PANews刊发作者数字生命卡兹克的文章，围绕一家公司在创业两年半后推进全员 AI 化的实际感受展开。作者写道，公司已走过两年半，在经历多次危急时刻后仍然存续，近期还将再次搬办公室，原因是团队人数继续增加，现有空间已坐不下。
在作者看来，这种变化与外界对 AI 的直观想象并不一致。朋友会疑惑，既然公司已经大量使用 AI，理论上团队人数应该更少、办公室也应该更小，而不是继续招人、继续扩张。作者给出的回答很直接：现实并非如此。文中称，公司当前的 AI 渗透率几乎是 100%，财务、HR、法务、商务、经纪、运营等岗位都在使用 Agent，也基于 Agent 搭建了大量流程和工具，但仍有不少关键事务无法通过 AI 加速，反而逐渐成为人类员工最重要的工作。
全员 AI 化，不等于搭一个厚中台
作者称，自己接触过很多企业管理者，谈到 AI 化时常见的第一反应，是先搭建一套系统，找一个负责人，或者成立一个 AI 中台。这样做看上去更有组织，也更容易让人产生安全感。
不过，作者随后指出，这种路径存在明显问题。表面上看，它让企业的 AI 工作更集中，但实际上很容易让 AI 变成公司内部另一个排期中心。业务一线出现问题后，需要先提需求，再由多层角色传递给真正开发工具的人；HR 处理候选人筛选问题如此，商务想做客户分析工具也是如此。作者认为，信息在多次传递中会不断漏损，等工具真正做出来时，一线场景可能已经变化。
作者还提到，这种模式会带来另一层分化：一线人员越来越擅长提需求，中台人员越来越擅长使用 AI，最后真正具备创造能力的人，仍然只是少数几个人。文章认为，AI 时代的组织不应停留在这种结构上，而应尽量让每个人都能直接使用 AI，或者借助 AI 创造工具来解决离自己最近的问题。
基于这套判断，作者给出的建议相当克制：原生人数没有超过 100 人的公司，成立 AI 中台一定要谨慎。文中并未否认中台的价值，作者也明确提到，超大型系统、飞书、财务软件、统一权限以及安全底座，确实需要专业人员负责。但这个中台应当尽量做薄，主要守住权限、安全、成本、数据口径和不能触碰的红线，并解决服务器、Token 等共性问题。
至于那些紧贴业务、且每天都在变化的事务，作者认为必须交给离问题最近的人自己使用 AI 处理。无论是直接调用 Agent，还是借助 Agent 创造工具，抑或是做爬虫、写脚本、做 RPA，关键都在于由业务人员亲自完成。作者举例称，在自己的公司里，很多流程即便需要优化，也没有一个所谓的固定岗位专门替员工开发解决方案，真正能解决问题的，只有业务人员自己和 Agent。文中提到的工具包括 Codex、Workbuddy、Claude Code 等。
作者承认，这个过程一开始通常并不好看。有人不会描述需求，有人害怕代码，也有人折腾很久只能做出一个勉强能用的小工具。甚至不少任务在第一次尝试用 Agent 解决时，速度可能还不如手工操作。但在作者看来，这种笨拙十分重要，因为当一个人第一次把自己工作中的麻烦做成一个能够运行的工具时，哪怕很粗糙，他对工作的感受也会变化。过去他只能忍受流程，现在他会意识到，流程也可以由自己改掉。
作者据此提出，AI 化带给普通员工最珍贵的东西，可能不只是效率，还有一种久违的主动权。也正因为如此，文章更认可「薄中台，厚一线」的组织结构。
Agent 之外，数据沉淀和治理才是硬工作
文章随后把重点转向数据。作者表示，把 Agent 发给每个人，并不会自动长出一家所谓的 AI 时代组织；很多企业在谈 AI 化时，真正的瓶颈并不在模型或工具，而在于缺乏数据。
