“AI转型一年的Token成本是多少？我们算过了，大约120万（参考值）。” 瑞安医药的CFO沉默了整整两分钟。

【决策者摘要·300字】

一家2000人的企业，如果全员接入AI Agent，一年的Token/API/算力成本大约在120万（参考值）元。这个数字足以让大多数企业的CFO和CEO在决策时犹豫。但问题不在于这笔钱花不花——如果你不花，你的竞争对手可能在花。问题在于：你花了，能拿回来什么？

本章抛出全书的终极追问：Token烧的是真金白银，但如果你的组织文化没有同步进化，烧再多的Token也换不回价值。 Token成本不是技术开销，是你组织文化健壮度的镜像——文化越差，Token的浪费率越高。

本书的核心框架在这一章埋下种子：文化效能 = 认知 × 激励 × 环境。当你关上这本账本去判断你的企业是否准备好了AI转型时，不要只看预算，先看你的文化。

可以带走的一句话： “Token成本不是技术账，是文化账。”

§TOC0-1§

1.1 开篇：那个让会议室安静下来的数字

2025年秋天，瑞安医药的董事会会议室。长桌两侧坐着六位董事、CEO、CFO和CTO。议程只有一项：这家年营收15亿的医药批发企业，要不要启动全员AI转型？

CTO站起来，打开了一份PPT，翻到第三页。上面只有一组数字和一条曲线。

“基于我们目前的主营业务规模和数据处理需求，”他说，”如果全公司每个员工都配备一个AI Agent协助工作，一年下来，Token、API调用和相关算力的直接成本，大约是120万（参考值）。”

会议室安静了。不是那种”听起来不错”的安静，是那种”你没开玩笑吧”的安静。

CFO靠在椅子上，没有看PPT，看着天花板。两分钟后，他说了这句话：

“假设我批准这笔预算——你怎么证明，烧完这些Token之后，公司比现在更好？”

CTO没接上这句话。

这不是一个技术问题，这是一个文化问题。

§TOC0-2§

1.2 算一笔真账：Token成本到底有多贵？

在进入判断之前，我们先把账算清楚。

一家2000人规模的企业的AI Agent年运营成本，主要由三部分构成：

注：具体数字因业务场景、Agent密度、调用频率而异。实际估算模板见附录A。

我先说清楚：上面的数字不是一个精确报价，是一个让你有感知的量级。 如果这个量级让你皱眉头——恭喜你，你是个正常的CFO。

但现在问自己另一个问题：不烧这些Token，你的企业一年在”看不见的效率损失”上花了多少钱？

• 每周多花10小时在内部审批流程上？乘以2000个员工、乘以52周、乘以时薪——算过吗？
• 销售团队每周花8小时在CRM系统录入数据，而不是跟客户聊天——这笔账算过吗？
• 中层管理者每天花1.5小时开信息同步会，而不是做有价值的判断——这个成本怎么算？

真实世界的数据是这样的： 麦肯锡全球研究院2024年的研究显示，生成式AI应用每年可为全球企业经济活动贡献2.6万亿至4.4万亿美元的价值[^1]。BCG的一项实验则表明，在涉及创意生成和分析任务时，使用AI的知识工作者的产出比不使用的高30-40%[^2]。

但问题在于：这些数据是所有行业平均的。 落实到你的企业，能不能拿到这个数，取决于一个变量——

你的组织文化。

§TOC0-3§

1.3 三个注定要回答的问题

当一家企业决定启动AI转型时，高管层基本上不问技术问题——他们只问三个问题：

问题一：要花多少钱？什么时候能回来？

这是CFO的问题。它看似是一个财务问题，实际上是一个风险判断问题。CFO要的不是精确的数字——他要的是”你的预算我有多少概率打了水漂”。

这个问题本质上是在问：你确信我能信任这个团队去花这笔钱吗？ 信任，就是文化的起点。

问题二：中层会不会造反？

这是CEO和COO的问题。CEO听过太多”数字化转型”的故事——口号响三个月、落地零个月、员工怨声载道六个月。他不想再来一次。

这个问题本质上是在问：我的中层团队，有没有能力承接一个改变他们工作方式的东西？ 中层的能力，是文化的中枢。

问题三：竞争对手在做吗？不做会落后吗？

这是CEO的焦虑问题。他不需要你回答”会落后多少”，他需要你回答”现在还来得及吗”。

这个问题本质上是在问：我的组织，速度够不够快？ 组织的速度，是文化的产物。

这三层问题——信任、能力、速度——没有一个是技术可以回答了。它们都指向一个东西：文化。

这就是为什么Token成本不是技术账，是文化账。如果你的文化没准备好，这三层问题你都回答不了。

§TOC0-4§

1.4 陪练企业：瑞安医药是谁？

本书的所有故事和案例都围绕一家虚构企业展开——瑞安医药。

它不是一个真实的企业，而是基于我在多个企业AI转型咨询项目中的真实经验合成的”典型企业”。合成案例的好处是：它不泄露任何客户的隐私，但包含了足够多的真实细节，让你能对号入座。

瑞安医药的画像：

为什么选一家医药批发企业？ 因为医药行业在AI转型中既不”新”（不像互联网企业天生数字化）也不”旧”（不像传统制造完全没基础）。它有系统、有数据、有痛点、有钱——属于”有潜力的典型”。如果你的企业跟它长得很像，你不是一个人。

瑞安医药将在接下来的9章中陪你走完全程。它会踩你踩过的坑，花你犹豫过的钱，做你不敢做的决策。看一看它怎么走过来，或许能让你的路平坦一些。

§TOC0-5§

1.5 你的答案框架：文化效能 = 认知 × 激励 × 环境

当瑞安医药的CFO问出那个问题后，我们没有直接回答。我们花了18个月才找到那个答案。

这个答案可以浓缩成一个公式：

文化效能 = 认知（Cognition）× 激励（Incentive）× 环境（Environment）

或者说：Token的ROI，取决于你的组织文化能多大程度地消化它。

这不是一个虚的概念，它可以直接对应到每一个你需要解决的现实问题：

这三个维度是相乘的关系——任何一个维度为零，文化效能就是零。

• 认知很高，但激励不给力 → 大家都懂，但没人愿意动（典型的”专家病”）
• 激励很好，但环境很差 → 大家想试，但工具不好用、失败了会被问责（典型的”制度病”）
• 环境很好，但认知很低 → 工具摆了、制度有了，但没人知道怎么用（典型的”买硬件病”）

本书的中间8章，每一章对应解决一个维度的问题。第2-4章解决认知，第5-7章解决激励，第8-9章解决环境。等你读完十章再回头看这个公式——你会发现它涵盖了你能遇到的所有问题。

§TOC0-6§

1.6 悬念：Token账本关上之前

回到开头的场景。瑞安医药的CFO没有当场批准那笔预算。

但三个月后，他批准了。

不是因为CTO给出了更确定的技术方案——而是因为在接下来的两个月中，公司发生了几件事，让CFO的判断发生了变化。这些事包括：

• 高层一起做了一次为期两天的AI认知闭门会，主题不是”AI怎么用”，而是”AI能做什么、不能做什么”
• 销售部的一个试用小组，在没有额外预算的前提下，用低代码平台搭了一个客户画像Agent——用了一天时间，效果竟然不差
• 老板在管理层会上说了一句让所有人意外的话：”这个项目，我不看第一年的产出。给你们12个月，犯错不算KPI。”

这些不是”技术”——这些是”文化”。

CFO批准预算的那一刻，他不是被技术方案说服了。他被一件事情说服了：这个组织的文化，正在变成一个”敢试”的文化。 当他相信了这一点，他就相信了那120万（参考值）不会打水漂。

现在你手上拿着这本书。你知道企业的Token成本大概是多少。你知道要回答那三个问题。你知道有一个文化效能公式等着你去验证。

但你还不知道的是：从”我想转”到”组织真的能转”，到底要走多少步。

那个答案，从第2章开始。

§TOC0-7§

本章小结

1. Token成本不是技术开销，是文化开销的镜像——文化越好，Token的浪费率越低。
2. 每个企业都会问三个问题：花多少钱、中层会不会造反、不做会怎样——这三个问题的答案不在技术部门，在组织的文化底色里。
3. 文化效能 = 认知 × 激励 × 环境——任何一个维度为零，整个公式归零。
4. 陪练企业瑞安医药将在全书中陪伴你——它不是虚构案例，是多个真实项目的压缩版本。
5. 你不需要一次性批准120万（参考值）的预算——你只需要先回答：我的文化准备好迎接这笔投入了吗？

§TOC0-8§

📚 延伸阅读

• 《创新者的窘境》 — 克莱顿·克里斯坦森。理解为什么优秀的企业会被新技术颠覆——文化壁垒才是最隐蔽的敌人。
• 《变革的基因》 — 杨国安。组织能力建设经典框架，与本书的认知×激励×环境框架可以交叉验证。
• 「企业AI转型的第一步：不是买工具，是改文化」 — 树懒老K·慢读经典专题。本期拆解了为什么文化比技术更关键，配合本章的Token账本框架可做延伸阅读。

📌 落地工具：

“你跟我说这些技术细节，我不懂。” 瑞安医药的老板在项目启动会上说了这句话，然后靠在椅子上。

【决策者摘要·300字】

高管层对AI转型最大的障碍不是”不认同”，是”不知道怎么认同”。这不是态度问题，是认知框架问题。

本章指出高管的四个盲区：不知道AI的边界（以为啥都能做或啥都不能做）、不知道代价的分布（初期投入vs长期回报没有参照系）、不知道自己的职责（以为签个字就行）、不知道衡量标准（什么算”做成了”）。

解决的办法不是给高管上技术课——是认知校准，一个系统化的对话框架，帮助高管从”我不懂技术”过渡到”我知道我需要知道什么”。

瑞安医药老板的转变提供了一个可复制的路径：三个月内从”让CTO去搞”到”我在管理层会上亲自讲AI”。

可以带走的一句话： “高管不是需要学会用AI，是需要学会判断AI值不值得做。”

§TOC1-1§

2.1 最贵的障碍：你不知道你不知道什么

瑞安医药项目启动的第一个月，老板张总（化名）说了一句我听过无数次的话：

“AI这块，我信任CTO。他来定方向，我来批预算。”

这话听起来没问题——老板放权给CTO，专业分工明确。但这恰恰是问题的起点。

因为张总不知道一个事实：他授权给CTO的，不是”让他替我做技术决策”，是”让他替我做战略决策”。 这两件事截然不同。

• 技术决策：选用哪个大模型、用什么架构、怎么部署——这些可以授权给CTO
• 战略决策：AI转型对组织架构的影响、对中层角色的重启、对考核体系的冲击、对客户关系的变化——这些必须有老板亲自参与

你授权给CTO一个技术决策，CTO回你一个战略决策——你们都不自知。这个错位，是第一个盲区的起点。

麦肯锡2024年的一份调研揭示了一个令人不安的数字：80%的企业高管表示”支持AI转型”，但只有23%的人能够准确说出AI在自家业务中的三个具体应用场景[^1]。支持是真支持，但支持的是自己不太理解的那个概念。

这就是认知不对称的典型症状：高管的”支持”是一种情绪上的拥抱，不是认知上的理解。而情绪驱动不了组织变革——只有认知能。

§TOC1-2§

2.2 四个盲区，逐一解剖

盲区一：不知道AI的边界

这个盲区有两个极端表现：

极端A（过度乐观）： “AI什么都能做。让它帮我写战略报告、做决策分析、管我的销售团队。”

我见过一个老板，被大模型演示震撼后，回来就问CTO：”能不能搞一个AI帮我管所有的供应商谈判？” 他以为AI可以替他做价值判断。这是一个危险的期望——因为AI可以分析数据、可以推荐方案，但不能替一个管理者承担”选错供应商”的责任。

极端B（过度悲观）： “AI不就是个智能点的搜索引擎吗？能帮我省多少事？”

同样真实的场景：另一家企业的老板在听完整整两小时AI介绍后，总结陈词是：”所以，它就是个聊天机器人？”

两种极端有一个共同根因：没有建立对AI的实际感知。 老板们的时间太值钱了，以至于他们不会像中层或员工那样花时间去试——他们通过别人转述、看PPT、刷新闻来”了解”AI。这三种渠道都是过滤过的信号，无法建立真实感知。

盲区二：不知道代价的分布

高管普遍对AI转型的代价有一个线性想象：第一年投入最多，之后逐年递减。

事实上，AI转型的成本曲线是U型的：

关键是：爬坡期的成本高峰不在很多高管的预期中。 他们以为”启动期花了钱，后面就该省了”——实际上”花了钱培养的习惯才开始消耗Token”。

瑞安医药的CFO后来告诉我，他真正接受的不是XXX万的Token成本，而是那张U型曲线图。”让我看到最差情况在哪里，我就能做出判断。”他说。

盲区三：不知道自己的职责

这是最容易被忽略、也最致命的盲区。

高管在AI转型中以为自己的角色是：批准预算 + 定期检查进度。

但实际上需要的角色是：定义方向 + 亲自示范 + 调整制度 + 容忍失败。

张总后来回忆说，他最关键的举动不是批准预算，而是在那个季度战略会上，当着所有副总和总监的面说了一句话：

“上个月我用AI做了一个品类分析的初稿，做得很糙，花了我两个下午。但我觉得这事值得每个总经理级的人也试一试——试了之后我们下个月再开这个会，聊感受，不聊结果。”

