本文来自微信公众号： 张琨随笔 ，作者：张琨，原文标题：《张琨｜不是AI不能落地，是你不敢落地》
回想起在麦肯锡时，帮助一家企业做AI转型。
大家畅想AI赋能后的业务场景。开会的时候，AI负责整理纪要；写方案的时候，AI负责出初稿；做汇报的时候，AI帮忙润色措辞。每个业务负责人非常在意效率提升了多少、节省了多少人工时。
他们说的都对，但我也略有失望——
企业里没有人能退后一步，看整个业务链，如果从零开始设计，应该长什么样？
事实上，很多企业已经在AI工具上花了不少钱。但钱花在了"提效"上，没有花在"重构"上。两件事，方向不同，结果天壤之别。
01
加速度，还是新赛道
有一个比方我觉得很好：在马车上装一台发动机，跑得快了，但仍然是马车的逻辑。
传统企业导入AI的方式，大多属于这个范畴——用AI加速了现有流程，但流程的骨架没变，组织的形态没变，决策的路径没变。人还是原来的人，岗位还是原来的岗位，只是每个岗位多了一个"AI助手"。
这不是AI原生（AI-Native），这是AI加成（AI-Augmented）。
两者的差别，不在于技术融入的深度，在于起点不同。
AI加成的起点是：我现在有这些人、这些流程，AI能帮我做什么？
AI原生的起点是：如果今天从零开始设计这家公司，AI时代的生产力逻辑意味着什么，组织应该长什么样？
前者是优化存量，后者是重建逻辑。前者见效快、阻力小，却注定是一条收益递减的路；后者需要认知上的跃迁，但那才是真正的换道超车。
Kevin Kelly在《必然》里说过一个概念：数字时代最根本的变化，不是产品变得更好，而是价值的交付方式从"节点"变成了"流动"——持续的、动态的、无缝的服务流，取代了一次性的交易行为。这个逻辑，在AI出现之前还理论层面的科幻，今天已经具备了完整的执行基础。
那些还在用"产品节点"思维运营企业的人，正在用上一个时代的地图，在新地形里找路。
科斯的预言，正在应验
1937年，经济学家罗纳德·科斯发表了一篇改变管理学格局的论文——《企业的性质》。他提出了一个极具穿透力的问题：企业为什么存在？
答案是：因为在市场中协调交易的成本太高。雇人、设岗、建立汇报关系，这整套"公司机制"，本质上是人类在生产力条件限制下，为了压低交易成本而发明的组织形式。
顺着这个逻辑往下推演——
当有一种新的生产力，能够把信息不对称、协调成本、合同执行成本全都大幅压低时，原来那套用来降低交易成本的公司机制，本身就失去了存在的部分理由。
层级审批，是为了弥补信息不对称和授权缺失；岗位分工，是为了解决专业能力的不可兼得；绩效考核，是为了在无法直接观测行为时维持激励相容。这些制度设计，在生产力条件受限时都是合理的。
但AI正在改变这些约束条件。
当一个设计完善的规则体系可以替代大量中间管理层的协调功能；当实时数据可以取代季度汇报作为决策依据；当自然语言界面可以让每一个员工直接"调用"企业的知识资产——那时候，组织的形态就不该还是一张金字塔形的汇报关系图，而应该是一套可执行的规则架构。
AI原生组织的本质，是把管理的逻辑从"人管人"变成"规则驱动AI，AI协同人"。
此刻，我们甚至都要怀疑传统公司机制的形式是否有必要存在！
革命，从领导者自己开始
我认为：AI不落地，根本原因不是技术，是认知。而认知的瓶颈，不在基层员工，在领导者。
基层员工其实往往比领导者更快接受AI——他们直接面对重复性工作，最先感受到AI带来的解放感。但当他们带着AI重构的想法向上汇报时，往往在"这件事还是需要有人负责""出了问题谁来担"这类问题上被拦住。
这背后是一个深层的权力焦虑：如果AI能做我下属的工作，那我管什么？如果流程被AI接管，我的价值在哪里？
这个焦虑是真实的，也是合理的。但它不是回避变革的理由，恰恰是必须正视的起点。
真正的AI原生企业家，需要完成三个层次的思维迁移：
