这两天，我在推进一些数据类 Agent 的构建。前两天也跟 VP 汇报了 AI 在智能运营中的应用。与此同时，团队里有些同学已经把 AI 用得比较熟练了，日常不再只是拿它搜索、问问题，而是开始让它承担一些具体工作。
但把这几件事放在一起看，我有一个困惑：越来越多的人迈过了使用门槛，个人熟练度也在提高，为什么企业的经营效率、商业收入，或者团队的绩效表现，还没有出现特别明显的变化？
这只是我目前的观察，还不足以说明 AI 没有带来价值。有些收益需要时间，也未必会立刻体现在经营结果上。但它至少让我开始怀疑一个过去觉得顺理成章的想法：让每个人都用起来，再让他们用得更深入，组织层面的 AI 落地能力就会跟着长出来。
现在看，中间这一步不会自动发生。
个体效率与组织效能之间的转化断层
个人使用 AI，我们最常琢磨的是怎么写好提示词，怎么保存和应用自己的上下文，怎么让几个 Agent 配合着完成一个长周期任务。这些能力当然有用，做到深处也不简单。但它们大多围绕一个中心展开：我怎样把眼前的工作做得更好、更快。
企业面对的问题变了。到底哪条业务流程值得改？把 AI 放进去以后，谁的工作会减少，谁又需要增加判断和检查？内部团队能不能持续使用，外部客户能不能依赖它获得服务？最后改善的是某个环节，还是整条流程的结果？
假设一个数据分析场景。过去同学要花不少时间查数、整理、写出分析，现在 AI 很快就能给出一份结果。这是个人层面的进步。但如果后面仍要反复确认指标口径，等其他人核对数据，再讨论建议能不能执行，那么分析稿生成得快，并不意味着经营动作也能更早发生。
甚至可能只是把等待从前面挪到了后面。要判断组织有没有提效，还得把核对、返工和跨团队沟通的时间一起算进去。
这未必是我们目前遇到的具体原因，但它说明，局部任务做快了，和组织整体变快了，中间还有一段距离。
所以，这两件事不能只用“熟练程度不同”来解释。从 AI 的技能树来看，它们的加点方向就不一样。一边主要训练人与 AI 配合完成任务，另一边需要重新理解业务流程，并让这条流程在多人协作中稳定运转。
我在《AI 提效的四个误区》里写过，单点提效可以靠个人学习推进，流程和组织提效却涉及组织能力建设。这次的观察让我又往前想了一步：既然要建的是不同的能力，就不能假定前一种练熟之后，会自然升级成后一种。
能力分野：人机协作与系统构建
还是以数据 Agent 为例。自己用时，我知道某个指标是什么意思，也可能看一眼就知道答案哪里不对。必要时补一句背景、换个问法，事情就能继续往前走。
放进企业流程，这些“我知道”就不能一直靠使用者临场补充。指标的定义从哪里来，业务知识由谁维护，不同人的权限如何区分，数据缺失或口径冲突时怎么办，都需要明确安排。否则看上去是 Agent 在工作，实际却需要一个熟悉内情的人一直守在旁边。
架构和技术选型也是为这些问题服务的。MCP 怎么接工具，Skill 怎么承载业务知识和任务要求，插件体系怎样组合，这些都重要。但选择它们之前，应该先知道自己要解决哪个流程问题，以及哪些环节出错后不能让系统继续往下跑。
评测同样不能只给 Agent 出几道题，看看答得像不像。要用真实业务问题建立基准，知道哪些结果可以接受，哪些错误必须拦住；换了模型或调整了知识以后，还得知道原来能做对的事情有没有做错。通过这些检查后，还要回到流程里看，它究竟有没有减少等待和返工、改善交付。
这些工作和个人会不会写好一个提示词，有关联，但不是同一道题。一个回答让我满意，和一项能力可以持续交给团队、交给客户使用，中间需要补上的东西很多。
如果把企业 AI 落地理解成个人使用技巧的进阶版，我们就容易一直在教大家更好的用法，却没有人去补这部分能力。
反过来看，还有一个现象也让我在意。有些同学做过不少企业 AI 项目，谈起 Agent 架构、工具接入和插件生态的技术选型都有经验，但他们自己日常使用 AI 的熟练度，未必排在最前面。
这不能反推成“个人用得少也没关系”。缺少实际使用，容易对模型能力和用户体验判断失准。只是它提醒我，个人熟练度不是企业落地能力的可靠替代指标。同样，能讲清技术架构，也不能代替业务结果。这两种能力各自都需要拿出证据。
组织能力建设，不能依赖个人经验的自然外溢
沿着这个思路，推动团队使用 AI 仍然要做，但不能把全部期待都放在这件事上。个人训练可以围绕自己的真实任务，练习给上下文、分配任务、检查结果。企业落地则要另外选出具体流程，把懂业务、懂系统、能验收结果的人放到一起，让他们负责跑通和持续改善。
比如要改的是数据分析流程，就得先说清楚，目标究竟是减少取数等待、减少口径返工，还是让分析结论更快进入运营决策。这几种目标需要改的地方不同，不能都用“同学们 AI 用得更多了”来回答。
这样看，组织要培养的也不只是几个 AI 使用高手。更需要有人能把个人探索中有效的做法接进业务流程，补上知识、稳定性和评测，并对最终效果负责。这件事需要专门去练，不能靠使用时长来等。
它有点像移动互联网刚来的时候。一个人把手机里的各种 App 玩得很熟，知道哪个产品好用、哪个体验差，不代表他就会开发 App，更不代表他懂得怎样连接用户、组织服务，或者用工业化的方式构建和评估一个业务。
使用经验能提供体感和灵感，但建设一套业务，需要另外一组能力。
被“懂 AI”掩盖的两条专业化路径
今天大家把这两组能力都叫“懂 AI”，容易以为它们只是同一条成长路径上的不同阶段。但个人使用 AI 的能力，和在组织中应用 AI 所需要的能力，有各自的知识结构和积累方式。它们可以相互借力，却不会随着个人熟练度的提高而自动完成转换。
所以，不能只等大家把 AI 用得越来越熟，就期待组织需要的 AI 能力自然长出来。我们要先认清，自己想培养的究竟是哪一种能力，又该往哪棵技能树上加点。