这句话的价值超过三个月的外部培训。 因为高管团队从这句话里读到了三层信息：老板在亲自用、老板不追求完美结果、老板在要求我们也去试。这三层信息，是任何制度设计都替代不了的信号。

盲区四：不知道什么算”做成了”

“AI转型成功了”——这个句子在不同人嘴里意味着完全不同的东西。

老板以为：ROI回正，员工效率提升30% CTO以为：AI Agent覆盖率超过80%，系统稳定运行 业务部门以为：我的团队真的开始用Agent了 HR以为：学习平台的AI课程完成率超过60%

如果”做成”的标准没有对齐，再好的结果也是错位的。 瑞安医药在第二个月就踩了这个坑——老板问”第一期试点结束了，怎么样？” CTO说”还行，三个Agent都跑起来了。” 但销售总监说”跑起来了？我的团队没一个在用的。”

这就是盲区四的现实案例：CTO在衡量”技术上线率”，销售总监在衡量”团队使用率”，老板在衡量”有没有产生价值”。三个标准，三个答案。

一致的定义，是后续所有制度建设的前提：

§TOC1-3§

2.3 认知校准三步法：不是上培训课

解决四个盲区的方法不是给高管安排一个为期三天的AI培训。培训是收割前的播种——高管没准备好，播再多也是浪费。

认知校准是一个比培训更轻、但更系统的方法。它由三个步骤组成：

第一步：建立感知（第1-15天）

目标：让高管亲手用一次AI，而不是看一次AI演示。

具体做法：针对每个高管的核心工作场景，设计一个15分钟就能走通的AI实操环节。

• 给COO：用AI分析上个月的供应链数据摘要，问助手”我的库存周转出了什么问题？”
• 给CFO：用AI对比三个供应商的账期方案，让助手生成一张比较表
• 给销售总监：用AI生成一份客户回访邮件初稿

关键约束： 不能超过15分钟，必须是ta实际工作中的一个环节，必须当场看到产出。高管不会为了”学AI”花额外的时间——但AI如果是ta”完成任务的一个新方式”，ta可能愿意试试。

第二步：对齐认知（第16-30天）

目标：让高管团队在统一的事实基础上讨论AI转型，不是在各自的信息孤岛上讨论。

具体做法：一场2-3小时的闭门会。议程只有三个问题：

1. AI能做什么，不能做什么？（现场用三个真实业务场景走一遍，让所有人看到结果）
2. 如果我们启动转型，最乐观/最悲观的情况各是什么？（画出U型曲线，让所有人看清代价分布）
3. 我们每个人的角色是什么，不是签字的角色，是参与的角色？（每个人写下自己的三条”我要做什么”）

瑞安医药的这场闭门会开了2小时47分钟。结束时，张总拍板了三件事：批试点预算、设一个”AI产品官”岗位（由一位业务负责人兼任）、定下一个月后每个人汇报自己的AI使用进度。

第三步：形成共识（第31-45天）

目标：把认知转化为可执行的共识文档，让后续的制度和考核有据可依。

产出物应该是每个高管签字的”AI转型责任清单”，包含：

• 我负责的业务场景中，AI应用的优先级（P0/P1/P2）
• 判断成功的三条标准（用2.2的框架）
• 我承诺的参与方式（亲自试用/定期复盘/调整考核）

张总在他的清单上写了三条。其中第二条是：

“我承诺每两周至少花1小时试用内部上线的Agent，并在管理层会上分享我的使用感受——包括失败的。”

这句话的价值，抵得过一百页的项目规划PPT。

§TOC1-4§

2.4 瑞安医药老板的转变：三段式进步

张总在认知校准前后三个阶段的变化，值得每一个高管参考：

阶段一：”我不懂技术，让CTO去搞”（第1-2周） - 典型盲区三（不知道自己的职责） - 典型盲区一（不知道AI的边界） - 状态：信任他人决策，但不信任自己的判断能力

阶段二：”我试了，有点意思——但还是不知道值不值”（第3-5周） - 感知已经建立，但参照系还不足 - 状态：从”我不懂”到”我试过”，开始用自己的体验判断

阶段三：”我可以在管理层会上分享我的实践”（第6-8周） - 四个盲区已经被识别并覆盖 - 状态：从被动审批到主动推动

他告诉我他的转变触发点是一次意外的体验：

“一天晚上我在看季度的市场分析报告，想着要不要试试AI，就把报告扔进去，说了一句’帮我总结出三个最应该关注的风险点’。它给了我三个点，其中一个是我自己没注意到的。第二天我拿去问我们的销售总监，他说：’这个风险我上个月就盯上了。’”

“那一刻我明白了一件事：不是AI比我强——是它比我们所有人的信息整合能力都快。而我，只要能知道这一点就够了。我不需要成为AI专家。”

§TOC1-5§

本章小结

1. 高管对AI转型最大的障碍不是不认同，是不知道怎么认同——四个盲区构成了天然的决策阻力。
2. 盲区的根因不是智商，是时间——高管没有机会建立对AI的真实感知。
3. 认知校准不是培训——是一套三步骤的对话框架，帮助高管从”我不懂”过渡到”我知道我需要知道什么”。
4. 老板亲自”试一次”胜过一切动员——不需要做出完美的结果，只需要展示”我在试”。
5. 定义”做成了”必须四位一体——覆盖、深度、效率、扩散，缺一不可。

§TOC1-6§

📚 延伸阅读

• 《创新者的窘境》 — 克莱顿·克里斯坦森。理解为什么优秀的管理者会做出错误的技术判断——盲区不是个体的错，是框架的局限。
• 《思考，快与慢》 — 丹尼尔·卡尼曼。高管的”盲区”本质上是决策中的认知偏误——这本书帮助你理解为什么自己也会有认知盲点。
• 「老板需要知道AI的什么——一个高管认知校准清单」 — 树懒老K·慢读经典专题。本期提供一个可直接拿去用的高管认知校准对话框架，配合本章的三步法使用。

📌 落地工具：

瑞安医药的第一次AI转型动员会上，销售总监王总（化名）站起来说了一句话： “全力配合，没有问题。” 然后他连续三周没有安排任何团队培训，没有参加任何一次试点讨论会。

【决策者摘要·300字】

中层管理者是AI转型中最容易被忽略、也最致命的一环。他们不说话，不是因为支持或反对——是因为恐惧。恐惧的不是技术，是”AI Agent来了，我管什么？”这个问题的答案不明确。

中层的阻力不是一种态度，是三个根因的合力：权力焦虑（我现在的管理范围会被AI侵蚀）、夹心困境（上面给指标下面不配合）、激励不对称（搞AI不算我的KPI）。

解决的办法不是”说服”中层接受——是给他一把新的椅子。这把椅子叫”AI转型产品经理”——不削弱他的管理权，而是重新定义他的管理对象：从管人变成管Agent协作。

瑞安医药销售总监的转变证明了：当一个中层找到自己在新AI组织中的新位置时，他从最大的阻力变成最大的推力。

可以带走的一句话： “中层的沉默不是不认同——是不知道自己在新世界里的位置。”

§TOC2-1§

3.1 “全力配合”背后的真实对话

我们不能在事后说”王总不支持AI转型”——他在会上的表态是真诚的。但真诚不等于行动。

出问题的地方在于：他的”全力配合”和他的真实处境之间存在巨大的落差。

当你跟他说”AI来了，你的销售团队可以用Agent自动生成客户提案、追踪商机进度”时，他脑海里浮现的不是效率提升，而是三个没有被说出来、但更真实的问题：

问题一：”如果我的销售用Agent就能追踪商机，那我要他们的汇报干什么？”

这是一个管理权的问题。中层管理者的日常工作中，一个重要的权力来源是”信息汇集”——下属向他汇报，他向上汇报。如果Agent能自动汇集信息并生成摘要，他”信息枢纽”的角色就弱化了。不是被AI替代，而是被AI”架空”。

问题二：”如果我的团队开始用Agent，我考核什么？”

这是一个KPI的问题。传统销售团队的管理指标是”拜访次数+商机数量+转化率”。如果Agent自动生成80%的客户素材、自动追踪商机——那销售人员的考核指标要变成什么？如果考核变了，中层管理者的管理工具也就变了。他不知道怎么管，他就怕。

问题三：”搞AI转型试错，算不算完不成季度指标？”

这是一个责任归属的问题。王总的季度KPI里有销售收入、回款率、客户满意度——有”AI探索”这一项吗？没有。如果他的团队花时间去搞AI试点，Q3的销售收入掉了一点，这个锅谁来背？

这三个问题没有一个会在公开会议上被提出来。它们是「会议桌上的沉默」——每一个中层管理者都知道，但不说的那种沉默。

§TOC2-2§

3.2 三层根因解剖：不是不配合，是不敢配合

瑞安医药在意识到问题的严重性后，做了一件事：他们让所有总监级管理者匿名写了一张纸条，回答一个问题——“你对AI转型最大的担心是什么？”

结果没有意外，也没有惊喜。63张纸条被归纳为三类担忧，正好对应中层阻力的三个根因：

根因一：权力焦虑（”我不知道我以后管什么”）

这是最深层的恐惧。占匿名反馈的42%。

中层管理者的核心职能之一是”管理信息流”——团队向他汇报，他向上汇报。如果信息流被AI自动化了，那他的价值在哪里？

这不是AI特有的问题。每一次技术变革对中层来说都意味着权力的重新分配。但AI这一次的不同在于：它直接触及了管理的核心——信息采集、信息处理、信息传递。 这三件事恰恰是中层日常工作中占比最大的部分。

权力焦虑的典型外显表现：

• 不反对，但也不推动（最典型的”沉默”）
• 在会议上说”先看看成果再说”
• 对试点项目中的小问题过度放大（”这个Agent的报价准确率只有80%，不能上线”）
• 把AI试点当成额外任务而非本职工作

根因二：夹心困境（”上面要成果，下面要时间”）

占反馈的35%。

中层管理者的经典困境：老板说”AI转型是战略级，要快速推进”——员工说”我手头的活已经够多了，哪有时间搞AI”。

中层坐在中间，做不了任何一方的决定。他们最自然的反应就是拖延——既不明确拒绝老板（不敢），也不强制要求团队（怕影响士气和季度产出）。

这就是为什么”全力配合”之后紧接着的是三周的沉默：不是配合，是在等两边谁先松口。

根因三：激励不对称（”搞AI不算我的KPI”）

占反馈的23%。

企业的考核体系没有变，AI转型是额外要求。中层管理者的理性决策模型很简单：A（完成KPI）= 稳拿奖金；B（搞AI试点 + 可能影响KPI）= 高风险。理性的中层选A。

这不是态度问题——是制度问题。你要求中层用X的时间去探索Y，但X的考核还是基于旧的体系。这种情况下，沉默是最理性的选择。

这三个根因不是互相独立的。它们常常叠加在一起，形成一个让中层不能动、不敢动、不想动的闭环：

权力焦虑：「我以后管什么？」
      ↓
夹心困境：「老板要推进，团队要时间，我怎么办？」
      ↓
激励不对称：「算了吧，反正搞了也不影响我的KPI」
      ↓
沉默 — 是阻力，也是自我保护

§TOC2-3§

3.3 三把钥匙：不是说服，是给他一把新椅子

解决中层沉默的办法，不是说服他们”AI不会替代你”（这没有用，因为他们本来就不信），也不是压指标、搞排名（这只会让沉默变成暗抗）。

办法是给他们三样东西：

钥匙一：重新定义角色——给中层一把新椅子

瑞安医药做的事可以概括为一句话：把销售总监王总从”销售团队管理者”重新定义为”销售AI流程设计师”。

听起来像是文字游戏，但区别是真实的：

这个角色重新定义的底层逻辑是：中层没有失去管理权——他的管理对象从”人”扩展到”人 + Agent”。

培训Agent比培训新人更快——但判断Agent的输出是否值得信任，比相信一个新人更难。前者是管理技能，后者是判断力。判断力，正是中层管理者被AI时代保留的核心价值。

钥匙二：给中层一个”安全通道”

瑞安医药的做法：在王总的季度OKR中增加一条”AI探索”指标，占考核权重的10%。

不等于额外负担——而是”如果你花时间做AI探索导致其他指标的季度波动，这10%可以用来兜底”。

这不是奖励，是免疫机制——让中层在探索时不必担心影响力。

具体设计：

• 12个月的”探索保护期”——期内AI试点的”失败”不影响整体绩效
• 探索期内，中层可以选择一个业务场景做试点，不要求产生直接财务收益
• 12个月后重新评估：试点数据用于调整正式KPI
• 如果试点成功，那10%变成奖励而不是免疫

这个设计传递的信号很明确：我们不要求你立刻出成绩，我们要求你开始动。

钥匙三：给中层一套”向上管理的武器”

中层不敢动，很多时候是因为不知道怎么跟老板说清楚”我为什么要花时间搞这个”。

瑞安医药给每位总监提供了一份结构化的”AI转型提案模板”——上面只需要填三个东西：

1. 我们团队最痛的一个业务场景是什么？（痛点）
2. 如果用一个AI Agent来解决它，预计能省什么？（预期效果 + 风险提示）
3. 需要什么支持？（预算、资源、时间）

这个模板做了一件很聪明的事：它把中层的角色从”执行者”变成了”提案者”。 以前是老板说”我们要搞AI”然后中层被动执行——现在变成中层自己说”我们团队有一个场景可以用AI试试”、然后跟老板商量怎么做。