作者列举了常见情况：过去的会议没有全文记录，客户沟通散落在不同人的聊天记录里，合同和报价找不到统一版本，项目做完之后也没有复盘。很多最重要的经验，只存在于少数老员工的脑子里。在这种条件下，Agent 很难真正发挥作用。基于这类观察，作者明确写道，相比 Agent，本人更相信数据才是最重要的。
文中提到，作者所在的虚实传媒经营 MCN 业务，已签约几百位博主，对接过近大几百个品牌方。围绕内容、商务和合作所沉淀下来的历史数据，团队都尽量作为数据资产保存在内部。那些难以直接写入标准字段的信息，也会被打成非结构化标签，再统一放入飞书多维表格中。除此之外，所有会议全文、文档、知识和 SOP，也都被纳入知识库。
作者进一步写道，经纪团队现在每天的日常工作之一，就是为合作过的很多博主持续打标。虽然这类工作很累，很多记录在当下看不出价值，标签也不可能一次性就打得完美，甚至某些细节在半年内都未必会派上用场，但作者仍认为这些信息应该被留下。原因在于，一家公司真正拥有的，不只是账户上的钱、办公室里的设备和员工名单，还有这些年在无数具体业务场景中积累起来的数据和上下文。
文章强调，模型可以买，Token 也可以买，Codex 也不是哪家公司独有，但一家企业在长期经营中沉淀出来的上下文，外部几乎不可能购买到。因此，作者在内部推行的策略是「应存尽存」。
不过，作者也提醒，「应存尽存」并不等于把所有内容一股脑扔进知识库或多维表格里就结束了。现实世界本就存在大量冲突：旧规则与新规则长期混在一起，不同部门可能对同一个指标有两套口径，已经废弃的合同模板仍排在搜索结果前面。作者认为，Agent 不会主动替组织消化这些混乱，它只会从中选一个最像答案的内容，然后以 AI 的速度把错误执行下去。
因此，作者提出，沉淀下来的数据必须有来源、有时间、有负责人；过期的内容要敢于废掉；相互冲突的口径要有人裁决；凡是会影响钱、合同和人员的重要决策，都要有人定期核查并进行数据清洗。作者把这类工作称作 AI 化背后真正的苦活、累活和脏活，但同时也认为，它是组织实现 AI 跃迁的充分且必要条件。
可标准化工作被拿走后，岗位反而更像“人”的工作
在作者的描述里，等数据逐步积累、Agent 真正进入每一个岗位后，组织里出现了另一个变化：员工并没有变得更像机器，反而越来越像人。
作者以商务岗位为例称，以前一个商务人员可能有 50% 的时间用在整理数据、做表、查资料、修改合同，另外 50% 的时间才真正用来跑客户。Agent 接管前一部分工作后，这类事务可能只需要 20% 的时间，剩下的 80% 则可以投入到见客户、理解客户顾虑、把方案做得更完整和更细致等事务中。
经纪岗位也有类似变化。过去，经纪人要花大量时间收集数据、整理记录和反复确认；这些工作逐渐能交给 Agent 后，经纪人就可以多聊一个博主，更认真地听对方近期状态，也能把时间投向那些很难量化的关系维护。作者认为，HR、法务、内容和运营岗位的变化也大体如此。
文章将这一变化概括为：AI 最擅长拿走的，是那些可以被描述、被重复、被验证的工作。等这些工作一层层被剥离之后，留下来的恰恰是最难被加速的部分，也就是人与人之间的真诚交流。对一家业务相对传统、且几乎就是 ToB 的公司来说，这一点尤其现实。文中举例称，客户在出现问题后是否还愿意接你的电话，博主是否愿意把接下来几年的时间交给你，这些都不是 Agent 能替代的。
作者写道，Codex 可以帮助准备材料、记住细节、复盘沟通，但无法替人经历时间，也无法替人去完成面对面的交流。也因此，作者一直认为，在 AI 时代，信任和品牌比钻石还珍贵。这类资产积累极慢：答应的事做到一次是一分，出问题时不逃避、正面解决是一分，对方处于困难时不是只发客套信息，而是真正出现并尝试帮忙，也是一分。文章称，这些都需要长期经营，而 AI 越快，这类东西就越贵。
