撰 文 | 姚音

 不要急着成为“AI公司”，请先判断AI在价值创造中的位置 

相比当下铺天盖地的“AI原生企业”浪潮，杨国安对“AI原生”的定义却相当克制。他认为，并非成立于大模型时代、接入了AI工具，就可以称为AI原生企业。更可靠的标准是：

“假如没有AI，这家企业是否根本不会出现；或者有了AI，其产品与服务的核心能力会显著提升。”

按照这一标准，他认为，Manus属于较为典型的AI原生企业；Rokid与强脑科技属于原本已有技术和产品积累，但AI让识别、判断与交互能力跃迁到新的层级。它们的共同点不在于“用了AI”，而在于AI已成为产品成立或能力跃迁的必要条件。

而绝大多数传统企业则属于AI新移民。它们拥有行业经验、客户关系、工艺知识和业务数据。拥抱AI的意义首先是把这些存量能力重新组织，而不是抹去原有身份。所以，传统制造企业不必为了显示转型决心而宣称自己是“AI公司”，医疗机构也不必把“医疗+AI”强行改写成“AI+医疗”。

在杨国安看来，这一区分对应着“杨五环”中的数实科技环：“技术判断的目的，不是追逐标签，而是识别AI在企业价值链中的真实位置——看清它究竟是效率工具、能力杠杆，还是产品与商业模式的基础。”

一句话概括：AI原生不是身份宣言，而是一种技术与价值创造不可分割的关系。

 产业是否被重写，决定企业要走到“点、线、面”的哪一层 

看清技术位置之后，下一步是否要立即采购模型，取决于先判断AI会在多大程度上会改变所在产业与组织。对此，杨国安以“点、线、面”的差异区分AI对组织不同层级正在发生的具体影响：点是单一岗位提效，线是端到端业务流程重构，面则涉及产品形态、组织方式乃至产业边界的改变。

他以和睦家医院为例，AI可以在患者就诊前汇总跨专科、跨机构的病例，在问诊中辅助记录和判断，在就诊后自动形成病历。这种影响体现的就是“线”的重构，关键并非某位医生少写了多少文字，而是医患互动的前、中、后环节被重新组合，人和AI的分工也随之变化。

而理想汽车所代表的，则是更大范围“面”的产业想象。当自动驾驶能力持续提升，汽车可能由交通工具转向智能空间，企业的业务边界、产品定义与组织配置也都会随之改变。不过，杨国安并未把这一案例外推为所有企业的必经之路。他反复强调，行业特征、企业基础和创始人能力不同，新移民与原住民在领导力要素的构成上并没有天然高低。

不过，AI时代下的产业重构环，真正要求一号位回答的是：AI改变的是本企业某些岗位、核心流程，还是整个价值创造逻辑？这个判断决定了后续投入的级别，也决定企业是从现实业务向前推进，还是有条件地从未来产业倒推今天。

一句话概括：点、线、面不是转型等级，而是企业对产业变化范围的不同回答。

 战略不是“All in”，而是选择与企业禀赋匹配的AI距离 

AI越热，“All in”越容易成为一种态度表达。但在杨国安看来，战略的本质仍是取舍：企业要看多远、走多快、投入到哪一层，必须与自身能力和行业节奏相匹配。

他观察到，AI创新有一个不同于传统产品创新的特征。过去，企业更多是从未满足的客户需求出发，再调用成熟技术解决问题；而今天，AI常常先提供了一把能力极强的“锤子”，企业再寻找真正值得解决的“钉子”。这就要求一号位必须同时观察客户需求与技术演进，判断组织未来的能力边界、成熟节奏和潜在风险。

“少数创变型企业需要看三年、五年甚至更远，从未来产业形态倒推今天的产品、生态和资源配置。”这一方面的佼佼者当属亚马逊的创始人贝索斯，杨国安认为，能够穿透长期技术洞察，进而转化为企业的长期布局，将是未来区分从优秀到卓越领导者最重要的战略能力。但他同时提醒，“贝索斯只有一个”。对多数传统企业而言，更现实的任务是理解未来一至三年AI可以解决什么，并比竞争对手更快形成有效应用。

