本文来自微信公众号： 凯文AI商业思维 ，作者：凯文
这几年大家聊AI提效，有一个很明显的倾向：总喜欢算一个人到底快了多少。
以前写一份材料两个小时，现在二十分钟；过去查半天资料，现在让AI跑一轮，很快就能把框架搭出来。写代码、做PPT、整理会议纪要也是一样。单看一个人的工作效率，变化确实已经很大。
但如果你真的在公司里做过项目、带过团队，大概会有另一种感受。
每个人都变快了，公司好像还是很忙。
甚至有时候，你会觉得信息更多了，群里的内容更多了，大家生成文档的速度更快了，但事情真正往前走的速度，并没有同比例提高。
问题出在哪里？
很多时候，时间根本不是耗在“做”上，而是耗在人与人之间。
一个方案两个小时能写出来，可前面要确认谁负责，中间等另外一个部门的数据，做完之后还要问版本有没有改，会上确定过的东西有人没听到，需求已经变了还有人在按照旧版本继续做。
最后一件两小时的事情，三天过去了。
所以今天看到飞书8.0这轮更新，我反而对那些“AI又会做什么了”没有特别兴奋。真正让我觉得有点意思的，是它把一种已经出现苗头的工作方式做得更具体了：
AI开始进入团队的协作过程。
如果一定要用一个公式来形容，大概就是下面这个，卡兹克也有类似的提法：
团队效率=所有人的个人效率之和−组织协作成本。
过去三年，AI拼命在给前半段加分。
现在终于有人开始碰后面那个减号。
一个一直“在场”的AI，会有什么不同？
我们现在使用大部分AI，其实都有一个共同习惯：有事才去找它。
想到问题，打开ChatGPT、Claude或者其他工具，把背景重新说一遍，把资料丢进去，等它回答。事情处理完，结果再复制到群里、文档里或者项目系统里。
这已经很好用了，但AI始终有点像一个外援。你不叫它，它通常不知道你们刚才发生了什么。
团队型Agent开始出现之后，这个关系有了一点变化。
它长期待在工作现场里，群聊、会议、文档、任务、日历这些东西，不再是你每次临时搬过去给它看的“附件”，而是它理解工作的上下文。
这意味着，昨天讨论过什么、谁接了哪件事、项目目前卡在哪里，它有机会一直跟着。
这种感觉有点像办公室里多了一个记性特别好、又愿意管闲事的人。
你们讨论到一半，它能帮忙把缺的资料补上；事情说完了，它顺手记下来；有人说“下周找个时间再看”，它可以继续建日程；几天以后任务还没人接，它也可能提醒一句。
这里面真正值得关注的并不是“记忆功能”本身。
是AI从过去的等你提问，慢慢开始变成跟着事情一起走。
更有意思的是，它开始学会把事情接下去。
举个很小的例子。
一个内容团队平时刷到有意思的东西，会丢进群里讨论。有人说这个选题不错，有人查技术资料，有人判断能不能做，讨论差不多之后再整理成选题卡，录进选题库。负责人看完决定做不做，再安排给谁、什么时候做，最后放进日历。
你仔细看，这里面没有哪一步特别难。
麻烦的是环节很多，而且每一步都可能断。
有人聊完忘了录；录进去没人看；确定要做了没排期；排期了又没有通知对应的人。公司里大量所谓“管理工作”，其实就是在把这些断掉的地方重新接起来。
团队Agent有意思的地方，就在这里。
它可以从群里的讨论开始，一路帮忙调研、整理，把结果写进任务库，再根据团队现有安排做排期，最后发出日程或者提醒。
以前我们判断一个AI好不好用，经常问：
它回答得准不准？
以后在企业里，可能还会多一个问题：
它能不能让一件事少卡几次？
我觉得后面这个问题，可能比回答得多漂亮更值钱。
因为企业里真正昂贵的，常常就是这些不起眼的小摩擦。
每个人都有AI，还不够
还有一个地方我觉得挺值得琢磨。
过去我们想象AI办公，通常是一人配一个助手。销售一个、产品一个、运营一个，老板再来一个。