第一层：个人习惯的重建
当你面对一项任务时，本能反应是"这件事找谁做"。AI原生的思维方式是先停一秒，问自己：这件事，AI能主导吗？
注意，不是"AI能辅助吗"——那是提效思维。而是"AI能主导吗"——那才是原生思维。
两个问题的差别，决定了你在构建什么。
顺带提一件小事：PPT。我们今天花大量时间在制作PPT上，本质是因为它解决了一个信息传递问题——把复杂的决策信息压缩成可以在会议室里被理解的格式。但这个功能的存在前提，是信息的生产和传递成本很高。当AI可以实时生成、更新、解读数据看板，当自然语言交互成为常态，PPT作为"知识搬运容器"的核心功能就在萎缩。
有反思意识的领导者应该开始想：我们现在花在PPT上的时间，哪些是真正必要的，哪些是在维持一种组织仪式？
第二层：组织逻辑的重构
AI原生组织的运营体系，核心不是工具清单，而是规则体系的设计能力——把过去依赖人的判断、人的协调、人的审批的环节，通过清晰的规则定义，交给AI来执行和路由。
这需要领导者具备一种新能力：把隐性的管理逻辑显性化，把显性的规则结构化，把结构化的规则自动化。
这个能力，不是懂技术，是懂管理的本质。
第三层：价值主张的重写
这是最深的一层，也是最难的一层。
你的企业，在AI时代为客户创造的价值，和过去一样吗？如果不一样，差异在哪里？如果一样，那是真的没变，还是你还没想清楚？
我用医疗行业的例子具体阐述。
医疗机构的镜子
传统医疗机构提供的，本质上是阶段性干预。患者挂号、就诊、取药、出院，与医院的连接随即中断。数据沉睡在HIS系统里，等到下次就诊才被重新调取——如果能被调取的话。医生的精力聚焦在诊室里那十五分钟，院墙之外发生的事，不在服务范围之内。
这是工业时代的服务逻辑：流量进来，完成交付，流量出去。
这套逻辑，在医疗资源极度紧缺、需求远大于供给的时代，有其历史合理性。但它的局限性同样明显：大量本可以预防的疾病在院外演进为需要昂贵干预的急症；慢病管理在门诊的碎片化随访中不断失效；患者在离院后成为"信息孤岛"，医院也失去了持续创造价值的机会。
AI原生思维下，这条服务链被重新拉直。
前端，多模态数据整合——可穿戴设备、基因组信息、生活行为数据——让疾病风险的早期识别成为可能，干预在症状出现之前就可以启动；就诊过程中，AI辅助临床决策让诊断精度提升，ERAS协议自动触发，PRO数据实时采集；出院之后，基于预测模型的持续随访把患者纳入长期健康管理的闭环，而不是等着他们再次出现在急诊。
医院不再只是单次干预的执行者，而是患者全生命周期的健康战略伙伴。
这不是服务延伸的小修小补，是商业模式底层的重构——从按次计费的流量逻辑，转向以健康结果为锚点的价值共享（Value-Based Care）；从"来了我就治"的被动响应，转向基于数据预测的主动干预。
中国医疗机构面临的DRG/DIP支付改革，本质上也是一种外部压力——迫使医院必须从"做服务量"的逻辑转向"做健康结果"的逻辑。那些率先用AI原生思维重构服务链的机构，将在这场支付改革中获得结构性优势；而那些还在用传统逻辑应对新支付体系的机构，则会在效率压力和质量压力的双重挤压下越来越难受。
最后
有人问我，AI时代最稀缺的能力是什么。
我的答案不是提示词工程，不是数据治理，也不是某种具体的技术技能。
是"退后一步"的勇气——退后一步，看清楚自己正在经营的，到底是一套还有未来的商业逻辑，还是一个被惯性推着走的历史遗留结构；退后一步，想清楚AI改变的不只是工具，而是整个价值创造的底层参数；退后一步，然后有勇气按照新的逻辑重新出发，哪怕这意味着否定自己过去构建的很多东西。
打造AI原生企业，前提是成为AI原生企业家。
而成为AI原生企业家，要从革自己的命开始。
那些把AI当工具的企业，五年后回头看，会发现自己一直在同一跑道上认真地加速——但时代已经切换赛道了。