摘要：根据Anthropic首席产品官Mike Krieger的观点，当前企业应用AI的核心障碍不在于模型技术本身，而在于组织准备不足。具体挑战包括数据未整理成AI可理解的形式、权限设置不清、任务定义模糊以及责任边界不明。Anthropic的实践表明，当AI被设计为能够接管完整工作流的“智能体”（如Claude Agent SDK）时，其商业潜力巨大，相关工具曾实现年化营收超10亿美元。企业若想使AI在2026年“真正干活”，必须优先跨过组织层面的这道坎。
线索：
* 投资机会：专注于企业数据治理、流程自动化、权限管理以及AI工作流设计工具和服务的公司将迎来市场需求。能够帮助企业将模糊任务转化为AI可执行、可追溯的具体操作方案的解决方案，具备显著增长潜力。AI代理（Agent）在代码开发、系统运维、数据分析等垂直领域的深入应用，是明确的商业化方向。
* 潜在风险：企业若忽视内部数据整理、流程梳理和组织适配，盲目投资AI模型与算力，可能导致项目失败、投资回报率低下。AI应用落地的瓶颈从技术侧转移至组织侧，意味着单纯提供更强大模型的公司可能无法解决客户的核心痛点，其市场竞争力可能受到影响。
正文：
近期，许多企业在复盘时发现，尽管AI模型能力不断增强且相关预算已经投入，但业务成效并未发生显著改变。AI在回答问题时表现尚可，但在执行具体任务时常常中途受阻，原因可能包括找不到数据、无权限访问文件或流程中断。问题的根源被认为并非模型不够智能，而是企业尚未准备好交给AI处理的工作。
Anthropic首席产品官Mike Krieger指出，AI能否真正分担工作取决于企业自身。该公司在过去一年的企业部署中发现，真正的障碍在于组织层面。
当前，AI行业的一个普遍趋势是强调产品能否“真正干活”，而非仅仅展示模型的聪明程度。Anthropic将Claude定位为能接收并执行任务的“同事”，而不仅仅是聊天机器人。其早期产品Claude Code作为开发工具，可根据用户描述补全代码、搭建网页或生成演示，在发布半年内实现了年化营收超过10亿美元，客户包括Netflix、毕马威、Spotify、欧莱雅等。
在内部使用中，Anthropic发现许多团队让Claude接管整个工作流，例如将其作为系统可靠性工程师（SRE）监控系统、作为生物研究助手搜索文献和处理数据，或作为项目经理汇总并分发任务。基于此，Anthropic于2025年底将Claude Code更名为Claude Agent SDK，将其重新定义为能够接收指令、执行流程并交付结果的“角色单位”。其目标是构建支撑机制，使AI能够在更模糊的目标下自主推进并提交成果。
然而，能力具备后，障碍也随之浮现。许多企业误以为接入AI如同雇佣一名聪明的实习生，只需提供账户和指令即可。但实际上，AI表现不佳往往是因为企业给出的任务不清晰、提供的信息不充分。例如，若要求AI分析客户数据，它需要知道数据的位置和含义，而许多企业内部数据缺乏清晰的标签、注释和来源说明，文件命名混乱（如“Sheet3_Temp”），导致AI无法理解。
此外，AI需要相应的系统访问权限。许多公司的流程涉及跨越多个系统，文件需要审批，或流程本身未被有效梳理，使得AI无法获取必要的信息入口。Anthropic在协助客户时发现，这些表面上的系统、权限和流程问题，实质反映了组织未能厘清三个基本问题：让AI做什么？需要什么信息？完成后交付给谁？这是第一层挑战：准备好数据、权限和系统。
在数据与权限就绪后，第二层挑战在于“派活”的方式。AI不同于搜索引擎或问答机，它更像新入职的员工，需要明确的任务说明、资源路径和验收标准。低效的指令如“帮我做一份财报”，因缺乏上下文而难以执行。有效的指令应明确角色（如财务助理）、提供数据入口和权限、限定任务范围（如统计客户收入与退款差额）、并指定输出格式（如按Q4月度格式的表格草稿）。
Anthropic与GitHub合作的PR Agent即遵循此逻辑。当程序员在代码审查页面@Claude时，它会自动执行以下流程：审查代码并找出潜在问题、总结修改内容、提供改进建议、自动完成一轮修改。用户无需全程监督。该应用成功的原因在于：任务边界清晰（固定执行上述四件事）、权限设置到位（可读写代码库并提交结果）、执行流程稳定（审查→总结→建议→修改路径固定）。
关于责任归属，关键不在于AI能否“背锅”，而在于企业是否敢于为其划定明确的责任边界。在GitHub的例子中，Claude提交的代码修改有记录、可审查、有版本管理，出现问题可以追溯，这实质上建立了责任机制。Mike Krieger强调，AI应深度集成到实际工作流中，拥有明确的分工并能够交付结果，其关键在于组织是否愿意赋予其清晰的责任范围。
总结而言，技术层面已准备就绪。根据Mike Krieger的观察，核心瓶颈在于组织准备不足。进入2026年，企业需要审视：数据是否已理清？权限是否已开放？任务能否表述清楚？责任能否划分明确？只有当这四个问题得到解决，组织层面的障碍被跨越，AI才能从具备“会干活”的能力转变为在企业中“真干活”的工具。
发布时间：2025年12月29日 11:43:17
评论 ( 0 )