给角色、给安全感、给武器——三把钥匙并行，才能打破沉默。

§TOC2-4§

3.4 销售总监的转变

王总的转变不是一蹴而就的。在瑞安医药推行三把钥匙的过程中，他的心态经历了四个阶段：

阶段一：观望（第1-3周） 状态：不反对、不推动、不出席任何AI相关会议。 典型语言：”我先让大家了解一下。”

阶段二：试探（第4-6周） 认知校准完成、三把钥匙落地后，开始允许团队中”愿意试”的人做一个最小的试点。他自己不出面、不站台——但也不拦。

阶段三：参与（第7-10周） 试点出了一个结果：一个用AI做客户分类的Agent，把每周的客户筛选时间从6小时降到1.5小时。王总在管理层会上第一次主动用了这个数据——虽然他说的是”我的团队搞了一个小东西”。

阶段四：推动（第11周以后） 王总开始在季度规划中主动把AI试点的预算写进去了。他给老板的一句话是：

“我算了一下，如果每个销售每周省4小时在客户分类上，全团队一年就是——算了，我自己算的，你们审核一下。”

这句话背后的转变不是他学会了用AI——是他找到了自己在新世界里的位置。他不是被替换了——是升级了。王总不再是”管着16个销售的人”，他是”管着一套销售系统+16个销售+AI Agent的人”。

走完这四个阶段，他用了不到三个月。

§TOC2-5§

本章小结

1. 中层的沉默是最危险的信号——它不是不认同，是不知道自己在新世界里的角色。
2. 阻力的三个根因： 权力焦虑（管什么）、夹心困境（怎么协调）、激励不对称（为什么做）。
3. 解决办法不是说服——是给他一把新椅子。 重新定义角色，把”管人”变成”管人+管Agent协作”。
4. 安全通道比激励更重要—— 12个月的探索保护期，让中层可以”试错不背锅”。
5. 一套好的向上管理的模板，能让中层从执行者变成提案者。

§TOC2-6§

📚 延伸阅读

• 《变革的基因》 — 杨国安。书中的”组织能力三角”与本章中层三把钥匙框架可以对照阅读。
• 《领导者的资质》 — 稻盛和夫（或其它管理哲学著作）。理解中层在组织变革中的中介作用——不是阻力的根源，是没有被善待的支柱。
• 「中层不死：AI时代管理者的新角色」 — 树懒老K·慢读经典专题。三篇深度拆解：第一篇讲焦虑根因，第二篇讲新角色定位，第三篇讲话术和工具。配合本章阅读可落地性更强。

📌 落地工具：

“我学了AI，公司就知道我会了，然后就可以更放心地裁我了。” 瑞安医药的一位客服主管在一次匿名调研里写了这句话。 这不是一个人的声音。 这是67%。

【决策者摘要·300字】

当一家企业推行AI转型时，员工层最大的阻力不是”学不会”，是”不敢学”。BCG 2025年对12000名员工的全球调研发现：在未使用AI的员工中，前两大障碍分别是”缺乏使用信心”和”担心犯错后受罚”——都不是技术问题。

Gartner的同期调研则显示：41%的员工担心AI会使自己的技能过时，但只有26%的人认为公司为他们提供了足够的学习支持。这个缺口就是焦虑的温床。

学习悖论的完整描述：学也不是（学得太好加速自己被替代），不学也不是（学得太慢被淘汰）。唯一能打破这个悖论的方法是激励前置——把学习成果和即时收益直接绑起来，让员工看到”学AI = 我的工作更轻松，而不是公司更想裁我”。

瑞安医药一个普通客服主管的90天变化证明：当学习不再等于风险，而是等于收益时，员工层可以成为组织里最积极的推动者。

可以带走的一句话： “员工不是抗拒学习，是抗拒学习了之后更不安全。”

§TOC3-1§

4.1 那一句不敢在会上说的话

瑞安医药的AI项目启动一个月后，HR做了一次全员匿名调研。题目很简单：”对你来说，AI转型意味着什么？”

156份回复。有乐观的、有好奇的、有一头雾水的。但最多的情绪，是焦虑。

一位工作了8年的客服主管写道：

这不是一个”抬杠”的回复。它揭示了一个每一个推行AI转型的企业都必须面对的矛盾：在员工眼里，学习新技能不是投资，是加速自己职位被替代的催化剂。

我把这个矛盾称为学习悖论：

你教我用AI → 我学会了 → 我的工作变得更高效
    ↓
我的效率提高了 → 公司需要的人变少了
    ↓
我教会了别人 → 我的不可替代性降低了
    ↓
「学AI = 加速被替代」

这个逻辑链条对员工来说是合理、理性的。当企业说”大家要积极学习AI”时，员工听到的隐含信息是：”学好了，可能就不需要你了。”

这不是员工想太多——在某些企业，这正在发生。

§TOC3-2§

4.2 学习悖论的三个层面

学习悖论不是一种笼统的焦虑，它有三个具体层面，每一层都需要单独拆解：

第一层：学但没机会用——白学了

瑞安医药的调研里，有一条回复让我印象很深：

“去年公司让我们学了一个新系统，学了整整两天。回来之后，原来的系统还在用，学的东西全忘了。这次学AI，不会也一样吧？”

这是一个信任问题。员工不是抵制新技能——是抵制”学完之后没有改变”的无用功。

企业的通病：培训是培训，工作是工作，两件事在组织里互不打通。

解决方案其实很简单：学完之后24小时之内，必须有应用场景。 不是一个月之后的考核，不是年终的测评——是学完回工位就能用。低门槛、零切换成本、直接帮助到当天的工作。

第二层：学得太慢——被淘汰

“我才40出头，不是年轻人了。学这些东西，我能跟上吗？”

这是一个信心问题。员工知道AI很重要，但他们不确定自己有没有能力跟上。

这里有一个被广泛误解的事实：对大多数非技术岗位而言，学AI不是学”怎么开发AI”，是学”怎么跟AI协作”。 后者不需要写代码，不需要懂算法。只需要学会问一个清晰的问题，然后判断AI给出来的答案靠不靠谱。

这两个能力——提问和判断——是任何一个有经验的职场人每天都在用的。本质上不是新技能，是旧技能的新应用场景。

不跟员工说清楚这件事，他们会把”学AI”等同于”学编程”，从而被这个假想的难度吓退。

第三层：学得太好——加速被替代

这是最深的一层。也是最难解决的一层。

即使企业说”我们不会因为AI裁员”，员工也不会完全相信——因为”不裁员”和”不优化岗位”是两回事。当一个岗位的效率提升了三倍、用人需求减少了——企业不裁员的承诺还能撑多久？

解决这一层，不能用承诺——要用制度设计。让员工看到”学AI的收益归自己”而不是”学AI的收益归公司和损失归自己”。

§TOC3-3§

4.3 如何打破学习悖论

打破学习悖论需要同时做三件事。单独做任何一个都没用。

第一件：激励前置——学之前就先给收益

大多数企业的做法是：”你学AI，学会了，以后有机会得到更好的发展。”

这个承诺对员工来说太遥远。员工需要的不是”未来有机会”——是”今天下午就让我看到好处”。

具体做法：把”学会用AI”和”减少某项重复性工作”直接挂钩。

在瑞安医药，客服部做了一个示范：

培训内容只有一件事：用一个AI Agent工具，把客服每天的”常见问题回复”生成初稿，然后人工修改后发出。

培训时长：45分钟。 学会之后的收益：每天少花1小时回复重复问题。

就这么简单。当员工周二下午学了45分钟，周三发现真的少花了1小时、可以早点下班后——他在周四就开始自己探索别的用法了。

关键不是培训内容有多好——是”用了就能马上受益”的即时反馈。 激励前置的本质是：让员工在没有风险的情况下，先尝到一个甜头。

第二件：低门槛定义——“学AI不是学编程”

企业必须主动管理”学AI”在大众认知中的含义。如果任其自然发酵，员工会认为学AI是一项高难度技术挑战。

瑞安医药的做法是：把AI学习的定义从”学会开发”收缩为”学会协作”。

他们给员工的AI入门课程只有三个模块，每个模块90分钟：

三个模块没有一行代码。参训员工最低年龄48岁——全员通过。

第三件：安全声明——公开说”试错了没事”并且做到

要解决最深层的”学好=加速被替代”的恐惧，制度比承诺有效。

瑞安医药的做法：

一个公开的内部政策，三条原则：

1. 探索期内的AI使用错误，不影响绩效评估。 员工用AI生成的素材如果出了错，不扣分——只要不是原则性合规问题（如暴露客户隐私）。
2. 分享AI使用经验是加分项。 不管是成功还是失败——只要是”我试了”的记录，都计入”创新参与分”。
3. 不因AI提效而裁员。 如果一个岗位的效率因AI提升，释放出来的时间和人力优先用于内部转岗和技能升级，而不是裁员。

第三条是最难的。但不是做不到——关键在于提前说清楚、公开透明地承诺，并且给员工看到执行的过程。瑞安医药在推行AI的18个月中，没有因此而裁员。释放出来的工时被用于：培训他人、复盘流程、做以前没时间做的客户回访。

§TOC3-4§

4.4 一个员工90天的变化

瑞安医药客服部的主管，我们叫她陈姐。

陈姐，42岁，在瑞安做了7年客服主管。工作认真、业务熟悉、对团队负责。AI项目启动时，她是最沉默的几个人之一。匿名调研里的那句话，就是她写的。

前30天——沉默与观察。她没有参加任何AI相关的培训，理由永远是”忙”。

第31天——被动的第一次。部门总监要求每个主管必须选一个场景试一次AI工具。陈姐选了最不想做的一件事：周报摘要。”反正随便弄一下交差。”

结果AI生成的第一版周报摘要比她习惯写的版本多了一个维度——她漏掉了一个数据点。陈姐后来承认，那一瞬间她感觉挺复杂的。

第60天——主动的第二件事。陈姐开始用AI做”常见问题更新”——这是客服部的日常工作，也是她比较头疼的事。”我发现这破玩意写这种东西还挺快。”这是60天时她的原话。

第90天——“我帮隔壁组的也弄了一个模板。”陈姐找到了一个人工智能Agent的用法，可以直接从客户聊天记录里提取高频问题。隔壁组的组长听说了来找她，她花了20分钟教了一遍。

“我不是什么AI专家，”陈姐在后续的分享会上说，”就是觉得有些事能少干就少干，省出来的时间至少能准时下班。”

§TOC3-5§

本章小结

1. 员工层的最大阻力不是学不会，是不敢学——学习悖论让学AI成了一种双输的选择。
2. 学习悖论有三个层面： 白学（学了没机会用）、慢学（跟不上节奏）、学好（加速被替代）。
3. 打破悖论的三板斧： 激励前置（学之前先给甜头）、低门槛定义（不是学编程）、安全声明（试错不背锅+不因AI裁员）。
4. 培训后24小时内必须有应用场景——没有即时反馈的培训都是浪费。
5. 员工从观望者变为推动者的关键转变： 学AI = 能准时下班，而不是公司更想裁我。

§TOC3-6§

📚 延伸阅读

• 《无畏的组织》 — 埃米·埃德蒙森。心理安全感的权威著作，理解为什么员工”不敢”比”不会”更难解决。
• 《刻意练习》 — 安德斯·艾利克森。理解低门槛学习的设计原则——不是让人变得更累，是让人在轻松的状态下获得新技能。
• 「AI时代的员工焦虑：一篇看懂学习悖论」 — 树懒老K·慢读经典专题。包含一个可直接用在公司内部的AI入门三模块培训框架。

📌 落地工具：

瑞安医药的AI项目推进到第二个月时，CEO张总问了一个问题： “培训做了，工具给了，为什么用的人还是那么少？” 答案很简单：大家的考核还是旧的。 一个以”季度销售收入”为第一KPI的销售团队，为什么要花时间去试一个还没证明能帮他们卖货的AI工具？

【决策者摘要·300字】

所有推动AI转型的企业都会走到这一步：培训做了，工具买了，大家也点头了——但行为没变。

根因只有一个：考核体系还在奖励旧行为。

如果员工的KPI、奖金、晋升路径依然基于”完成现有指标”，那AI探索就是额外的负担，不是分内之事。这不是态度问题——是制度问题。

解决之道：考核重塑——从旧单轨到双轨制。 保留传统业绩指标（确保业务不崩盘），同时新增”AI探索”指标（创造变革空间）。具体可落地的手段包括：探索保护期（12个月）、Agent工分制度（谁造了Agent、谁用得好、谁教了别人，都有积分）、AI探索在季度OKR中占不低于10%的权重。

瑞安医药的考核改造用了六周、三个迭代版本。这不是一个完美的制度——但它足够好，好到让”我为什么要用AI”这个问题从中层的”不知道”变成了”因为做了有分”。

可以带走的一句话： “你改不了行为，因为你的考核系统还在奖励旧行为。”

§TOC4-1§

5.1 你考核什么，员工就表演什么

这句话不算原创——管理学者早就说过。但它在AI转型的语境下尤为刺眼。

想一想：如果你的销售团队4个季度的核心KPI还是”销售额+回款率+客户拜访量”——一个销售管你是凭什么要把时间从拜访客户改成学AI？

如果客服主管的考核指标是”日均处理工单数+满意度评分”——她凭什么要花2天时间去学怎么用AI生成回复模板？学会了可能工单处理更快——但要花时间去学这件事本身就会影响她当月的工单量。

这不是”员工不愿意改变”——这是制度在奖励不变革的行为，惩罚变革的行为。

Kerr 1975年的经典论文《奖励A却期望B》描述的就是这个现象[^1]。企业总是在考核体系里写着”员工应该具备创新精神”，但在奖金分配时却完全依据”完成既定指标”——这两个目标之间的冲突，被推给了员工自己去消化。而在AI转型中，这个冲突被放大了。