因此，战略布局不能用同一把尺子衡量。以岗位提效为主的企业，更不必提前承担产业重构级别的成本；试图改变产品和商业模式的企业，则不能只做零散的工具实验。

一句话概括：AI战略的高度，不由口号的激进程度决定，而由企业所选择的问题、时间尺度和资源承诺共同决定。

 一号位的任务，要从“相信AI”推进到“把判断变成组织共识” 

“杨五环2.0”以变革领导力为起点，也最终回到一号位。但当AI已成为管理层的共识，仅有信仰已经不足以构成领导力。
此时，一号位首先要与高管团队形成明确共识：AI对企业而言，主要用于效率提升、产品创新、服务体验升级，还是商业模式与产业重构？其次，团队需要回答的是：应用场景在哪里，哪些由业务主导，哪些需要技术底座支持，投入和风险边界如何设定。

这一步尤其重要。很多企业看似由CEO强力推动，实际仍停留在“老板焦虑—部门试点—成果零散”的循环。如果每一次AI创新都必须等待一号位亲自拍板，说明领导力尚未沉淀为组织能力。一号位真正要建立的，是允许探索、能够验证、可以配置资源并及时停止无效项目的制度环境。

也正因如此，杨国安提出，“信仰”不应被理解为盲目下注。技术方向可能相对清晰，但节奏和边界仍有很大不确定性。领导者既要保持开放，也要承认判断可能出错，转而通过小范围实践获得手感，再逐步扩大AI带来的真实成效。

一句话概括：一号位工程的终点，不是让CEO成为最会用AI的人，而是让组织不再依赖CEO才能使用AI。

 组织升级的第一步，是把AI项目变成持续创新机制 

当战略方向明确后，组织需要同时处理三类任务：改善现有业务、探索增量机会、攻克战略性产品。三者目标不同，不能被塞进同一种项目机制。

杨国安以美图的实践来进一步说明。首先，美图通过在主营业务中利用AI提升效率与体验；其次，通过黑客松、内部孵化和阶段性投资，让一线想法自下而上涌现；其三，对可能改变产品形态的关键项目集中资源，自上而下突破——其自研的垂直小模型RoboNeo就是由小团队集中开发，也是第三种机制的具体成果。

值得注意的是，美图的具体做法并不是普遍模板。真正可迁移的，是其背后对三类问题的区分：成熟业务怎样持续优化，分散创新怎样低成本出现，战略机会怎样获得足够资源。

在杨国安看来，AI显著降低了原型生成成本，却没有自动提高决策质量。当小团队可以同时做出多个产品时，组织更稀缺的能力将从“提出创意”转向“识别真问题、验证真需求、筛选有效创新”。杨国安强调，原型、试点、数据反馈和漏斗机制，本质上是让组织以更低成本获得真实反馈，再决定是否进行规模化。

一句话概括：AI组织的关键不是项目更多，而是形成改善、探索和突破并行的创新组合。

 组织升级的第二步，是从“一人一岗”转向碳硅混合任务单元 

持续创新机制进一步改变的是组织的基本单元。杨国安提出，未来可能不再是“一人一岗”，而是一个人调度多个智能体共同完成任务。

这种变化包含三个层次。首先，AI提高能力下限，让原本不具备某项专业能力的人快速达到可用水平；其次，标准化、可描述的部分任务会被智能体大量替代；再次，岗位边界被拓宽，产品经理可以直接生成原型，设计、营销、研发之间的部分接口将由个人与智能体共同穿透。

由此受到冲击的，不只是基层岗位，也包括传统中层。杨国安的判断是，随着AI智能体的广泛普及，中层会大量减少、组织会趋于扁平，但中层不会完全消失。真正被压缩的，是依赖信息传递、流程审批和部门协调而存在的管理活动；能够设定方向、判断质量、整合资源、激励团队并承担责任的管理者，价值反而更趋突出。

