织图可以不换，但如果审批链、考核项、汇报关系都没变，那台喷气引擎装上去，马车还是马车。
参考材料
- 《AI Native组织vs传统组织区别：四个维度的结构性对比》（ThinkingAgent）
- 《AI-Native 组织充分且必要的三个特征》（闲庭落木）