瑞安医药的现状清楚地印证了这个道理：

这个表一拉出来，张总就明白了。不是态度问题，是制度问题。

§TOC4-2§

5.2 双轨制考核：保留稳定，创造空间

考核体系不是不能改——不能一刀切地改。

对大多数企业来说，最好的做法是双轨制：

轨道A的作用是确保业务不崩盘。 在转型期间，原有的业绩指标不能被放弃——否则企业会失去稳定的现金流和客户基础。

轨道B的作用是创造改变的动力。 新增的创新指标不是为了”完成”——是为了”开始”。员工知道”试AI是分内事”而不是”额外任务”。

在瑞安医药，轨道B具体包含三个可以量化的维度：

1. 使用率（50%权重）：每周至少使用AI工具完成一项实际工作任务
2. 探索度（30%权重）：试用过至少一个新场景或新工具并做记录
3. 分享度（20%权重）：在团队内部分享一次使用体验（成功或失败都算）

这套设计的关键在于：轨道B只看”做了没有”，不看”做成了没有”。 因为转型初期的核心目标是培养习惯——不是追求效果。

§TOC4-3§

5.3 Agent工分：让AI探索变得可量化、可激励

如果一个员工的AI使用行为可以量化为积分，这个积分可以兑换有实际价值的东西——那他就会有动力主动去做。

这就是Agent工分制度的核心思路。

工分获取规则

工分兑换机制

两个关键设计原则：

1. 兑换是真实可执行的。 工分兑换的不是虚无缥缈的”口头表扬”——是实实在在的资源。员工不会为一个积分墙去刷分，但如果积分能换成实际的培训机会或工具资金，大家会认真对待。

2. 工分不直接兑换成现金。 现金激励会扭曲学习动机——员工会为了赚积分而刷数据，而不是真正去探索AI的价值。工分兑换的是”成长资源”（培训、工具、荣誉、晋升加分）——这些资源的诱惑力足够大，但不会被滥用。

瑞安医药在推行Agent工分制度后的第四周，发生了第一起”跨部门Agent分享”事件：财务部的一个员工发现客服部的Agent可以帮自己对账单，于是花了10分钟学了一下——然后给财务部的团队分享了。这个Agent被CAI客服部创建的时候只得了20分，但被财务部复用后，客服部的那位员工又得了10分。这件事在瑞安内部形成了一个小小的正向循环。

§TOC4-4§

5.4 六周三迭代：瑞安医药的考核改造实录

瑞安医药的考核改造不是一步到位的。它经历了三次迭代。

第一版（第1周）：简单粗暴版

把所有员工OKR里的”AI探索”一项硬性加上——权重10%。要求人人填写。”

结果：员工把”了解了AI基础知识”写进了OKR。

问题：太笼统，无法衡量。而且”硬性要求”带来的是填写式应付，不是真正的行动。

第二版（第3周）：行为导向版

把AI探索从一条OKR展开为三条具体行为指标：使用率+探索度+分享度。每个指标要求有具体产出记录。”

结果：员工开始动真格地去用了——但也开始提问：”我的AI实验如果影响正常KPI怎么办？”

问题：缺少”安全通道”——员工在两组考核指标（业绩+创新）之间还不知道如何分配精力。

第三版（第6周）：双轨免疫版

正式发布双轨制考核 + 12个月探索保护期 + Agent工分制度。三条核心规则：

1. 每个季度，轨道B（创新指标）权重最低10%、最高30%
2. 如果AI探索导致轨道A（业绩指标）下滑，轨道B将作为”免疫”机制，提供评估加权
3. Agent工分独立运营，不与KPI直接挂钩，作为配套激励机制

这次之后，员工的行为终于开始变了。

张总在第三版制度发布后的管理层会上说了一句话，被行政部悄悄记了下来：

“这个制度讲的是：我们不是要你们去做额外的事——我们是要你们发现，原来有一件事做了之后会让你更轻松。我们只是想帮你发现那件事。”

§TOC4-5§

本章小结

1. 考核体系不改，AI转型永远是”额外任务”——员工不行动不是态度问题，是制度在奖励旧行为。
2. 双轨制考核是折中但有效的方案： 保留业绩指标（轨道A，70-80%）+新增创新指标（轨道B，20-30%）。
3. Agent工分制度让AI探索变得可量化、可激励——不兑换现金（防刷分），兑换成长资源（培训/工具/晋升加分）。
4. 12个月探索保护期是”安全通道”——让员工在试错时不必担心影响力。
5. 制度需要迭代——不是一步到位的。 瑞安医药用六周走了三个版本。不要追求完美，追求”足够到让行为开始改变”。

§TOC4-6§

📚 延伸阅读

• 《驱动力》 — 丹尼尔·平克。理解为什么现金激励不是最好的激励方式——自主性、胜任感、归属感才真正驱动创新行为。
• 《重新定义公司》 — 埃里克·施密特。Google的OKR实践——了解为什么探索性工作需要从考核层面独立出来。
• 「Agent工分制度设计实操指南」 — 树懒老K·慢读经典专题。包含完整的工分制度设计模板，可以直接拿去用。

📌 落地工具：

瑞安医药销售总监王总的前东家，在推行AI系统时裁掉了30%的中层，理由是”AI替代了他们的工作”。 王总知道这件事后，做了一个判断：不全是AI替代中层的问题——是这家企业不知道中层的新位置在哪里。

【决策者摘要·300字】

外面几乎所有的声音都在说：”AI要取代中层管理者了。”我的答案是另一个方向——不是取代，是进化。

中层不会消失，因为AI提供方案，但做判断、承担责任的还是人。 组织需要的不是更少的中层，是需要定义更清晰的中层。

四种新角色正在形成：信息质量判断者（AI提供数据，你来判断真伪和价值）、Agent协作设计师（安排哪些Agent做什么、什么时候需要人介入）、问题定义者（”这个问题值不值得交给Agent”——这是判断力，不是技术）、Agent训练师（持续训练、评估和迭代AI工具的表现）。

这不只是学术讨论——瑞安医药在转型过程中找到了这些新角色的落地方式。当一个中层管理者从”管16个销售”转变为”管一套销售系统+16个销售+AI Agent”时，他不是被淘汰了——他的价值半径被放大了。

可以带走的一句话： “AI不会替代中层——AI会替代那些只知道执行、不知道判断的中层。”

§TOC5-1§

6.1 一个争议性命题

在你翻开这一章之前，我想先亮出我的判断：

“中层管理者不是AI时代最危险的群体——AI时代最危险的群体，是那些只知道’执行’、不知道’判断’的管理者。这两者有本质区别。”

我知道这个判断会引发争议。市面上大量流行的观点是：

• “AI将消灭中层管理——扁平化的组织不再需要信息中转站”
• “AI就是中层的掘墓人——一切可标准化的管理行为都在被替代”
• “中层唯一的价值是在会议上汇报——AI能生成更好的周报”

这些观点都有道理——如果你认为中层管理者的核心工作就是信息传递、流程监督、任务分配的话。但是如果中层管理者的核心工作不仅仅是这些呢？

让我用瑞安医药的案例来说清楚。

§TOC5-2§

6.2 被误解的中层

关于中层管理者，最常见的叙事是：他们是一个信息中转站。

下属向他汇报，他向上汇报。这个角色的确可以被AI替代——因为Agent可以比任何人都快地从系统里提取数据和生成报告。

但问题在于：中层管理者的价值不只在信息传递上。

真正的管理工作中，还有几件事是AI无法（至少在目前和不久的将来无法）替代的：

第一件：对不确定性的判断

当一份客户合同与制度不完全一致时——是接受还是拒绝？AI可以分析风险，算出违约概率。但”接受这个风险”的决策本身——那个最终拍板的人——承担的是领导责任的后果。AI不承担后果。

第二件：对矛盾目标的平衡

这个月的产能目标是120%、质量目标是99.5%、成本要降低8%。三条线是冲突的——你选择保哪一个？AI可以给你一个最优解。但”最优”在数学上成立，不一定在组织里成立——因为不同部门对”最优”的定义不同。中层需要做的事情不是算数，是斡旋。

第三件：对人的判断和激励

团队里有人绩效下滑——是因为能力问题还是状态问题？这个判断需要了解一个人的背景、近期状态、家庭情况、职业焦虑——这些数据大部分不在系统里。它们存在于一个人和另一个人的日常互动中。

这三件事有一个共同点：它们需要判断力——而判断力来自经验、来自对这个组织的理解、来自愿意为决策承担责任。

判断力不是AI的强项。至少现在还不是。

§TOC5-3§

6.3 四种新角色：中层在AI时代的工作转型

如果中层的核心价值从”执行”转向”判断”，那具体的新岗位画像是什么？基于瑞安医药的实践，我总结了四种正在形成的新角色：

新角色一：信息质量判断者

传统角色：收集信息、整合报告、向上汇报 新角色：核实AI提供的信息、判断可用性、进行价值取舍

这个角色的日常工作：

• AI生成了销售团队的本周数据摘要——你需要判断：AI抓取的数据源准确吗？有没有遗漏哪些客户的异常情况？
• AI推荐了三套备选方案——你需要判断：哪个方案更符合当前阶段的战略目标？
• AI给你写了一封邮件——你需要判断：语气对吗？有没有可能让客户产生误解？

有一个关键区别：在传统工作模式下，中层自己生产信息。在新模式下，中层不是生产信息的人——是信息的”质检员”。

这不是降级，是升级。因为生产信息的价值每个人都差不多——但判断信息质量的价值，只有有经验的人才能提供。

新角色二：Agent协作设计师

传统角色：分配任务给团队成员、监督进度 新角色：设计Agent之间的协作关系、定义Agent和人类的最佳分工

这个角色的日常工作：

• 决定今天给销售团队推送的客户名单是由Agent自动筛选还是人工挑选
• 设计Agent查询客户信息的边界——哪些数据可以自动返回，哪些需要人工授权
• 当Agent和Agent之间产生数据冲突时，判断哪一个的数据优先级更高

这个角色需要的不是编程能力——是对业务流程的深刻理解。你需要知道你这一摊业务中，哪些环节是标准化（交给Agent）、哪些是高价值判断（留给人做）、哪些是人机协作才能做好的。

瑞安医药的实战案例： 王总在做这件事时，花了两周时间画了一张”销售团队人机协作流程图”——他画了20个销售动作，标出了哪些可以交给Agent、哪些需要人做、哪些需要人机交互。他不懂AI技术——他懂销售流程。

新角色三：问题定义者

传统角色：接收上级指示、分解执行 新角色：定义”什么值得用AI做”——然后把问题抛给Agent

这个角色的日常工作：

• “这个问题值不值得花时间去训练一个Agent？”——这个判断本身，就是一种管理决策
• “我们的供应商有300个，怎么从里找到最可能出问题的那一批？”——这个问题如果问得好，Agent在一分钟内可以给你答案。如果问得不好，Agent给你一堆没用的数据

一个管理者在AI时代的价值，在很大程度上取决于他能不能问出好的问题。因为AI擅长回答——但回答的起点是问题。

瑞安医药的实战案例： 财务部的刘主管发现自己花最多时间做的事是”核对报销单据和制度是否一致”。她问了一个问题：”能不能用一个Agent来预审报销单？” 这个问题的质量在于——它精准地定义了一个”高频、可标准化、有明确规则”的工作场景。结果：两个小时的配置，一个报销预审Agent上线，每周省4小时。

刘主管能提出这个问题不是因为她懂AI——是因为她对自己的业务有足够深刻的理解，知道痛点在哪里。

新角色四：Agent训练师

传统角色：培训新人、带教团队 新角色：持续训练AI,评估Agent的输出质量、迭代Agent的表现

这个角色的日常工作：

• Agent生成的客户标签准不准？——每周抽检一次，把错误反馈给Agent
• Agent写的合同条款摘要有没有被遗漏？——人工检查，修正后让Agent学习
• Agent推荐的客户优先级排序是不是合理？——根据结果反推Agent的算法是否偏了

这个角色是四种新角色中最容易上手、也最容易产生即时效果的。因为Agent训练不需要写代码——只需要一个”知道什么是对的”的人。

§TOC5-4§

6.4 中层转型的路径：从”管人”到”管人+Agent”

基于瑞安医药的实践，推进中层转型需要三个阶段：

阶段一：认知重建（第1-4周）

不跟中层谈”新角色”——先让他们知道AI在他们的业务中能做什么、不能做什么。

具体做法：针对每个中层负责的业务场景，做一个AI能力边界测试。比如：

• 销售总监的测试：给AI10份客户成交记录，让它判断客户类型。中层自己判断同样的客户，然后对比结果。
• 财务主管的测试：给AI上个月的全部报销单据，让它检查制度一致性。中层自己检查，然后对比。

这个做法的目的是：让中层自己发现”AI能做哪些事、哪些事AI做不好”。 不是通过培训教材——是通过自己的验证。

阶段二：试点设计（第5-8周）

每个中层选择一个业务场景，做一个小型AI试点——不要求成功，只要求”做一下试试”。

瑞安医药销售总监王总选择了一个最小的场景：用AI做客户标签分类。他带着团队里的一个人做了两周，效果不完美——但让他们看到了AI的价值。

阶段三：角色确认（第9-12周）

在试点的数据基础上，帮助中层确认自己在AI时代的新定位：

• 如果信息判断是你最强的能力 → 定位为”信息质量判断者”
• 如果流程设计是你最强的能力 → 定位为”Agent协作设计师”
• 如果问题洞察是你最强的能力 → 定位为”问题定义者”
• 如果带教培养是你最强的能力 → 定位为”Agent训练师”

