AI 与人类，正在产生一种微妙的张力。
一边是头部 AI 企业加速狂飙，每几天就会有一个新模型刷出更高的分数，带动收入也高速增长。另一边，关于 AI 的质疑、抵制情绪也在浮现。消费者对低质 AI 生成内容感到不信任。企业采购 token 后，是否真的转化为了产品竞争力和效益，至少目前还没有得到广泛验证。
可以这么说，AI 在变强，但企业并没有因此就自动变成一个更优的组织，最终输出到社会的价值增量也有限，需要一次更深刻的演进。
11 月 12 日，百度世界大会开幕，李彦宏将分享的重点放在「智能组织」，直指这一问题。他用了一个比喻：如果说 AI 是新时代的电机，智能组织就是新的厂房。只有通过重构整个流水线系统，才能释放新技术的生产力。
公司需要被重新发明一次，这可能将是 AI 时代的序幕拉开后，最重要的问题。
AI 进入了公司，但组织还没有跟上
历史上，人类近现代化的整个进程，一直伴随着组织的迭代更新。
回看两次工业革命，它们的标志可能是煤、石油这些能源的开发利用，是蒸汽机、内燃机、织布机的发明……但这些都只是开始，真正让技术转化为生产力的，是与之匹配的新的组织方式。
19 世纪，铁路网络和大型制造业的发展，使企业需要处理越来越复杂的调度和协作。由此逐渐形成了专业分工、明确职责的「科层制」管理模式。管理层制定目标、方向，执行层拆分任务，层层落实分工，成为了现代企业的雏形。
后来，福特流水线将生产流程进一步标准化，让工人、机器和工序围绕统一的生产节奏协作。流水线是一套可复制、可扩张的流程，生产的效率不再依赖工人的个人经验。这让企业走向了规模化的扩张之路，缔造了 20 世纪后半叶的工业奇迹。
到 21 世纪，互联网时代，企业开始面对更快变化的市场，需要快速迭代、交付产品，传统的层级组织开始拖效率的后腿。以亚马逊、Facebook 为代表的一批企业开始提倡「两块披萨团队」、敏捷开发。通过控制团队规模，让成员能够保持紧密沟通。组织的竞争力开始从规模化能力，转向快速响应、灵活协作。「扁平」成为了 2010 年代先进团队的最重要特质。
可以说，历史上每一次生产力跃迁，背后都是对工作分配、资源调度的重构，是组织和管理方法的演进升级。到 AI 时代，组织本身的演进变得更加重要。对企业来说，依然要顺应先进的工具，使公司整体迭代进化。
过去四年，随着大模型能力涌现，算力、模型不断迭代，但组织的经验却并没有明显演进。
根据美国《经济学季刊》2025 年的一项研究，企业引入 AI 之后，对那些简单任务，确实有明显提升。研究追踪了 5000 名客服人员，发现经过 AI 助手辅助之后，客服解决问题的效率提升了 15%，且改善了回答质量。
但在更复杂的企业组织层面，AI 的效率提升则并不明显。研究调查了 66 家企业，7000 多名知识型工作者，发现他们在获得 AI 工具之后，处理邮件等日常事务的时间减少了，但完成的「关键工作任务」数量、质量，并没有明显变化。
包括还存在一种情况，当 AI 面对超出其能力边界的复杂任务时，使用 AI 的员工完成任务的效率、质量反而会降低。如果企业只关注员工使用 AI 后的工作效率和产量，没有同步建立质量验证和错误反馈机制，AI 就反而会拖慢效率。
这份研究最终得出的结论是：获得 AI 工具的员工自己的工作方式普遍有所转变，但没有证据表明这些员工个人层面的变化，推动了工作内容和企业运作方式的改变。
根据世界经济论坛发布的另一项报告，2025 年，仅有 25% 的受访企业认为 AI 已经在内部产生了变革性影响，大部分企业仍处于「在既有流程上叠加 AI 工具」的阶段，并没有围绕智能重新设计业务运作方式。
公司需要重新发明自己
目前的 AI 工具难以进入组织协作的深处，因为企业活动不是一系列互不相关的个人任务，一项工作背后往往是多个团队参与的长链条。
比如产品经理用 AI 辅助生成了一份需求文档，设计师却无法理解其中的业务逻辑。不同员工编写提示词，创建 Agent 的方式不同，传递交接时就需要花更多精力去解释、对齐。这种「内部应力」反馈到整个工作链条里，会抵消 AI 带来的效率提升。
2026 年的一次用户研究中，OpenAI 分析了近百万条工作场景下的 ChatGPT 消息，剔除通用任务后，发现有超过 40% 的 AI 任务是「跨专业」的，比如产品、设计相关的任务，会用到技术工程部门的上下文和知识体系，OpenAI 将这一现象称为「任务跨界」（Task Crossover）。这意味着，传统的「岗位」，或将不再是企业的基本组织单位。
在此次百度世界大会的发言中，李彦宏也表达了类似的看法。在他看来，岗位，是工业时代的单元；任务，则是智能时代的单元。未来的组织，就是一个任务的网络。AI让每个人的能力都得到了极大的扩展，一个人可以同时扮演多个角色，承担多个岗位的任务。
此前，他还曾将这一趋势概括为「一个人加一支智能体编队」：过去，一个公司的最小生产力单元是一支小团队；现在，一个人可以通过调用多个智能体，获得接近一支团队的能力。
在百度内部，多个团队都在尝试打破过去的流程和边界。以数字人团队为例，实现了由单人完成 6 个以上需求的全流程交付，随着 Loops 持续运转，数字人产研人均吞吐提升 125.3%，交付周期缩短 28.8%。