从这个角度看，作者解释了为何 Agent 越多，公司反而越传统。商务更像过去那个不断外出、真正与客户坐在一起的人；经纪人也更像过去那个需要真正认识和理解博主的人；管理者则越来越难躲在报表后面，必须直接面对冲突、做出判断并承担结果。
被 Agent 省下来的时间，最终给了谁
文中还提出了一个在作者看来更残酷的问题：Agent 省下来的时间，最后流向了哪里。
作者指出，很多公司谈 AI 化时，最喜欢计算节省了多少工时。一个流程过去要 4 个小时，现在只需要 20 分钟；一个岗位过去能服务 20 个人，现在能服务 50 个人；一个方案过去 2 天才能出，现在半小时就能拿到初稿。这些数字当然重要，但作者认为，如果省下来的时间最后又被更多会议、更多汇报、更多审批以及更多根本没人看的表格填满，公司只是变得更忙，而不是更高效。
文中写道，如果员工因为使用 Agent，原本一天做 5 件事，后来被要求一天做 20 件，而且 20 件都要立刻交付，那么员工感受到的不会是技术带来的解放，而只会觉得「鞭子变快了」。作者认为，这恰恰是管理者很容易忽略的地方，因为站在公司角度，效率提升天然像一件好事，也会刺激企业和老板产生更多野心。
作者坦言，自己也有类似倾向。能力边界一旦扩大，就会想多做一个项目；经纪人能服务更多博主，就会想签更多博主；商务能消化更多信息，就会想跑更多客户；内容生产更快，就会想覆盖更多选题。被省出来的能力，很快又会被新的野心填满。作者认为，这也是公司人数继续增加、还要再次搬办公室的原因之一。AI 未必会让公司变小，它最先放大的，可能是公司和老板的野心。
不过，作者也借此提醒自己，野心本身没有问题，公司当然要继续往前走，但如果所有效率最终都变成更高的数字、更密的排期和更多工作量，那么所谓 AI 化，对最普通员工而言，不过是一次更难拒绝的加班。因此，现在作者更关心的问题不再只是 Agent 节省了多少小时，而是这些小时最终归还给了谁。
文章中的答案是，把商务的时间还给客户，把经纪人的时间还给博主，把 HR 的时间还给那些真的需要被听见的员工，把法务的时间还给困难判断，而不是机械地改到第 27 版格式；把内容团队的时间还给体验、好奇和真正值得写的东西，也把普通人的时间还给他自己一点，让他有机会多学一个东西，把工作做得更好，或者早点回家认真吃顿饭。
作者认为，管理者很容易把员工当成产能，但人并不是一块等待被 Agent 榨干的电池。在其看来，AI 在组织中的最好价值，是让每个人都更发自内心地热爱自己的工作，也更快乐；只有这样，组织才可能重新对世界保持好奇，并在对外关系中积累更多信任。
AI 时代，管理者更难躲在流程后面
在文章第五部分，作者把矛头转向管理者自身。文中认为，过去一个管理者很容易通过安排动作来证明自己的价值，比如开会、催进度、收日报、做审批，把一件事拆成 10 步，再检查每个人是否严格执行。
但在 Agent 大量吃掉执行层工作之后，这种管理方式会越来越尴尬。员工自己借助 Codex，就可以研究资料、做方案、写脚本，也能把一个过去需要跨几个部门才能完成的流程先跑起来。这个时候，管理者真正该做的事情，反而不应该是增加更多动作，而是回答几个更基本的问题：目标到底是什么，什么绝对不能错，哪些风险公司可以承担，结果做到什么程度才算合格，发生意外时谁来做最后决定，出了问题由谁来担责。
作者认为，这些才是管理中最难的部分，也很难被做成一份漂亮的 PPT。相比之下，一个管理者不会写 Prompt 尚且还有时间学，但如果说不清目标、做不了判断、出了问题只会把责任推给下属，那么 Agent 再强也帮不了他。