瑞安医药的王总完成了这三个阶段后，他在新岗位描述中写下了这样一段话：

“我现在的核心工作是：确保销售团队在用Agent的过程中做出正确的判断。我不是在管销售团队——我是在管理一套’人+Agent’的系统。”

§TOC5-5§

6.5 跨部门中层为什么不焦虑了

瑞安医药把所有中层纳入转型框架后，一个有趣的现象出现了：跨部门协作的中层反而最先适应了AI。

为什么？因为跨部门中层日常工作中最消耗精力的部分——信息对齐、流程协调、进度跟进——恰恰是Agent最能帮上忙的。

当一个项目经理可以同时追踪三个部门的Agent进度、自动生成跨部门的周报、自动预警延期风险时，她的工作体验不是被替代了——是被解放了。她一周省了大约8小时的信息对齐时间，这8小时被用来做以前没时间做的事：跟关键客户沟通、复盘项目流程、规划下一阶段的策略。

这些事以前不是不能做——是没时间做。而当AI帮她省出时间后，她做的恰恰是AI做不了的判断性工作。

这个现象揭示了一个反常识的结论：AI给中层带来的不是威胁——是解放。 只要中层能找到自己的新位置。

§TOC5-6§

本章小结

1. 中层不会消失——AI提供方案，但做判断、承担责任的还是人。
2. 四种新角色正在形成： 信息质量判断者、Agent协作设计师、问题定义者、Agent训练师。
3. 中层的核心价值从”执行”转向”判断”： 不是降级，是升级。
4. 中层转型需要三阶段： 认知重建（1-4周）→ 试点设计（5-8周）→ 角色确认（9-12周）。
5. 跨部门中层反而最先适应AI——因为信息对齐和流程协调正是AI最擅长替代的重复性工作。

§TOC5-7§

📚 延伸阅读

• 《超智能》 — 托马斯·马隆。MIT集体智能经典——理解人+AI为什么可以比单独的人或单独的AI更强。
• 《第二次机器革命》 — 埃里克·布林约尔松。关于增强(Augmentation)而不是替代(Automation)的核心论述。
• 「中层不死：AI时代管理者的新角色（全三期）」 — 树懒老K·慢读经典专题。本文观点的完整展开版，包含更多案例和四个新角色的岗位描述模板。

📌 落地工具：

瑞安医药财务部的一个文员，用低代码平台搭了一个’发票信息提取’Agent。 不是IT帮她的——是她自己干的。 这件事在瑞安内部引发了一波’自己动手’的浪潮。

【决策者摘要·300字】

“人人Agent”不是一个技术目标——是一个文化目标。它意味着组织里的每一个员工，不再只是”使用AI工具的人”，而是”创造AI工具的人”。

但这需要三个条件同时成立：工具门槛足够低（不需要写代码也能搭）、激励足够大（谁做的对谁的工作有直接帮助）、分享文化足够浓（我的Agent给你用，我也加分）。

本章讲述了瑞安医药在三个月内，从一个内部Agent市集里仅有3个Agent到89个的全过程。关键转折点不是技术升级——是一个制度设计：把Agent的创建、分享、复用都纳入激励体系，让”自己做一个Agent”从偶然的个例变成可复制的行为模式。

同时，需要明确安全边界：严格控制数据权限和Agent行为边界，但不能因为怕出事就收紧到所有人都不能动。

可以带走的一句话： “人人Agent不是发给每个人一个工具——是让每个人自己动手做自己的工具。”

§TOC6-1§

7.1 从”IT赋能”到”人人创造”

传统企业的IT应用模式是中心化的：IT部门分析需求、开发系统、上线推广、培训使用。这个模式的优点——稳定、可控——恰好也是它的缺点：慢、贵、离业务远。

当AI Agent进入企业后，一种全新的应用模式出现了：边缘创新——非IT部门的员工，用低代码平台或AI工具自己搭建Agent，解决自己的业务痛点。

这种模式有三个核心优势：

人人Agent的核心不是”每个人都会写代码”——是”每个人都有一个自己能驾驭的低门槛工具”。

你知道瑞安医药那个财务文员搭的Agent用了多少行代码吗？零行。她用的是平台拖拽式的工作流配置——从Excel导入发票数据、调用OCR识别字段、输出到对账模板，全部用图形界面完成。

§TOC6-2§

7.2 三个条件，缺一不可

条件一：工具足够低门槛

“低门槛”的定义不是”操作手册只有10页”——是”上班路上花15分钟看一遍就开始用了”。

在瑞安医药，选择工具的标准只有一条：一个没有技术背景的业务人员，能否在不求助IT的情况下，完成第一个Agent搭建并让它跑起来？

达标的标志：财务文员用了45分钟（不是工作日，是午休时间）搭出了第一个Agent。

不达标的标志：需要IT部门出一个5人团队来支持Agent搭建——那就不是人人Agent，是IT给业务打白工。

条件二：激励足够大

工具再好，如果没有动力去用，也是摆设。

激励的核心不是钱——是”这个Agent对我的工作有没有直接帮助”。瑞安医药的财务文员搭Agent的动机很简单：她不想每周花6个小时做发票录入。

动力第一阶：让Agent解决自己的痛点。 这是最原始、最强大的动力——当一个人发现Agent可以帮他省时间时，不需要任何外部激励。

动力第二阶：当Agent解决了自己的问题后，分享给有同样困扰的同事。 这个分享不需要额外的物质奖励——有人帮了别人本身就是一种认可。

动力第三阶：当Agent的价值被组织认可并纳入激励体系时。 这就是前一章提到的Agent工分制度发挥作用的地方——你的Agent被同事用了，你得加分，而且这个分能被兑换成实际价值。

条件三：分享文化足够浓

瑞安医药做了一个小小的动作：在内部知识库里建了一个Agent市集——名字叫”别人家的Agent”。

任何员工搭建了Agent并愿意分享给同事使用，都可以发到这个市集里。市集首页只有三列：Agent的名称、它能做什么、搭建者的联系方式。

这个市集上线第一个月，只有3个Agent。 第二个月，变成了8个。 第三个月，变成了89个。

转折发生在第二个月的中旬——财务文员的发票提取Agent被客服部的人发现了，客服部的人稍微改了一下变成了”客户回访记录提取”Agent，装进了客服流程。有人在这个过程中，顺手帮财务部的人提了一个意见：你的Agent在识别手写发票时准确率不太稳——因为他用了另一个工具试了一下，发现OCR识别率更高。财务文员改进后回复了一个”谢谢”。

这个小小的”我发现你的Agent好用 → 我拿去改了一下 → 我反馈了一个问题”的循环，就是分享文化正在形成的基础。

§TOC6-3§

7.3 内部Agent市集的运营原则

基于瑞安医药的实践，一个健康的内部Agent市集需要遵守几条规则：

规则一：不强制——只鼓励。 如果员工不想把Agent放上去，没有任何惩罚。市集只展示那些愿意分享的人的作品。

规则二：标注”实验等级”。 每个Agent显示”实验”或”推荐”等级。”实验”代表未广泛测试——使用者自行承担风险；”推荐”代表经过最少5人使用验证——可以放心用。

规则三：原作者保留署名权和修改权。 任何人不得在未告知原作者的情况下复制并发布一个已有Agent的”改版”——未经授权的改版视为违反社区规则。

规则四：Agent由使用者的部门负责人负责最终审核。 如果一个Agent涉及敏感数据（如客户信息、价格数据），必须在部门负责人同意后才能在内部使用。

§TOC6-4§

7.4 安全边界：控什么、放什么

人人Agent推行后，CEO最担心的问题是：安全。

“员工自己搭Agent，会不会把客户数据泄露出去？”

这是一个真实的风险，需要认真对待。但不能因为怕出事就收紧到所有人都不能动——那样就会回去”IT赋能”的老路，人人Agent就成了一句口号。

瑞安医药在安全和创新之间划定了一条明确的边界：

红线（不能碰）：

1. 涉及客户隐私数据（姓名+电话+地址）的Agent——必须经过数据脱敏后再使用
2. 涉及企业核心经营数据（定价策略、财务报表）的Agent——必须经过部门负责人审批
3. 任何与外部互联网交换数据的Agent——必须经过安全审计

开放区（可以碰）：

1. 使用内部脱敏数据的分析类Agent
2. 文档处理类Agent（周报、摘要、模板生成）
3. 流程自动化Agent（数据录入、提醒通知、信息对齐）
4. 通过标准API调用的Agent（使用企业已经授权的服务）

一个简单的判断标准：如果 Agent 做的事是你在Excel、Word、企业微信里能做但比较麻烦的事——大概率是安全的。如果Agent做的事以前只有总监级以上权限的人能看——需要审批。

§TOC6-5§

7.5 三个月从3个到89个的记录

这个增长曲线告诉我们一个规律：

前4周是最慢的——因为没有人看到”别人做了”的例子。一旦有了3-5个”别人做了”的示范案例，后面就会自己加速。

这就是为什么人人Agent的起点不是工具——是那几个愿意先动手的人。

§TOC6-6§

本章小结

1. 人人Agent不是发给每个人一个AI工具——是让每个人自己动手做自己的工具。
2. 三个条件缺一不可： 低门槛工具、直接激励（帮自己省时间）、分享文化。
3. 内部Agent市集是推动传播的关键基础设施—— 让别人看到”有人用Agent解决了问题”比任何培训都有用。
4. 安全边界要清晰但不苛刻： 客户隐私数据和核心经营数据不可碰，内部流程类和数据摘类型的放开。
5. 增长曲线是S型的—— 前4周最难，有了3-5个示范案例后加速。

§TOC6-7§

📚 延伸阅读

• 《低代码开发：人人都是创造者》 — 关于低代码/无代码平台的案例集，了解非技术员工如何自主创造工具。
• 《人机共舞》 — 托马斯·达文波特。理解人+AI协同的组织如何运转。
• 「从3个到89个：瑞安医药”人人Agent”推行的完整记录」 — 树懒老K·慢读经典专题。包含完整的实施SOP、选型指南、安全边界模板。

📌 落地工具：

比成功案例更有价值的，是你知道别人在哪个路口摔了一跤。 这一章告诉你”另一拨人做错了什么”。 四个案例、四种死法、同一个根因。

【决策者摘要·300字】

这一章不讲瑞安医药——讲四个完全不同的失败故事。每一家企业都投入了资源、都有高管支持、都有技术方案——但最终都没能走出来。

失败一：预算够了，但文化容器不够大。 一家企业投入了充足的Token预算和技术团队，但效果不及预期的三分之一。根因：文化容器太小——水（AI工具）进来了，但容器（组织的接受度和使用习惯）没准备好。

失败二：老板的一次发怒，摧毁了三个月的信任。 一家企业的老板在全员会上说”AI转型是战略级”，三个月后在管理层会上因为没有及时看到结果大发雷霆。中层从此把AI项目定义为”老板的一时兴起”。

失败三：AI项目成了新的形式主义。 一家企业要求”每人每天至少发一条AI使用心得到群里”。两个月后，群里全是复制粘贴。AI没有融入工作——成了表演工具。

失败四：全员培训结束时，也是AI使用的终点。 一家企业花重金做了三天全员AI培训，一个月后只有12%的人持续使用。培训是播种，不是收割——没有跟进机制，一切归零。

四个失败指向同一个结论：在技术之外，没有一套文化制度设计来承接它——失败几乎是必然的。

§TOC7-1§

8.1 失败一：预算够了，但文化容器不够大

行业： 制造业，自动化零部件生产 规模： 年营收约30亿，员工约3000人 时间线： 项目持续14个月，总投入约800万（含平台采购、Token预算、外部顾问、内部团队）

这家企业的故事从一位很优秀的CIO开始。他在AI开始流行时就意识到这是未来方向,向CEO提交了一份完整的AI转型方案——预算800万，分18个月，覆盖6个业务场景。

CEO批准了。

然后事情朝着一个奇怪的轨道发展。

问题出在哪？

从表面看，这家企业的技术路线、项目规划、实施方案都很专业。他们没有犯任何”技术上的错误”：

• 选对了模型和架构
• 试点场景选得很好（仓库库存预测 + 质量缺陷分析）
• 内部开发团队配置充足
• Token预算打了余量

但结果却不尽人意——14个月后，6个场景中只有1个真正上线运行（库存预测），其他5个要么仍在试点,要么就被放弃了。

真正的根因是什么？

他们一切准备就绪——唯一没准备好的，是”人”。

具体来说，有三个方面：

第一，员工没有”使用准备度”（Readiness）。 当系统上线时，大多数员工对AI的基本概念是模糊的。他们对”库存预测”的结果持怀疑态度。不是因为他们故意抵触——是因为他们不理解AI的预测逻辑，无法信任一个”黑盒”结果。于是他们继续用自己的经验判断,AI给的建议变成了”参考一下”——最终没人用。

第二，中层管理者没有被纳入转型计划。 项目一开始就定义为目标——“一线员工使用AI工具”。中层管理者被排除在外,他们在过程中扮演的角色只是”上面要求的，你们配合一下”。当一个中层管理者既不了解AI的边界、也不觉得这个项目和自己有关时，他最好的策略就是”不推动也不反对”。