除了 OpenAI 和百度，行业内越来越多的公司都意识到，他们需要重新发明自己。
微软在 2025 年发布的「工作趋势报告」中提出了「前沿企业」的概念。报告基于超过 30000 名员工的调查数据，提出未来公司可能会从按职能划分的传统组织架构，转向以目标和结果为中心的「工作表」模式。
当每一项工作需要不同能力时，企业可以临时组合人类员工和智能体，完成后，团队将解散或重组。
这种变化的终极目标不是缩减人员，更不是让一个人完成所有的工作，而是打破过去由人力资源部门设计的权责边界、汇报线条，让每个员工都可以充分调用 AI 的知识和能力，围绕一个任务目标展开协作，优化最终结果，实现效率和质量的共同提升。
通往「组织智能」之路
此次百度世界大会上，李彦宏提出了「智能组织」的三原则：打破岗位边界、沉淀隐性知识、设计流程闭环。
这套蓝图里，打破岗位边界是要解除过去的层级结构约束，沉淀隐性知识、设计流程闭环则目指未来的进化方向。
当下 AI 应用的最大难题之一，就是「如何确保每次任务的结果，不会随任务结束而消失」。传统企业最有价值的知识，往往沉淀在人力系统里，是技术骨干、执行层的经验和判断。
AI 具有强大的、超越任何个体的通用智能，如何将这种智能与具体的业务经验结合，复制到更多场景，就成了企业运用 AI 提效提质的关键。AI 需要萃取那些分散在企业内的知识、经验。
在这条路上，百度已迈出了第一步。
根据百度世界大会上公开的信息，百度财务内审团队已经将 Looping 引入审计流程，把原本依赖专家经验的审计计划、风险排查和问题核查等工作交给 AI，目前内部审计流程的 AI 自动直审率已达 40%。
数字人平台「一镜」则聚焦于生成质量提升和全生产链路的融合。通过引入 AI 大脑与多智能体，让 AI 不只是按指令生成某个画面，而是自主规划剧本与分镜，参与整条内容生产链路。数字人 Agent 每一次任务和互动都会沉淀新经验，反哺下一次创作、服务与决策。
在百度搭子与南方电网的合作中，广西电网 2025 年发生了 8215 次永久性故障，传统人工研判单次耗时超过 60 分钟，且高度依赖专家经验。双方合作开发的「天璇伙伴」，通过学习上万条历史故障数据，将资深专家经验沉淀为可复用的专业知识，并把故障记录、开关信号和线路拓扑串联成证据链，辅助完成故障分析。
该应用的故障分析准确率达到 70% 以上，分析效率提升 12 倍，目前已在广西 14 个地市、112 个县推广。
这些案例为「组织智能」的实现展示了一条可行的路径：AI 不只能替员工完成单次任务，还可以把经验和方法沉淀下来，并对工作的成效进行循环优化，从组织中萃取出更高密度的智能。
百度相信，通往「组织智能」的这条路可能不是当下最快的路，但会是最具长期价值的路。
值得一提的是，组织智能的进化不意味着 AI 可以不受约束地做任何事，更不意味着人类退出决策过程。权限控制、流程追溯、人工审核和验证依然是必要的，AI 参与的结果必须可衡量，有可靠的反馈。
此次百度「词元所」的核心发布，就是针对这一问题。企业需要的不只是算力和词元采购，还需要对 AI 服务质量进行持续的评估、追踪、对比。「词元所」设计的两层新机制，首先确保模型资源可信，核验供应商资质，其次持续追踪服务质量，定期抽检已上架模型的服务质量，并实时监测用户实际调用指标，将相关数据沉淀为公开可查的信用档案。
词元所的机制迭代和智能组织建设，是同一件事的一体两面：企业反复问「token 越花越多，业绩为什么没跟上」，本质是缺少能衡量 AI 投入产出的外部基准。百度此次建立的，是一套从外部计量模型和履约质量的体系，让 AI 的效果能够跨企业可比，进而实现组织层面的「可衡量」。
这也是为什么百度将「芯云模体」的全栈能力与智能组织联系起来，芯片和 AI 基础设施提供计算能力，云平台承载企业资源与运行环境，模型提供智能，智能体负责理解任务、调用工具和执行流程。企业需要把数据、知识、工作流、权限和反馈机制连接起来，才能让智能体在真实业务中持续工作。
AI 时代，公司的价值增量是什么？
当我们把 AI 放到整个工业化、现代化的图景里，就会发现，纵观整个工业历史，变化最激烈的，就是组织。
早期现代企业的出现，是为了把团队做大，把任务拆散，靠分工提高效率；到互联网时代，又开始追求把团队做小、做扁平，降低协调成本。可以确定的是，企业的组织方式没有标准答案，它只会随着基础科学和技术的进步，不断演变出更适配的形态。
AI 智能初现的时候，人们首先想到「超级个体」：一个人借助大模型，就能完成过去一个团队的工作。但随着智能体开始承担更长链条的任务，企业面临的问题也变了。一个人或许可以建立一支 Agent 队伍，但这仍不是一家「公司」。公司的价值是专业知识、业务经验、执行流程、结果评判、风险控制……这都是组织的价值，AI 无法凭空生成出来。
AI 时代，公司不会消失，但它的价值将不再由规模衡量，不在于员工数量多或少。组织的变革，最终要回答的还是那个问题：怎么把当下最先进的技术，转化为先进、真实的生产力？