11月12日，2026百度世界大会在北京举办，百度创始人李彦宏在主题演讲中正式提出，人工智能的下一幕是智能组织。他将AI技术类比为工业时代普及的电能，而智能组织就是承接这股全新动力的新厂房，是AI时代生产力真正落地释放的核心场景。这一判断的提出，基于过去十年人工智能技术逐步形成独立“芯云模体”四层技术栈的行业发展背景，也回应了当下大量企业在AI落地过程中普遍遇到的投入与收益不匹配的现实困惑。

　　在与众多不同行业企业负责人的交流过程中，李彦宏发现一个普遍存在的共性问题：不少企业在AI相关的Token消耗上投入越来越多，但对应的收入和利润并没有同步上涨。他用工业时代电气化转型的历史经验做出类比，出现这种情况的核心原因，是企业仅仅为员工配备了AI工具，相当于只更换了工厂里的新电机，却没有对整个工厂的生产流程、组织架构进行重新设计，自然无法充分释放新技术带来的生产力提升空间。

组织进化三原则的核心逻辑

　　针对企业从传统科层制组织向AI原生智能组织转型的路径，李彦宏首次提出了组织进化三原则，为企业的转型实践提供了清晰的行动框架。第一条原则是打破岗位边界，释放组织活力，他指出岗位是工业时代的产物，而任务才是智能时代的核心单元，未来企业的组织形态将逐步转变为人和智能体协同协作的任务网络，员工不再被单一的岗位职责束缚，可以根据自身能力同时参与多个不同的任务项目。

　　第二条原则是沉淀隐性知识，构建组织智能。很多企业内部大量高价值的经验、技巧都只存在于资深员工的头脑中，属于没有被显性化的隐性知识，这些内容如果没有被统一沉淀到企业的共享平台上，就始终只是个体的能力，无法转化为整个组织的共同能力。当这些隐性知识完成沉淀后，不仅所有员工都可以随时复用，智能体也能直接调用这些经验，让单个员工的经验变成整个组织的通用能力，这种沉淀下来的组织智能，是其他企业抄不走、挖不动、买不来的核心护城河。

　　第三条原则是设计流程闭环，推动组织进化，对应的核心逻辑是可衡量加循环迭代等于持续进化。企业在引入AI相关的工作流程后，需要为每一个环节设置可量化的效果评估标准，通过不断的循环迭代优化，让整个组织的运行效率随着AI应用的深入持续提升，而不是搭建完一次流程之后就长期搁置不再调整。

岗位形态的收敛与分工变化

　　不少职场人在AI快速普及的过程中，都会产生岗位是否会被完全替代的疑问，李彦宏对此给出明确判断：未来岗位不会彻底消失，但会逐步收敛，最终大致分化为两类核心角色。第一类是Builder，核心职责是创造新事物，这类工作需要从业者发挥自身的创造力，完成从0到1的创新工作，产出全新的产品、方案或者内容。

　　第二类是Seller，核心职责是建立人际连接、传递信任，这类工作的核心是人与人之间的情感交互，通过面对面的沟通、交流建立情感连接，让对方产生信任。联想集团董事长兼CEO杨元庆在现场对话中也用自身经历印证了这一判断，他表示自己刚从欧美出差返回，AI完全替代不了CEO亲自出差和客户面对面见面的场景，这类需要建立深度信任的人际连接工作，始终无法被技术取代。

　　这也引出了行业普遍关注的开放性问题：在岗位逐步收敛的过程中，大量处于中间地带的常规性岗位将如何调整？企业在重构组织的过程中，要如何平衡员工的原有岗位权益和新的任务分工需求？这些问题目前还没有统一的标准答案，不同行业的企业也正在结合自身的业务特点探索适配的路径。

头部企业的内部实践数据

　　李彦宏在大会现场分享了百度过去一年推进智能组织建设的实际运行数据，直观展现了转型带来的变化。自去年百度世界大会提出“内化AI能力，打造原生AI组织”的目标以来，百度内部日均活跃智能体的数量从最初的0.5万增长到3.7万，整体增幅超过6倍；智能体每周完成的有效工作任务数量，从之前的平均8.4万个增长到超过100万个，涨幅达到11倍。

　　截至目前，百度内部已经建设完成超过4300个Workspace工作空间，累计沉淀的组织级技能数量超过2万个，这些沉淀下来的技能可以被所有员工和智能体随时调用，大幅降低了经验复用的门槛。在转型过程中，百度也踩过不少实际的坑，早期不少工程师热衷于基于开源模型自行做监督微调，虽然短期业务效果不错，但随着基础模型升级，之前的成果很快就落后了，后续百度调整规则，要求业务部门不再自行训练模型，统一交由专门的模型团队负责，避免了资源的无效消耗。

　　后续智能体应用成为行业热点后，百度各业务线又纷纷跟进投入相关项目，一度出现资源分散、项目成功率降低的问题，之后百度通过每月召开协调会议，把各业务线的努力方向从多变少，集中资源聚焦核心场景，有效提升了项目的落地成功率。

AI落地的实践共识

　　作为另一家在全业务链条深度应用AI的科技企业，联想已经在需求预测、生产安排、供应链管理等多个核心业务环节落地了AI相关应用。杨元庆在分享中特别强调，AI在这些业务环节中只能提供基础草稿，所有最终的判断和决策，仍然需要由人类来完成，AI可以大幅减少人类在常规事务上的工作量，但无法替代人做出最终的关键决策。

　　两位科技企业的掌舵者在对话中达成了高度一致的共识：在革命性技术发展的初期，不宜过早强调AI的投入产出比。现阶段企业的核心任务，是鼓励员工大胆尝试AI相关的各类实践，在不断的探索过程中逐步找到AI和自身业务结合创造价值的具体方式，而不是在应用初期就用严苛的投入产出指标限制员工的探索空间。

　　这一共识也指向了行业普遍关注的另一个开放性问题：在鼓励员工大胆探索的同时，企业要如何平衡探索过程中的资源投入和风险控制？不同规模、不同行业的企业，要如何找到适配自身发展阶段的AI落地节奏？这些问题也将随着更多企业的实践逐步得到解答。

(编辑：吕文)