第三，考核体系没有任何变化。 800万的投入、14个月的时间——考核体系没变。仓库主管的KPI还是”库存周转率+准确率”,质量经理的KPI还是”缺陷率+客诉率”。AI工具没有进入任何人的考核指标。结果就是：用AI,不加分。不用，也不扣分。对一个每天忙得不可开交的仓库主管来说,这就是一个不需要选择的选择题。

教训：文化容器不够大的企业，花再多钱也装不下AI的价值。

他们把80%的预算花在了技术上，20%花在了组织和文化上。真正需要的比例可能是倒过来的——至少文化准备要先于技术投入。

§TOC7-2§

8.2 失败二：老板的战略级表态，摧毁了三个月的信任

行业： 零售连锁 规模： 年营收约10亿，员工约1500人 时间线： 项目持续8个月后搁置

这个故事开始得很有气势。

启动会上,老板站起来说了一句话：”AI转型不是可选项，是必选项。我们要把这件事做成行业标杆。”

会议室里响起掌声。中层管理者们在记事本上写下”AI转型,战略级”。

项目启动后的前三个月,一切正常——选择了一家咨询公司、做了诊断、完成了3个场景的技术验证、花掉了300万。

问题出在第三个月的面对面会上。

咨询公司的项目经理汇报了当前进展：技术验证已完成3个场景，其中一个”不达预期”（客户画像Agent的准确率只有65%）,另外两个表现正常。

老板说了一句话,毫不含蓄：”300万花下去，就给我看这个？”

会议室没有人出声。

从那天开始,风向变了。原本”全力配合”的中层管理者们开始在私底下传递一个信息：老板对这个项目不满意。接下来,项目推进开始遇到各种”阻力”——不是因为技术问题,是因为大家发现参与这个项目已经开始变成一件”有风险”的事。

第四个月,当初支持力度最大的运营总监开始”因病请假”(实际上是在观望)。第五个月,CTO被调去负责另一个”更紧急”的项目。第六个月,剩余的预算被冻结。

问题出在哪？

不是那个65%的准确率问题——技术验证中出现一个不太理想的场景是正常的。

不是老板”不满意”这个事实——老板有权利不满意。

问题出在老板说那句话的场合、语气和后续动作：当着一个正在推进的项目团队的面,当着一个外部咨询公司的人的面,说了一句”花了300万就给我看这个”。这句话被传递出去的信号不是”老板要求更高标准”——是”老板不信任了”。

根因是这个组织缺乏对”探索型工作”的容错制度。

没有一个预先约定的”容错机制”——如果AI探索中的技术验证不通过怎么处理？谁来担责？是没有达成预期目标就立刻停掉,还是讨论一下为什么没有达到预期、需不需要调整方向？

容错制度的意义不是”失败了也被奖励”——是”失败了不要紧,我们复盘后继续”。它不是一个宽松的态度——是一个清晰的制度安排。

教训：容错文化不是说出来的——是当事情不如预期时,老板的第一句话是什么。

§TOC7-3§

8.3 失败三：AI项目成了新的形式主义

行业： 金融科技 规模： 年营收约5亿，员工约400人 时间线： 项目持续4个月后中止

这个失败让我印象最深——不是因为它的规模，是因为它几乎没有任何”技术投入”。

事情的开始很简单——老板在全员群发了一条消息：

“从下周开始，每个人每天至少要发一条”我用AI做了什么”的心得到群里。”

他想法的逻辑是：让大家用起来,用起来就习惯了。

问题是：驱动创新的不是指标——是动机。

第一周，群里很热闹。有人分享”用AI写邮件更快了”，有人说”AI帮我生成了一份报告初稿”，有人贴了AI生成的插图。

第二周，内容开始变少。但还是有人在发。

第三周，群里的内容变成了：

• “今天用AI整理了会议纪要。”
• “今天用AI写了一封客户回复。”
• “今天用AI总结了上个月的销售数据。”

第四周，其中一句话开始出现：”今天用AI完成了日常数据处理。”

第五周：同样的话被七个人发了。

到这个项目被中止的时候，群里已经很少有人在发了——准确地说，是不需要再发了，因为已经没人看了。

问题出在哪？

我试图从这个案例中找到”这是员工的问题”的证据——但我找不到。

问题不是员工不愿意用AI——问题是管理层用”数量指标”来驱动一项”质量行为”：

你考核”每天一条AI使用心得”——于是员工”每天提交一条AI使用心得”。你考核的是”发了没有”——所以员工回答的是”发了”。

你要的实际上是”大家在认真用AI”——但考核的是”发帖数量”。

这就是那个经典的悖论：当创新被考核时，创新就变成了表演。

一个更好的做法是什么？如果你想让AI被真正用起来，不要考核”每天发一条”——去创造让员工真正受益的场景，让AI的”使用”本身成为一种奖励,而不是为了完成考核。

§TOC7-4§

8.4 失败四：全员培训结束，一个月后没人用了

行业： 专业服务（法务咨询） 规模： 年营收约8亿，员工约600人 时间线： 培训耗时3天，一个月后使用率12%

这家企业对待AI转型的态度很认真。

他们花了三周时间选了一家AI培训公司,请来了一个”业界知名”的讲师,给全员做了为期三天的AI入门培训。培训内容包括：AI基本概念、ChatGPT的使用技巧、如何写Prompt、AI在法务行业的应用案例。

培训结束后，项目经理在群里发了一个满意度调查——4.8分（满分5分）。HR很满意。

一个月后,IT部门做了一个简单的后台统计——主动使用AI工具的员工人数:72人,占总员工数的12%。

HR怀疑是工具出了问题。IT检查后回复：工具没有问题。

问题出在哪？

“培训满意度”和”实际使用率”之间有一条巨大的鸿沟。大多数人的感受是”听起来不错，但不知道怎么用在自己的工作上”。

从”知道”到”做到”,中间有三个缺失的环节：

缺失环节一：培训内容与个人工作场景的映射。 通用性的培训可以让人”了解AI”——但无法让人”知道明天怎么用在自己的工作上”。培训结束的那天，没有一个人带着一个”我已经确定可以用AI做的事”离开教室。

缺失环节二：培训后24小时内的首次应用引导。 培训结束后的24小时是最关键的——如果学员没有在24小时内用AI完成第一件工作,ta的学习曲线就会断掉。企业的跟进计划里没有这一环。

缺失环节三：持续的反馈和迭代机制。 员工用了AI之后——效果如何？遇到了什么问题？有没有人可以解答？这些问题没有人来收集,也没有人来回答。

教训：培训是播种，不是收割。没有技术支持的培训,是花费昂贵的单向广播。

如果这家企业把三天培训缩减为两天,把省下来的那一天用来做一件事——“每个人确定了第一个可以用的AI场景+写下来”——结果可能会完全不同。

§TOC7-5§

写在四个失败之后

四家企业,四种死法：

四个失败,四个不同的问题——但都指向同一个答案：在投入技术之前,先设计和搭建接住这些东西的文化制度。

如果你正在读这本书,并且正在经历AI转型——回去看看这四个案例中,哪一张”面孔”最像你的组织。

如果是失败一——先停下来，做一个文化准备度诊断,确认容器够大了再倒水。 如果是失败二——先停下来，和管理层确认”万一不达预期怎么办”。 如果是失败三——先停下来，想一想你怎么知道员工是真的在用AI、还是在向你证明他们在用。 如果是失败四——先停下来，把培训改成”培训+场景确认+24小时应用引导”。

如果你没停下来——去翻一翻下一章的路线图,那里有关于怎么避免这些问题的具体答案。

§TOC7-6§

本章小结

1. 四个失败案例指向同一个根因： 技术投入与文化制度设计不匹配。
2. 文化容器决定你花多少钱能装下多少价值——先检查容器再倒水。
3. 容错文化不是说出来的——是当事情不如预期时，老板的第一句话决定的。
4. 永远不要用”每天一条心得”去考核创新——创新不是可以被量化表演的。
5. 培训不是终点——“培训后24小时内第一次应用”才是真正的起点。

§TOC7-7§

📚 延伸阅读

• 《变革之心》 — 约翰·科特。理解在组织中推动变革的真正难点在哪里——不是技术，不是制度，是人心。
• 《创新的两难》 — 克莱顿·克里斯坦森。理解为什么”做对了所有事”的企业也会失败——文化是核心原因。
• 「AI转型失败的七个症状——你的企业中了几个？」 — 树懒老K·慢读经典专题。基于本文的四个失败案例扩展版。

📌 落地工具：

瑞安医药的CEO张总在项目启动时最常被问到的一个问题是： “18个月是不是太长了？能不能压缩到6个月？” 他已经学会了怎么回答这个问题： “你花6个月把技术弄上去，再花两年修文化的坑？ 还是在开始就把文化一起修好？”

【决策者摘要·300字】

AI转型不是一次冲刺——是一场马拉松。急于求成的结果往往是”技术上了、文化没跟上、一年后回头看什么都没变”。

本章提供一条经过验证的18个月路线图,分为三个阶段——每个阶段有明确的目标、任务、标志性节点和风险预警信号：

第一阶段（第1-3个月）：认知校准 + 试点选型。 核心任务：高管完成认知校准、选定一个风险可控的试点场景、成立3-5人的AI转型小组。标志性节点：第一个Agent上线并产生可量化价值。

第二阶段（第4-9个月）：制度重塑 + 中层转型。 核心任务：考核体系改造、中层角色定义和培训、容错制度落地。标志性节点：非技术部门自发产生Agent。

第三阶段（第10-18个月）：规模扩展 + 文化固化。 核心任务：人人Agent推行、内部Agent市集上线、定期Agent成果展示。标志性节点：Agent使用成为日常工作流程的一部分。

每个阶段都有明确的”风险预警信号”——当这些信号出现时，需要踩刹车检查一下，而不是继续踩油门。

可以带走的一句话： “技术转型最快可以6个月。文化转型——至少18个月。没有第二条路。”

§TOC8-1§

9.1 路线图全景

这个路线图的设计原则很清晰：先让少数人跑通——然后调整制度让更多人跑——最后让人人跑成为习惯。

§TOC8-2§

9.2 第一阶段：认知校准 + 试点选型（第1-3个月）

目标： 让高层团队建立对AI的真实认知，并通过一个小型试点验证”AI在组织内能跑通”。

关键任务

任务一：高管认知校准（第1-2个月） 按照第2章的三步法框架执行——建立感知、对齐认知、形成共识。具体来说:

1. 让每位高管在15分钟内走通一次自己的AI应用场景
2. 组织一场2-3小时的闭门会讨论三个问题
3. 每位高管签署”AI转型责任清单”

任务二：选定试点场景（第1-2个月） 选试点选什么不选什么？ - 选择条件: 业务痛点明确、数据可获得、风险可控、2个月内可见到效果 - 不选条件: 跨部门依赖度高(容易扯皮)、涉及核心营收(失败代价太高)、需要大量IT支持

在瑞安医药，第一阶段选定的是”客服邮件自动分类”——这是一个典型的低风险、明确痛点、数据完整的场景。客服部每天收到约100封客户邮件,需要人工分类后再分发给对应部门。用AI做一个分类Agent,几乎没有任何技术风险。

任务三：组织3-5人的AI转型小组（第2个月） 这个小组不是IT项目组——是跨界小组： - 1个懂业务的中层管理者(组长) - 1个IT人员(技术顾问) - 1个HR(制度设计) - 1个一线员工(实际使用者的声音)

任务四：第一个Agent上线（第3个月） 目标是在3个月内让第一个Agent从想法到上线。不追求完美——追求”让公司看到AI确实能用”。

标志性节点

这个节点最重要的不是Agent本身的功能——是它的象征意义。当一个平时不接触技术的员工看到”一个不是IT部门做的东西真的在帮忙”时，整个组织的氛围会发生微妙的变化。

瑞安医药的客服邮件分类Agent上线后，邮件分发的正确率从人工的68%提升到了85%(加上人工复核后达到97%),处理时间从平均每封4分钟缩短到1.5分钟。

当这个数字在管理层会上被展示出来的时候，之前说”AI就是聊天机器人”的那个运营总监不再说话了。

风险预警信号

这是第一阶段最危险的风险信号。如果在第1-2个月老板就开始追问”怎么还没出东西”,说明认知校准可能不够到位——或者老板自己还没有真正理解AI转型的节奏。

应对方案：回到第2章的认知校准对话框架——不是重新培训,而是跟老板单独复盘: “我们之前说好第一阶段的节奏是……目前我们在做这个阶段的事情,预计第X周可以看到第一个结果。”

§TOC8-3§

9.3 第二阶段：制度重塑 + 中层转型（第4-9个月）

目标： 在第一个试点成功后，调整制度和角色定义，让更多人愿意参与。

关键任务

任务一：考核体系改造（第4-6个月） 按照第5章的双轨制框架执行：

1. 在季度OKR中新增”AI探索”指标(权重不低于10%)
2. 设定12个月探索保护期
3. 建立Agent工分制度

任务二：中层角色转型（第4-8个月） 按照第6章的三阶段框架执行：

1. 认知重建：让中层了解AI的能力边界（1-4周）
2. 试点设计：每个中层选一个场景做试点（5-8周）
3. 角色确认：定位中层在AI时代的新角色（9-12周）

任务三：容错制度落地（第5-7个月） 容错制度不是一句话——是一套可执行的方案: - 明确”什么程度的失败可以接受” - 设立”AI探索失败复盘”的标准流程 - 老板公开承诺并执行第一次”失败复盘”

任务四：推动第一个跨部门Agent分享（第6-9个月） 当某个部门的Agent被另一个部门发现并复用时，这是文化正在形成的信号。在第6-9个月,可以通过组织内部演示会,推动跨部门Agent的联合场景。