这当然会继续发生。
但假设一个十人团队，每个人都突然快了30%，这十个人之间还是要同步、开会、确认、追任务。甚至因为每个人生成内容都更快，团队需要消化的信息可能更多。
所以共享Agent这个思路值得看，不是因为它又多了一个机器人，而是因为它服务的对象开始从“某个人”变成“一群人”。
以后可能真的会出现一些很奇怪、但慢慢又会觉得很自然的角色。
比如项目里长期挂着一个Agent，平时没人专门管它，它却一直知道项目发生了什么；销售团队有一个共同的客户支持Agent，新人进来不用到处问历史情况；管理层也可能有一个经营分析Agent，每周自己把异常拉出来。
这些东西不一定真的叫“员工”。
但它会慢慢成为组织里面的一个节点。
这也是为什么我觉得，AI进入企业的下一阶段，可能不会停留在“员工会不会用AI”。
更麻烦，也更有价值的问题是：
公司原来的工作方式，适不适合让AI进来一起干活？
然后，新的麻烦也会跟着出现
这件事现在远没有到可以放心交出去的程度。
甚至我觉得，团队Agent真正规模化以后，会冒出一堆以前公司根本没想过的问题。
比如最现实的一个：它到底用谁的脑子？
今天很多Agent和某个模型绑得很紧。但企业实际使用时，大概率不会满足于一种模型包打天下。写代码可能想用一个，复杂分析换一个，日常整理又没必要用最贵的。以后Agent的身份、记忆和权限能不能保留，但“大脑”随任务切换，我觉得会直接影响这类产品最后能走多远。
然后就是钱。
一个人的AI，有事的时候跑一下，成本比较容易理解。一个几十人的团队Agent如果一天到晚读群聊、会议、文档、任务变化，Token到底要烧多少，现在很多人其实都没认真算过。
等真正进入经营阶段，老板最后还是会问那个很朴素的问题：
一个月多少钱？到底帮我省了什么？
还有一个问题我反而觉得会越来越麻烦，就是信息太多。
公司的群里并不全是“知识”。
有开玩笑，有临时想法，有已经被推翻的方案，有人随口说了一句但最后根本没执行，还有很多半年之后已经完全失效的信息。
Agent如果全部记住，未必越来越聪明，也可能越来越糊涂。
以后企业也许真的要开始管理一种新的东西：组织信息卫生。
哪些是最终决定，哪些只是讨论；哪些已经失效，哪些可以继续引用。过去这些事情靠人脑勉强维持，AI越依赖上下文，反而越需要把这件事做清楚。
最后还有权限和责任。
AI只负责总结的时候，错一句话问题不算太大。一旦它能改数据、建任务、排日程、调用系统，甚至自己判断“这件事我应该处理”，那情况就完全不同了。
它看得到什么，能做到哪一步，什么时候必须停下来等人确认？
如果做错了，算谁的？
这些事情恐怕不会像模型升级一样，一夜之间就解决。
我真正感兴趣的是后面这件事
所以今天这波产品更新，我并不太想把它理解成“又多了一个办公AI”。
产品以后肯定还会变，飞书、钉钉、企业微信，包括各种独立Agent平台都会继续往前做，谁最后跑出来现在也很难说。
但有一个趋势已经越来越清楚：
过去几年，我们一直在训练AI怎么帮助一个人工作。
接下来，大家可能要开始训练它——
怎么和一群人一起工作。
这两个问题看起来只差几个字，背后其实是完全不同的一套东西。
个人AI拼的是模型能力、工具调用、记忆。
到了组织里面，还要加上人、权限、流程、历史、责任、关系，以及那些公司每天都在发生、却从来没有人完整记录下来的上下文。
也正因为这样，我反而觉得团队Agent最值得观察的地方，不是它今天已经能做到多少。
而是它终于开始碰公司里那个长期没人真正解决好的老问题：
怎么让一群人，少互相折腾一点。
如果这件事真能往前走，可能比再快一点写出一份PPT，重要得多。