科技 Bestblogs · 腾讯研究院 · 昨天 17:40 · AI 生成
袁晓辉：AI 让每个人都变强了，但为什么公司没跑得更快？ 文章借用阿姆达尔定律解释了一个反直觉现象：AI 极大提升个人效率，但企业整体提效却有限。瓶颈在于协作、判断和反馈闭环等不可加速的组织环节。作者通过深圳依然企业的案例，论证了要实现从超级个体到超级团队的跃升，关键在于同步升级组织机制，而非仅给个人配 AI 助手。适合关注 AI 落地与组织管理的企业决策者与产品经理阅读。原文 ↗ 原文 ↗
核心观点
▍ AI 提升个人效率但组织整体提效受限，瓶颈在于协作、判断和反馈闭环，需通过组织工程实现从超级个体到超级团队的跃升。 01 借用阿姆达尔定律，即使执行环节被 AI 加速十倍，判断、审核、交付和销售等不可加速的部分仍占据一定时间，导致整体加速上限约为 3.6 倍。 02 瓶颈已转移到跨部门协作、决策判断和反馈闭环三个维度：跨部门沟通成本高，AI 生成方案增多使决策更关键，缺乏持续学习的知识系统。 03 深圳依然企业通过 AI 落地团队系统化拆解岗位与任务，明确人机分工，系统化推广 WorkBuddy，实现公司整体提效 76%，其中服饰与营销组提效达 90%。 04 未来办公基础设施需承载人与 Agent 的协作、共享上下文、持续学习和演进的工作流，以激发集体智慧和持续创新。 反方 / 局限
— 文章未深入讨论 AI 提效可能带来的内部岗位替代风险、员工抵触情绪，以及组织变革失败的高概率。 — 案例中深圳依然企业的高效提效是否具有可复制性，其成功是否依赖于特定行业或领导力，文章未充分展开。
前置背景 阿姆达尔定律的由来
1967年IBM工程师吉恩·阿姆达尔提出的定律，本意是描述并行计算加速比的上限：即使给可并行的部分无限提速，整体性能也受限于必须串行的部分。袁晓辉把这一定律移植到组织管理——AI加速的是个人执行环节（可并行），但评审、决策、跨部门对齐（串行部分）拖住了整体效率。理解这个源头，才能看懂『个人提效10倍、组织提效不到2倍』的本质不是AI不够强，而是系统瓶颈转移了。
▸ 3 条关联资料
▼
平行视角 AI落地95%打水漂
MIT旗下Project NANDA 2025年报告发现，企业砸了300-400亿美元在生成式AI上，95%的组织没看到可衡量的业务回报。原因不是模型不够强，而是数据没准备好、工作流没改、目标不清晰、组织不配套。袁晓辉强调『组织工程』是对的，但真实世界更残酷：多数公司连『给每人配AI助手』这一步都没跑通，更别说升级协作机制了。
▸ 3 条关联资料
▼
未来推演 超级团队的三条路
袁晓辉定义的『超级团队』需要人与Agent共享上下文、知识沉淀和反馈闭环。当下可见的三条落地路径：科大讯飞玲珑AgentOS走『跨系统调度中枢』路线，北森Mavens走『HR职能Agent化』路线，出门问问CodeBanana走『群聊+Agent执行+工作空间』三位一体路线。每条路都还在早期，谁能把『反馈闭环』做通——让一线经验自动沉淀为组织知识——才是真正的分水岭。
▸ 3 条关联资料
▼
延伸追问 AI提效到底怎么算账
袁晓辉用深圳依然企业提效76%的案例来论证组织工程的价值，但大多数企业面对的核心问题是：AI投了几十万，效率提升80%是怎么算出来的？迅易科技在1000+项目中提炼出5个可量化指标（效率提升率、人效比、单位成本、质量波动、ROI），并发现74%的项目无法证明ROI不是因为没效果，而是没建立基线。真正值得追问的不是『AI提效多少』，而是『你的基线是什么』。
▸ 3 条关联资料
▼