标志性节点

这是第二阶段真正的节点——不是IT部门推广了多少Agent，是一个没有IT背景的业务人员自己动手做了一个Agent并分享给了同事。

在瑞安医药，这个节点的发生时间是在第6个月，标志性事件是财务文员的发票提取Agent上线——她不是IT背景,没有人要求她做。她是自己觉得”这个东西能帮我省时间”就做了。

这件事在瑞安内部产生的传播效果，超过了一百次培训分享会。

风险预警信号

当你开始推动中层角色转型时，会出现一批”先观望”的人。他们的典型语言包括：”这个东西挺好的，等稳定了我们再试”、”我们团队现在的业务压力比较大”。

这不一定意味着他们不认同AI——而是他们对”转型的成本”有顾虑。应对方法是回到第3章的框架，给他们一把新椅子、一个安全通道、一套向上管理武器。

§TOC8-4§

9.4 第三阶段：规模扩展 + 文化固化（第10-18个月）

目标： 让”一人一Agent”成为组织规范，Agent使用嵌入日常工作流程。

关键任务

任务一：人人Agent推行（第10-14个月） 按照第7章的六步法执行： 1. 选型低门槛AI Agent构建工具 2. 组织首批”Agent创造者”培训(45分钟,非技术人员可上手) 3. 内部Agent市集上线 4. 设立Agent工分兑换机制 5. 组织第一次内部Agent演示会 6. 建立安全边界检查机制

任务二：定期成果展示（第12-18个月） 每季度举办一次内部Agent成果展示会——不是IT部门的汇报——是业务人员的分享会。分享的人不一定是技术达人，可能是一个用了Agent之后少加了两个月班的普通员工。

任务三：培养内部种子用户（第14-18个月） 在各部门中识别出”Agent先行者”,建立种子用户网络。让这些种子用户成为部门的AI指导员,而不是由IT部门去指导每一个人。

任务四：固化文化制度（第16-18个月） 将探索保护期、Agent工分、双轨制考核等临时制度转为长期制度,固化到人力资源管理流程中。让”AI探索”成为员工日常工作的一部分——而不是一个项目。

标志性节点

真正的成功不是”会上线”——是”不需要提，也知道要做”。当Agent使用不再需要被激励、被提醒,而是成为每个人工作的一部分时，文化转型才真正完成。

风险预警信号

如果你发现Agent市集中的Agent数量在增长，但实际使用率没有同步提升——这是一个信号:大家开始表演而不是真正在用了。

应对方案： 1. 抽查实际使用数据,而不是只看Agent数量 2. 减少”考核性指标”,增加”价值性指标”——把重点从”你做了吗”变成”Agent帮你省了什么” 3. 取消任何形式化的”每天一条”“每周一篇”要求

§TOC8-5§

9.5 瑞安医药的时间线：真实记录

每个企业的情况不同——这个时间线不是必须完全复制的。但阶段和顺序是可复制的。

§TOC8-6§

本章小结

1. AI转型的节奏是18个月，不是6个月——技术快、文化慢。试图压缩时间的代价是未来花更多钱修补。
2. 三阶段各有明确的任务和节点： 认知校准(1-3月) → 制度重塑(4-9月) → 规模扩展(10-18月)。
3. 第一个Agent上线的象征意义超过了实际功能——它是”我们真的做到了”的证据。
4. 非技术部门自发产生Agent是文化正在形成的信号——比任何指标都重要。
5. 当Agent使用不再需要被激励时，文化转型才真正完成。

§TOC8-7§

📚 延伸阅读

• 《精益创业》 — 埃里克·里斯。第一阶段的”试点选型”方法论直接来自精益创业的MVP思维。
• 《跨越鸿沟》 — 杰弗里·摩尔。从早期采用者到主流市场的”鸿沟”对于三个阶段的设计有很强的参考价值。
• 「AI转型18个月路线图完整版（含模板）」 — 树懒老K·慢读经典专题。包含可供下载的18个月甘特图、每个阶段的任务清单和风险预警列表。

📌 落地工具：

18个月后，瑞安医药的年度预算会上。 CFO翻到AI转型的预算执行报告，看了一眼总数字，合上了文件夹。 “下一年度的预算，我建议维持不变，根据效果可以考虑上调。” 没有任何人质疑。

【决策者摘要·300字】

回到第1章那个问题：一家2000人的企业，一人一AI Agent，一年Token成本120万（参考值）——你愿意花这个钱吗？

现在，你已经读完了全书。是时候打开那个账本，重新算一遍账了。

Token的直接成本是「明账」—看得见、算得清、让人心疼。

不做AI转型的隐性成本是「暗账」—看不见、算不清、比明账贵得多： - 人才流失成本：优秀的年轻员工流失到已经把AI用起来的竞争对手那里 - 认知落后成本：当竞争对手用AI把客户响应速度缩短到2小时时，你还是24小时 - 组织僵化成本：旧的工作方式在文化上固化，未来转型需要花更多钱、更大力气 - 机会错失成本：那些本来可以用AI去尝试的新业务场景，从未被探索

本章提出了文化溢价公式：Token投入 × 文化效能 = 组织AI能力。文化效能的数值取决于你花在认知校准、制度设计和环境建设上的投入——那些看起来”不能直接产生价值”的事。那些事。不是成本的浪费——是Token ROI的放大镜。

关上账本，这是一道不是特别难的选择题：

你在Token上省下来的钱，最多帮你省下了一笔预算。你在文化上投入的钱——帮你省下了未来三年的竞争力。

可以带走的一句话： “文化不是成本——文化是所有投资的投资。”

§TOC9-1§

10.1 重新翻开Token账本

现在，重新翻开第1章那个让瑞安医药CFO沉默了整整两分钟的账本。

Token的直接成本：

如果瑞安医药在18个月后实现了约200名员工活跃使用AI Agent，年度Token/API/算力总成本为120万（参考值）元。这个数字没有变。但CFO看它的方式变了。

18个月前，他看到的是一堆数字。18个月后，他看到的是这些数字对应的产出：

数字没有变。但数字的背景变了——因为文化变了。

如果你只看第1章的账本，你看到的是一笔开支。如果你读完了这本书再回来看同一个账本——你看到的是一笔投资。投资的核心不是你花了多少钱——是你的组织文化帮你还了多少。

§TOC9-2§

10.2 暗账：不做的隐性成本

不是每个企业都会翻开Token账本。有些企业的选择是：先不做，先看看再说。

但这个”再看看”的决策也有成本——它是一笔暗账，没有人打开过。

暗账一：人才流失成本

员工不是在企业里决定”要不要使用AI”的——他们是在面试的时候决定”要不要加入这家公司”。

如果一家企业没有AI Agent、没有内部AI工具、没有任何AI基础设施建设——那些优秀的、年轻的、对技术有认知的候选人会在面试日之后默默地把这家企业从备选单上划掉。

因为对他们来说,”没有AI的企业”就像”没有互联网的企业”。不是不能工作——是一眼就能看出来这个地方是过去而不是未来。

暗账二：认知落后成本

竞争对手用AI把客户响应速度从24小时压缩到2小时——你的客户不会告诉你这件事。他们只会默默走掉。

当竞争对手用AI把供应链预测准确率从65%提升到85%时——你的库存周转率会告诉你一个不太好的消息。但它不会说这是AI对手造成的。

认知落后成本的特征是：你不会在一个可量化的报表上看到它——但你会在一段时间之后发现市场的位置变了。

暗账三：组织僵化成本

一个习惯了旧工作方式的组织，是一个”越不改变越难改变”的系统。你把AI转型推迟一年，组织里的旧习惯就多固化一年。当一年后你决定启动转型时——你需要花更多的钱、花更多的力气去打破一个更坚硬的旧壳。

暗账四：机会错失成本

那些”如果用AI可以探索一下”的新业务场景——如果没有AI，它们永远不会被试探。

一个典型的例子：一家企业发现自己的客户数据可以用于”行业趋势预测”——但因为没有AI工具，没有人去试。这个”没有人去试”的机会成本是多少？没有人知道。

就像打牌的时候”有一张好牌没有打出去”——因为你不知道它会赢多少。

把四笔暗账加起来——那个在第1章让你犹豫的数字，是不是突然显得没有那么大了？

§TOC9-3§

10.3 文化溢价公式

你投在Token上的钱,能产生多少价值,取决于你的文化效能。

文化溢价公式：组织AI能力 = Token投入 × 文化效能

其中：

• Token投入 = 年度Token/API/算力支出
• 文化效能 = 认知得分 × 激励得分 × 环境得分（每个维度0-1）

当一个组织的文化效能是0.3时（认知低+激励低+环境低）,花100万的Token,实际产出大概相当于30万的水平。

当一个组织的文化效能是0.8时（认知高+激励高+环境高）,花100万的Token,实际产出大概相当于80万的水平。

文化效能从0.3提升到0.8,Token的产出效率提升了2.6倍。这2.6倍的差距——不是Token的差距——是你花在认知校准、制度设计和文化建设上的投入所带来的回报。

这就是为什么我说：文化不是成本——文化是所有投资的投资。

§TOC9-4§

10.4 瑞安医药的”关上账本时刻”

18个月后的年度预算会上,瑞安医药的CFO做了一个总结。他说了四句话。我记了下来：

“第一,我们的AI转型总投入是120万（参考值）。这笔钱不算小——但没有我想象中那么多。”

“第二,18个月前我问CTO’怎么证明值’——今天我有了数据。但说实话,有一些价值是我在预算里无法完全量化的。比如——”

“第三,我有一个数据没算：员工离职率在过去18个月下降了大约15%。招聘时,跟我们提到AI相关的候选人数量增了一倍——我不确定这件事值多少,但它一定值钱。”

“第四,下一年度的预算,我建议维持不变。可能还要上调一点——因为客服部的说想再做一个他们自己想做的Agent。我不反对。”

CEO张总那天在会议室里没有说话。会后他跟我说了一句话：

“他以前说不量化不投资。现在他主动说’有些价值量不出来’——我觉得,这个变化本身,就是最大的产出。”

§TOC9-5§

10.5 关上账本前的最后一页

这本书是一个账本。从第1章翻开——到第10章关上。

账本里记了三笔账：

第一笔：认知的账。 第2-4章。高管的盲区、中层的沉默、员工的焦虑——每一层认知成本都可能是隐性成本。投入去解决它,是转型的第一步。

第二笔：制度的账。 第5-7章。考核改造、角色转型、人人Agent——制度的设计决定了Token能否产生价值。好的制度让Token的ROI放大;不好的制度让Token被浪费。

第三笔：时间的账。 第8-9章。失败的代价和节奏的把控——你不会在18个月内解决所有问题,但如果你不开始,你18个月后依然会有同样的问题。

关上账本。然后你可以做一个决定：

A: 把账本放到书架上——等”合适的时机”再打开。

你已经知道”合适的时机”意味着什么了。它意味着：你继续花第2章的那四个盲区里,你的中层管理者在继续沉默,你的员工在继续焦虑。你的Token预算不在第1章里——它在那些你还没合上的暗账里。

B: 把账本翻开——从下一章开始。

你已经知道怎么做了：认知校准、制度设计、节奏把控——三件事。18个月。从”文化效能 = 认知 × 激励 × 环境”这个公式开始。然后一步一步走。

你不会在18个月内解决所有问题——但你会在18个月后回头看的时候,发现一个问题：

那个曾经让你心疼的Token账本——你关上之后,就再也没有打开过。

§TOC9-6§

本章小结

1. Token的直接成本是明账——不做的隐性成本是暗账。暗账比明账贵得多。
2. 隐性成本有四笔：人才流失、认知落后、组织僵化、机会错失——这四笔相加，远胜过主动拥抱改变的投入。
3. 文化溢价公式：组织AI能力 = Token投入 × 文化效能。 文化效能每提升0.1,Token的产出效率提升约30%。
4. 瑞安医药CFO的转变——从”怎么量化”到”有些价值量不出来”——是文化转型真正发生了的标志。
5. 文化不是成本——文化是所有投资的投资。

§TOC9-7§

📚 延伸阅读

• 《基业长青》 — 吉姆·柯林斯。理解那些穿越周期的企业——它们都有一件事做得特别好：在文化上投资。
• 《战略是什么》 — 迈克尔·波特。文化溢价不是效率提升——是战略差异的来源。没有文化,你永远在做”和别人一样的事,更便宜”。
• 「18个月后：瑞安医药AI转型复盘全记录」 — 树懒老K·慢读经典专题。包含完整的预算执行报告、KPI变动数据、员工访谈摘要。

📌 最后的工具：

关上账本。然后，卷起袖子。

祝你早日关上你自己的Token账本。

—— 树懒老K（拙一），2026年

— 附录 —

使用对象：企业创始人/CEO/董事会成员 使用场景：与合伙人、董事会成员沟通AI转型方向 预估耗时：15-30分钟阅读，2-3小时闭门会执行

§TOC10-1§

一、准备阶段：你需要先回答的三个问题

在找任何人聊AI转型之前，先自己回答清楚这三个问题：

1. 我们为什么要现在做？（不是因为别人做了——是因为我们有什么具体的业务痛点AI能解决？）
2. 我们想做到什么程度？（全员Agent？还是先一个部门试点？）
3. 我们能接受多大的试错成本？（时间和金钱两个方面）