文中还提到，作者有时甚至觉得，AI 对管理者最大的冲击，并不只是工具更新，而是很多过去隐藏在流程里的无能，会被 AI 一点点暴露出来。以前还可以把问题归因于人手不够、信息没整理好或下层执行不到位；但当 Agent 已经把资料找好、方案给出、执行成本也压低之后，那个迟迟做不出来的决定，就很难再有借口。
作者也把这套要求同样放到自己身上。文章写道，自己不能一边要求所有人主动创造，一边又要求每个细节都按自己的想法来；不能一边强调结果导向，一边又用加班时长、消息回复速度和忙碌表情去判断一个人；也不能把不清楚的目标甩给下属，再用一句「你要学会用 AI」把管理责任转嫁出去。作者将这些都视为管理者无能的表现。
基于这些经验，文章提出一个判断：AI 时代的组织究竟会进化成什么样，很多时候取决于这家公司原本是什么样子。一家不信任人的公司，可能会用 Agent 把监控做得更细；一个习惯控制的老板，可能会用 Agent 把命令下得更快；只有愿意尊重人的公司，才可能真正把 Agent 变成普通员工手里的工具。作者写道，AI 从来不会自动带来先进管理，它只会让企业原有的问题更清楚地暴露出来。
新人培训正在变难，80 分答案不等于真正成长
文章第六部分讨论的是新人成长。作者坦言，这也是自己公司目前做得不够好、仍在摸索的地方之一。
作者举例称，过去内容行业的新人，可能从找资料、改标题、整理案例和写初稿做起；商务新人，通常会先整理客户资料、跟着开会、写纪要、改方案；法务新人，则会从最基础的合同和条款开始熟悉。这些工作虽然琐碎，有时也很折磨人，但很多人的职业感觉，就是在这些笨功夫里慢慢长出来的。
而现在，Agent 可以在几分钟里直接给新人一个 80 分的答案。短期看，这种体验非常顺滑：刚入职的人可能第一周就能拿出过去要半年后才做得出来的成果，公司会觉得培训成本下降了，新人也会感觉自己一下子变厉害了。
但作者认为，产出突然变好，并不等于一个人真的完成了成长。如果新人没有经历过那些基础工作，他就没有足够机会理解 Agent 为什么会这样处理问题。等到 AI 给出一个看上去很像正确答案、实际上却是错误的结果时，这样的人甚至可能连怀疑都不会怀疑。
作者写道，自己最担心的不是新人不会用 AI，而是他只会用 AI，却再也长不出自己的判断。因为从组织角度看，新人永远是最弱的一群人，他们往往不知道什么问题可以问，不知道哪条规则已经过期，也不知道当 Leader 说「你自己看着来」时，自己究竟有没有真的决定权。Agent 可以给他产出，但不一定能给他承担后果的能力。
文章提到，如果公司只看结果，新人甚至会被那个 80 分答案一路推着往前走，直到在一个重要环节酿成大错，公司再反过来问他，为什么连这个都不懂。正因为如此，作者认为，眼下这种变化非常不利于新人成长。
针对这个问题，作者一直在思考如何重新设计一条新人的成长路径。文中表示，这并不意味着故意让新人继续做无意义苦工，也不是为了磨炼就把人重新按回手工时代，而是要尽可能让新人解释 Agent 为什么这样做，让他比较不同方案，让他真正去见客户，让他看到错误造成的后果，让他在有人托底的情况下做一次判断，也让他为最终交出去的成果签上自己的名字。
作者认为，新人真正需要的从来不只是更快的产出。他需要安全地犯几次错，需要被真正懂行的人纠正，也需要知道自己将来也能成为那个为别人托底的人。给新人一个能产出 80 分答案的 Agent 并不难，难的是给他一条成长为高手的路径，而这恰恰也是管理的一部分。
AI 拿走的是损耗，不该拿掉人与人之间的连接