此外，绩效管理也要随之变化。企业不应把调用了多少智能体、消耗了多少Token当作成果，而要对混合团队“算总账”：交付了什么结果，花费多少时间与成本，质量和风险如何。不同任务可以配置不同等级的模型，AI资源管理也会经历从开放试用到分级优化的过程。

一句话概括：AI不是简单减少人头，而是在重新划分人的判断、机器的执行与管理者责任之间的边界。

 组织升级的第三步，是用数据、AI BP与HR沉淀“组织智能”

碳硅协同要从个体能力变成企业能力，还需要新的组织基础设施。

在杨国安看来，算力、模型和大量通用智能体都可以外购，企业真正难以从市场获得的，是自身的数据、知识、工艺经验与业务诀窍。许多传统企业的问题甚至还不是模型能力不足，而是数据未采集、系统未打通、标准不一致，既难以形成专属能力，也难以保证安全。

而在技术底座之外，业务与技术之间还存在翻译断层。业务主管知道痛点，却不清楚AI能做什么；技术人员理解模型，却未必理解业务规则。因此，杨国安提出培养AI BP：既能把业务问题转译为技术需求，也能把技术进展转译为新的业务可能，从而与业务团队共同寻找点、线、面的场景。

不过，杨国安也提醒道，AI BP的价值不应停留在协调。如果它只是转发需求，便可能重演过去业务与IT之间的中间层困境。更理想的状态，是通过项目帮助业务团队获得重构流程与产品的能力，并把有效方法沉淀为可复用的工作流、评估标准和组织知识。

这也将重新定义HR的边界。在AI时代，HR不仅要引入AI原生人才、培训存量员工，还要参与混合团队的绩效、文化与行为规范建设，并与IT、业务共同评估投入产出。从实践看，数据底座、AI BP和HR协同，正在让“组织升级”从人才管理扩展为组织智能治理。

一句话概括：企业长期沉淀的将不只是数据，而是数据、工作流、智能体、业务规则与人的判断共同形成的组织智能。

 访谈观察：AI时代，HR要从人才管理者走向组织系统设计者 

从数智科技、产业重构、战略布局，到组织升级与变革领导力，“杨五环2.0”提供的不是一条线性的技术实施路径，而是一套相互校验的管理逻辑：技术判断必须接受产业价值检验，战略选择必须匹配组织能力，组织实验又会反过来修正一号位的认知。

这也是杨国安此次访谈中较为审慎的一面。面对下一本书的方向，他没有急于给出主题，而是说要“让子弹飞一阵子”。他的研究方法，是持续进入企业和技术一线，与不同产业的实践者对话，再根据新的事实更新理论。对于仍在快速变化的AI组织形态，这种克制尤为重要：个案可以提供启发，却不能过早被写成规律；趋势可以判断，具体节奏却仍需实践验证。

AI不会只增加一项培训任务，而会推动岗位、绩效、人才密度、管理层级和文化治理同步变化。HR需要与一号位、业务、IT和AI BP共同设计新的组织系统：哪些工作由人承担，哪些交给智能体；怎样衡量混合团队；怎样让组织在不断试错中积累能力，而不是只积累工具。

对于身处AI时代的企业而言，真正的必答题已经不是“是否使用AI”，而是能否把人的判断、机器的能力与组织的责任，转化为真实的增长和持续改善的商业结果。

如果你对上述议题的深入解析感兴趣，可以关注中欧商业在线已经推出的《数智革新的杨五环》——该系列可以被视为这场讨论的延伸。其价值不在于提供一份通用的AI工具清单，而在于帮助管理者把技术、产业、战略、组织与领导力放在同一张企业地图上去重新审视。当企业所处的行业、转型目标与组织基础各不相同时，一套系统框架的意义，恰恰能帮助管理者提出更准确的问题，找到指引航程的指北针。