这三个问题的答案不完美也没关系——但要有。没有它们，你无法在董事会/合伙人面前回答任何追问。

§TOC10-2§

二、认知校准闭门会议程（2-3小时）

§TOC10-3§

三、关键对话设计

场景演示：15分钟自己动手

提前为每个人准备好一个真实的业务场景+一个AI工具账号：

核心议题对话话术

当有人问「这钱花得值不值」时——

“我先说我不知道的事：我不知道具体哪个月能看到ROI回正。 但我知道的事：我们的竞争对手开始动手了；我们的年轻员工在面试时会问’你们有AI工具吗’；我们内部的流程效率有改善空间。

共识文档模板

闭门会结束后，每人填写一份：

<span style="font-size:0.5pt;">§TOC10-4§</span>
## AI转型责任清单

我负责的领域：______________

我认为AI应用优先级：
P0（必须做）：______________
P1（可以试点）：______________
P2（以后考虑）：______________

我判断成功的三条标准：
1. ______________
2. ______________
3. ______________

我承诺的参与方式：______________

§TOC10-5§

四、常见异议的应对

使用对象：部门总监/部门负责人 使用场景：向老板/管理层提交AI试点方案 填写时间：大约1-2小时

§TOC11-1§

一、痛点陈述

我们团队当前最痛的一个业务场景：

（用3-5句话描述痛点，聚焦在——目前花的工时、出错率、对团队效率的影响）

目前这个场景的投入：

§TOC11-2§

二、AI解决方案初探

如果我尝试用一个AI工具来解决它：

（用1-2句话描述预期——不需要确定，是”我觉得可以试一下”）

示例：”我想先用AI做一个邮件分类小工具——把邮件内容输入后自动建议分类标签，人工审核确认后发送。先不追求全自动——半自动就行，帮我们省50%的阅读时间。”

预期效果（保守估计，不需要夸大）：

• 效率提升：___%
• 质量改善：___%
• 团队受益：___

§TOC11-3§

三、需要什么支持

§TOC11-4§

四、风险提示

§TOC11-5§

五、老板签字栏

使用对象：全员（尤其非技术背景员工） 学习时长：每天约20分钟 前置要求：不需要写代码，不需要懂算法

§TOC12-1§

第1天：什么是AI Agent——用一次就懂

任务： 用AI完成一次最简单的工作任务。

可选场景（三选一）：

• 写一封工作邮件： 给AI描述客户的情况，让它帮你写一封回复邮件
• 做一个会议摘要： 把上一条你参加会议的录音文字或笔记扔进去，让AI帮你写一个摘要
• 查一个数据： 把一份数据扔进去，向AI问三个关于数据的问题

关键词： 不需要一次就做对——先试试”它能做到什么程度”。

§TOC12-2§

第2天：学会提问——给AI一个清晰的问题

任务： 读以下三个提问的例子，然后自己写三个。

练习： 选你明天要做的一个工作——把它写成三个”AI能帮我做的事”的提问。

§TOC12-3§

第3天：学会判断——AI给的答案能用吗？

任务： 让AI做一件事，然后对它给的答案做三件事：

1. 判断准确性： AI给的数据/陈述有没有明显错误？
2. 判断完整性： AI给的信息够不够用？有没有遗漏关键部分？
3. 判断可用性： 你会不会直接用AI的答案？需要修改哪些部分？

重要原则： AI不是100%准确的——它的价值不是”完全替代你做判断”，是”帮你省掉80%的重复劳动，你把最后的20%判断做对”。

§TOC12-4§

第4天：让AI帮你做一份周报

任务： 把你这周的工作内容整理成要点，扔给AI，让它帮你写一份周报。

对比： 写完后对比你以前自己写周报的时间和这次花的时间。

技巧： 你给AI的信息越多、越具体，它写出来的周报越接近你想要的风格。如果你觉得风格不对，告诉它”重新写——更简洁一点”或者”更正式一点”。

§TOC12-5§

第5天：发现你工作中的”AI时刻”

任务： 记录你一天的工作，找出三个”AI可以做的事”。

常见”AI时刻”清单：

输出： 写下三个”AI时刻”和对应的AI任务。

§TOC12-6§

第6天：教一个人——把你会的分享出去

任务： 花10分钟教一个同事你已经学会的一个AI用法。

不是因为你已经是专家——是因为教一次=你自己记住的概率翻倍。

教的方式：让对方看到你操作的整个过程，然后让对方自己试一次。

§TOC12-7§

第7天：形成自己的”AI工具箱”

任务： 列出你工作中最常做的5-10个任务，在每个任务旁边标注——

目的： 不是让AI做所有事——是让AI做你不想花时间做的事，然后你把时间花在AI做不了的事上。

§TOC12-8§

后记

7天不是终点——7天后你会发现：你不需要再”学AI”了。你只需要在每一次想”这个事好烦”的时候，问自己一个问题：

这个问题的出现频率，就是你在AI时代的学习进度。

使用对象：中层管理者 使用场景：向老板/CEO争取AI试点的预算、时间、支持

§TOC13-1§

场景一：第一次争取尝试的机会

老板可能的回应： “你先把现在的业务做好，AI的事以后再说。”

不推荐的说法：

“AI是大趋势，我们不做会落后。”

（太虚——老板每天听这种话三次）

推荐的话术：

“张总，我不建议做一个大项目——我想先试一件最小的事。 我们团队每周花大约XX小时在做XX事（说一个具体的、高频的、重复性的工作），我想用AI工具试一下能不能把这个时间降下来。 不需要额外预算，不需要IT支持，就用现有的工具，试两周。 成了——我们可以讨论怎么推广。 不成——我们损失的也就是两周内我的团队投入的几小时时间。”

核心逻辑： 压到最小规模——不砸钱、不铺人、不承诺结果。让老板只能点点头说”那你试试”。

§TOC13-2§

场景二：争取小额预算

老板可能的回应： “试不试无所谓，但要钱的话——先放一放。”

不推荐的说法：

“这是一个每年XX万的平台订阅，能帮我们省XX人力。”

（预算太大了——老板不会为一个不确定的事批XX万）

推荐的话术：

“这个工具第一个月是免费的，我先带两个人试用一个月。 一个月后我给你看三个数据： - 我们用这个工具做了什么 - 它帮我们省了多少时间 - 如果不继续用，我们损失了什么 到时候你看了数据再决定要不要付费——第一个月免费。”

核心逻辑： 免费试用+数据说话——把决策风险从老板身上转移到”试用数据”上。

§TOC13-3§

场景三：老板问”效果怎么样”

老板可能这样说： “搞了一个月了，AI在哪？我怎么没看到效果？”

不推荐的说法：

“还在测试阶段——AI的效果需要时间才能显现。”

（太含糊——老板听到的是”没出东西”）

推荐的话术：

“这个月我们做了三件事： 第一——我们选了一个最小的场景做试点（XXX），AI帮我们把XX这件事的时间从XX小时降到了XX小时。 第二——我们在试的过程中发现了一个没想过的用法（XXX），团队成员自己发现的。 第三——下个月我们打算在XX场景上也试一下，因为发现AI在那方面也能帮上忙。 我没法说’效果已经回正了’——但我们可以说’方向是对的，我们有数据支撑’。”

核心逻辑： 给三个具体的、可验证的进展——不是笼统的”还在推进”。第三个信息是最重要的——“自己发现的”比”按计划完成的”更能证明团队在运转。

§TOC13-4§

场景四：扩大试点范围

老板可能这样说： “目前就那几个人在用——什么时候能全部门推广？”

不推荐的说法：

“还需要更多时间磨合——先别急。”

（听起来像拖延）

推荐的话术：

“目前有XX人在活跃使用，占比大约是XX%。 我觉得现在推广到全部门的时机还没到——因为还有两个问题要解决： 第一是——XX场景的AI工具还需要迭代一次，目前准确率是XX%,目标要达到XX% 第二是——我们的考核指标里还没有’AI探索’这一项——如果全部门推广，我需要一个过渡期，让大家有试错空间。 我建议再给X周时间，等这两个问题解决了再推开。”

核心逻辑： 不是”拖延”——是”有计划地推进”。给出具体的待解决问题和解决方案。老板要的不是”马上推”——是”你对节奏心里有数”。

§TOC13-5§

场景五：争取探索保护期

老板可能这样说： “搞AI可以，但不能影响现有的KPI。”

不推荐的说法：

“做AI肯定会影响KPI——你总要给一些缓冲吧？”

（听起来像在讨价还价）

推荐的话术：

“我理解——季度KPI不能受影响。我建议这样：我先选一个人，让他在完成KPI的前提下，每周抽XX小时试AI。我亲自跟进——如果发现试AI影响了KPI，我第一个停下来。 给我两个月——我会拿数据告诉你：AI到底是帮我们省时间了还是浪费了时间。’ 两个月后如果没有出结果——我接受暂停。”

核心逻辑： 把”保护期”包装成”一个有限范围的实验”——老板看到风险可控，容易接受。而且”没有结果就停”这个承诺，打消了老板”会不会变成无底洞”的顾虑。

§TOC13-6§

话术工具箱：三个万能句式

当老板问任何你没有准备好的问题时——用这三句中的一句：

句式一：先承认，再展开

“这个问题我目前没有完整的答案——但我可以分享一下我们目前看到的数据：…”

句式二：转换到最小可控范围

“要不这样——我们先在XX范围内试两周，看看数据再定？”

句式三：把压力转化成计划

“目前最大的风险不是XX（老板担心的那个），是我们还没有足够的数据来判断XX。所以我建议我们先花X周收集数据——然后给你一个准确的判断。”

本附录整理了全书各章涉及的延伸阅读条目（完整版）、核心参考文献（按类型分类）以及树懒老K相关专题的完整索引。

§TOC14-1§

一、各章延伸阅读（完整版）

第1章 Token账本

• 《创新者的窘境》 — 克莱顿·克里斯坦森. 中信出版社, 2017.
• 《变革的基因》 — 杨国安. 中信出版社, 2019.
• 《Token账本专题：文化账比技术账更值钱》 — 树懒老K·慢读经典

第2章 认知不对称

• 《创新者的窘境》 — 克莱顿·克里斯坦森
• 《思考，快与慢》 — 丹尼尔·卡尼曼. 中信出版社, 2012.
• 「老板需要知道AI的什么——高管认知校准清单」 — 树懒老K·慢读经典

第3章 中层的沉默

• 《变革的基因》 — 杨国安
• 《领导者的资质》 — 稻盛和夫
• 「中层不死：AI时代管理者的新角色（全三期）」 — 树懒老K·慢读经典

第4章 员工的焦虑

• 《无畏的组织》 — 埃米·埃德蒙森. 机械工业出版社, 2022.
• 《刻意练习》 — 安德斯·艾利克森. 机械工业出版社, 2017.
• 「AI时代的员工焦虑：学习悖论图解」 — 树懒老K·慢读经典

第5章 制度第一刀

• 《驱动力》 — 丹尼尔·平克. 浙江人民出版社, 2009.
• 《重新定义公司》 — 埃里克·施密特. 中信出版社, 2015.
• 「Agent工分制度设计实操指南」 — 树懒老K·慢读经典

第6章 中层不死的逻辑

• 《超智能》 — 托马斯·马隆. MIT Press, 2018.（中译本待出版）
• 《第二次机器革命》 — 埃里克·布林约尔松. 中信出版社, 2014.
• 「中层不死专题（全三期）」 — 树懒老K·慢读经典

第7章 人人Agent

• 《低代码开发：人人都是创造者》 — 相关案例集
• 《人机共舞》 — 托马斯·达文波特
• 「从3个到89个：人人Agent推行完整记录」 — 树懒老K·慢读经典

第8章 四个失败案例

• 《变革之心》 — 约翰·科特. 机械工业出版社, 2014.
• 《创新的两难》 — 克莱顿·克里斯坦森
• 「AI转型失败的七个症状——你的企业中了几个？」 — 树懒老K·慢读经典

第9章 长征路线图

• 《精益创业》 — 埃里克·里斯. 中信出版社, 2012.
• 《跨越鸿沟》 — 杰弗里·摩尔. 机械工业出版社, 2009.
• 「AI转型18个月路线图完整版（含模板）」 — 树懒老K·慢读经典

第10章 关上Token账本

• 《基业长青》 — 吉姆·柯林斯. 中信出版社, 2002.
• 《战略是什么》 — 迈克尔·波特. HBR, 1996.
• 「18个月后：瑞安医药AI转型复盘全记录」 — 树懒老K·慢读经典

§TOC14-2§

二、核心参考文献（按类型分类）

行业报告

学术论文与书籍

§TOC14-3§

三、树懒老K公众号专题索引

扫码关注公众号「树懒老K · 慢读经典」，回复括号内关键词获取

感谢你读完《Token账本》。

以下资源免费向本书读者开放。

§TOC15-1§

工具资源清单

§TOC15-2§

配套专题文章

通过公众号「树懒老K · 慢读经典」，回复以下关键词可获取与本书配套的深度专题文章：

§TOC15-3§

如何获取

方式一：扫描封底二维码 关注公众号「树懒老K · 慢读经典」，回复以上关键词直接获取。

方式二：访问作者网站 打开 https://wangguobao0215.github.io/ → 「工具箱」页面 → 找到「Token账本」读者专区。

方式三：预约咨询 如果你的企业在AI转型过程中遇到困惑——欢迎通过公众号预约一次30分钟的免费咨询沟通。

再次感谢你购买本书。树懒老K写给你的不仅是知识——是一套可以在你的组织中落地的工具和方法。

祝你早日关上你自己的Token账本。

—— 树懒老K（拙一）