AI都能干活了，为何上班还是这么累？Shopify先动了招聘规则

AI都能干活了，公司怎么还是老样子？

这几年，推动AI转型的公司不在少数。

给员工买AI工具、办AI培训、鼓励用AI Coding，有的公司甚至把AI使用情况算进了绩效考核。

折腾一圈下来，效果如何？

员工写周报是快了，运营做海报是快了，研发写代码也快了。可真到了实际工作里，需求照样得一层层审批，跨部门沟通还是费劲，一个项目从立项走到上线，十几场会一场都省不掉。

用AI好不容易抠出来的几个小时，转头又填进了开会和汇报里。

挺尴尬的。

工具升级了，管理方式没跟上。

这恐怕是不少企业推AI转型时最头疼的一关。

01.Shopify已经开始重新琢磨招人这件事

全球知名电商平台Shopify的一封内部邮件，在科技圈引发了不小的讨论。

CEO Tobi Lütke对员工提了个要求：团队想申请加人、加资源，先得说清楚，现有工作为什么不能交给AI来做。

公司还打算把AI使用情况纳入绩效和同事评价。

这政策当然有争议。说到底，没有哪个打工人乐意老板天天盘算，自己的活能不能让AI接手。

可站在企业经营的角度看，这事确实有琢磨的价值。

一个原本要10个人做的项目，有AI辅助5个人就能拿下，企业还得按老办法招人、分工、管理吗？

产品经理已经能靠AI Coding开发原型，设计师能批量出视觉方案，运营能用Agent处理大量重复性工作，那传统的团队配置还有没有调整余地？

这笔账，很多企业怕是都得重新算一遍。

不过Shopify的做法里有一点值得留意：它让团队在申请资源前先想AI能干什么，实际动的是工作怎么重新分配。

毕竟AI能干一项活，不等于企业就能直接把一个岗位撤掉。原有的业务、客户关系、系统维护和风险管理，总得有人管。

再说，那些发展了十几年、几十年的企业，想动组织，比买几个AI工具难多了。

02.AI原生组织，最难的是老组织怎么办？

聊AI原生组织，很多人爱拿AI创业公司当例子。

几个人，配上一堆AI Agent，产品研发、市场推广、客户服务就都能转起来。

听着是挺美。

问题是，绝大多数企业压根没机会从零起步。公司里已经有几百上千号人，现有产品仍在赚钱，业务系统跑了不少年头，组织架构、汇报关系、绩效考核早就定型了。

这时候老板突然说要打造AI原生组织，麻烦就跟着来了。新团队能用AI Coding飞快把产品做出来，老研发团队却得盯着代码规范、安全、稳定性和系统兼容这些事。

新团队想用Agent自动处理客户需求，老业务团队则担心服务质量出岔子，到头来背锅的还是自己。

更现实的一点是，新团队可能在开发的AI产品，恰恰会冲击老产品的收入。老业务负责人会心甘情愿主动去推吗？

两边的业绩指标一旦冲突，局面就更复杂了。

这让我想到前些年不少企业搞数字化转型的经历。那会儿大家也在谈组织变革、数据驱动、敏捷协作，企业专门成立数字化部门，上一堆系统，想把原有业务流程改过来。可真到落地时，很多项目还是被原来的组织架构和工作习惯拖住了。

新部门想推变革，老部门忙着完成自己的业绩指标。数字化重要，这点大家都认，可一碰到预算、人员、决策权和利益分配，事情就不好办了。

AI转型恐怕还要更绕一些。数字化转型主要围着业务流程和数据转，AI却有机会直接参与甚至把具体工作干完，牵动现有的岗位分工和组织配置。

要是AI真能把某个部门一半的活儿自动化掉，谁愿意主动站出来推这件事？

这种问题，靠技术本身解决不了。

我觉得企业推进AI原生组织，得在新老组织之间找到一种能长期走下去的协作方式。比如先让小团队在特定业务场景里试点，把新工作流程验证一遍，再慢慢融进原有业务。至于那些可能影响老产品收入的创新项目，管理层还得重新考虑业绩归属和激励机制。

不然，新团队跑得再快，也可能被老组织拖住。

03.部门墙不拆，AI再厉害也没用

还有一个很现实的问题：部门墙。不少企业的业务流程，本来就被切成了一个个独立的部门。

产品管需求，研发管开发，运营管增长，销售管客户，客服管售后。每个部门都有自己的负责人、预算和绩效指标。

AI落地之后，各部门纷纷开始给自己找提效的办法。

研发上了AI Coding，市场用起AI内容工具，客服部署智能客服，销售也配了自己的AI助手。

单看每一个部门，效率大概都往上走了。

可一项复杂的业务，常常要几个部门一起配合才能做完。

拿一个例子来说，有企业想让AI自动处理客户咨询，并推动客户把单子下完。

获客归市场，跟进归销售，系统能力归产品，后续服务归客服。

AI Agent要想把整条流程走通，就得调用多个部门的数据、系统和业务规则。

结果市场不愿共享数据，销售怕AI动了自己的客户资源，客服提出要加人工审核，研发还得排期做系统对接。

折腾几个月下来，AI可能只干成了自动回复客户消息这一件事。

每个部门都完成了自己的AI提效指标，公司整体的业务效率却没多大起色。

麦肯锡的一项全球AI调查也照出了类似的情况：近九成受访者说所在组织已在至少一个业务环节用上AI，但只有39%的受访者报告AI对企业的整体息税前利润产生了影响。

那些AI应用真正做出高价值的企业，一个突出特征就是重新设计了工作流程。

这组数字，企业管理者不妨细看。

一项复杂业务快不快，往往看整条流程走得顺不顺。某个环节提效十倍，别的环节照样要等审批、靠人工录入、反复沟通，最后的效果就大打折扣。

要让AI真正参与跨部门业务，可能得有人对完整的业务结果负责，而不是只盯自己部门那几个指标。

比如围绕客户成交这件事，让产品、研发、销售、运营一起对转化率和客户体验负责。

AI工具怎么配、数据怎么流转、哪些环节留人工审核，都围着同一个业务目标来设计。

当然，这样调整会动到原来的权责关系。

部门负责人肯不肯共享资源？出了问题谁来担？AI做出来的业绩算谁的？新团队又该向谁汇报？

每一条都可能变成改革的阻力。

企业最难撼动的，或许是已经跑了多年的组织惯性。

04.AI原生组织，可能会重新定义很多岗位

AI能力越来越强，企业内部的岗位分工也可能跟着变。

产品经理、设计师、研发工程师、测试工程师，原本各管一摊的活儿，现在交叉越来越多。

AI Coding 已经能让产品经理自己把一些简单功能做出来，AI 设计工具也把设计环节的产出效率抬了上去，自动化测试同样在改写传统研发流程。

企业里可能会慢慢长出更多规模不大、自主权却更高的小团队。

具体活儿由少数几个人扛起完整的业务目标，再配上多个 AI Agent 去完成拆出来的任务。

不过组织层面的调整，恐怕不会一路顺风。

一边是 AI 把个人的工作能力抬高了，企业确实有机会把重复劳动减下来。

另一边，团队规模一缩，落到每个人头上的责任反而可能更重。

产品经理或许得看懂技术架构，研发工程师要参与产品判断，运营人员也得具备一定的数据分析和自动化能力。

站在企业角度，衡量人才的那把尺子也会变。

员工会用多少款 AI 工具，可能没那么要紧。更该看的是他能不能独立扛起一项业务，能不能借 AI 解决复杂问题，最后交出什么样的结果。

至于管理者，面临的挑战还要更大。