回到文章开头的问题，作者解释了为何自己会说，公司里的 AI 越多，组织反而越像一家传统公司。原因在于，当 AI 把能被加速的部分都加速后，那些真正困难、且无法用 AI 加速的部分才从冰面下浮现出来。
文中给出了一组鲜明对照：数据可以自动整理，信任不能；合同可以快速生成，责任不能；人与人之间的真诚沟通，更无法被替代。客户信息当然可以被分析，但当坏消息出现时，对方是否仍愿意相信你，并不是纯靠分析就能算出来的东西。作者认为，这些事务很老、很慢，也不性感，但一家小公司的命，往往就系在这些地方。
作者介绍称，自己的公司并不是那种依靠技术壁垒生存的企业，而是在当下环境里努力切下一点业务、养活伙伴、寻找自身生存方式的一家小公司。文章写道，公司之所以能够活下来，是因为还有客户愿意把预算交给团队，还有博主愿意把自己的职业生涯托付给团队，也还有愿意一起折腾线下活动甚至综艺的合作对象，以及一群愿意相信「链接 AI 时代的一切」这件事可以继续做下去的同事。
也正因如此，作者越来越倾向于认为，数据、Agent 和自动化在组织中的真正价值，不应当是把人从中间拿掉。给博主打很多标签，不是为了有一天不再认识博主，而是为了让经纪人在见到对方时，更了解其过去经历了什么、现在需要什么；让商务用 Agent 整理客户资料，也不是为了从此不见客户，而是为了在坐到客户面前时，不再把时间浪费在本来就应该提前完成的功课上。
作者还提到，把会议、文档和 SOP 存下来，也不是为了让组织只依赖系统，而是为了让每个刚加入的人不用低着头到处求人，也不用在一片空白中重新踩一遍前人踩过的坑。文章将这套逻辑概括为：AI 负责拿掉人与人之间那些没有必要的损耗，然后让一个人有更多时间，真正走到另一个人面前。
在作者看来，这就是公司的本质。它不是一家只靠几十个数字员工，就能在云端自动运转的超级公司，而是一群普通人，借助这个时代最先进的技术，努力把一些很传统的事情做好：服务好一个客户，陪好一个博主，带好一个新人，守住一次承诺，也让一起工作的人过得更好一点。
因此，作者认为，公司在越来越多使用 AI 的同时变得越来越传统，并不是一种退步，而是技术把效率这层外壳逐渐剥开后，人与人之间最本质的东西重新显现出来。
作者的结尾判断：组织变革最终考验的是怎么对待人
在文章最后，作者回顾了公司过去两年半的经历。文中提到，团队经历过很多次危急存亡，也做过很多错误决定。虽然现在仍然活着，甚至又要搬去更大的办公室，但作者并不认为自己已经找到了所谓的正确答案。
作者坦言，并不确定全员 AI 化是否适合每一家公司，也不确定「薄中台、厚一线」是不是 AI 时代最好的组织方式，更不确定眼下为新人设计的成长路径最终能否跑通。但有一点变得越来越明确：AI 时代的组织变革，表面上改变的是工具、流程、数据和效率，最后考验的依然是一家公司如何对待人。
作者把这个判断拆解成几个具体问题：是否愿意把创造的权力交给一线，是否愿意把 Agent 省下来的时间还给客户、博主、员工和生活，是否愿意在新人还不成熟时给他犯错和成长的空间，以及是否愿意在出问题后不躲在流程和报表后面，而是亲自站出来承担结果。作者认为，这些事情才决定了一家公司最终会变成什么样。
文章最后引用了圣埃克苏佩里在《人的大地》中的一句话作为结尾：「一份职业的伟大，也许首先在于把人联结起来。世上只有一种真正的奢侈，那就是人与人的关系。」作者写道，过去读到这种话时，可能只觉得浪漫；但在开公司两年半、经历过那些公司可能活不下去的时刻之后，再看着身边的人一点点变多，如今更觉得这句话接近真理。
此外，作者还透露，未来可能会做一些特别栏目，分享公司不同岗位的同事如何在财务、法务、HR、运营、商务等工作中使用 AI，并称自己在观察这些实践时，也经常会获得启发。