很多人对AI失望，是因为只把它当作临时工，而非正式员工。本文深入剖析AI使用的十个等级，指出真正的价值在于将AI嵌入固定工作流，而非零散的单点任务。从内容生产到项目开发，作者展示了如何训练AI成为稳定的生产系统，并探讨了未来一人公司与超级团队的组织形态。

最近我越来越觉得，很多组织对 AI 的失望来得太早。

很多人还没有给 AI 一个可以提效的环境。

现在最常见的用法，还是写材料、改文案、查资料、生成几段代码、做一页 PPT。单看每一步都有帮助，放进组织里却很难改变什么。流程照旧，审批照旧，文件照旧在不同系统里来回传。

这就像给一个新员工一张临时工牌，只让他在门口递材料，然后抱怨他没有改变公司。

AI 要真正产生价值，必须进入工作流。否则它只是一个聪明的外包窗口。

大多数人还在低阶使用

数字生命卡兹克写过一篇文章，把 AI 使用者分成 10 个等级。这个框架有价值，因为它跳出了 Prompt 技巧，直接看一个人有没有搭建稳定生产系统的能力。

知识库、工具调用、工作流、反馈循环、多 Agent 协作、真实业务闭环，这些东西才决定一个人的 AI 使用水平。

按这个标准看，很多人还在 3 级、4 级、5 级附近。

他们会问问题，会让 AI 写文档、改表格、补代码。但这些动作是零散的。每次都要重新解释背景，每次都要人工整理资料，每次都要把输出复制到下一个系统。

这类用法有帮助，但上限很低。它只能加速单个动作，很难提升整条链路。

真正的差距在这里：AI 有没有进入你的固定工作流。

写代码不等于跑通闭环

很多人评价 AI，喜欢看它能不能写代码、回答问题、生成文章。

这些只是单点能力。

让 AI 写一段代码，离完成一个项目还很远。真实项目要读需求、看仓库、改文件、跑命令、处理报错、提交变更、部署上线、验证结果。中间任何一步断掉，都不能叫交付。

写文章也是一样。正文只是其中一环。真正的发布流程包括选题、标题、结构、资料核查、配图、平台版 Markdown、个人博客同步、多平台草稿分发、发布前检查、长期归档。

AI 只能写正文，它就是写作助手。

AI 能从口述想法开始，完成调研、起草、配图、归档、同步和草稿分发，它才接近数字员工。

低阶使用，是让 AI 做一个动作。

高阶使用，是让 AI 接管一段流程。

更高阶的使用，是让 AI 在一个持续积累的系统里，长期负责一类工作。

组织真正卡在工作流

我观察到一个现象：很多央国企、传统机构的技术部门，对 AI 的使用还比较浅，甚至还在排斥AI，不相信AI可以做到产出。

这不是个人能力问题。很多人业务经验很深，流程也很熟。

真正的问题是组织惯性。流程能跑，审批能走，交付标准清楚，大家就缺少重构工作方式的动力。稳定当然重要，但稳定久了，也会变成舒适圈。

AI 对这类组织最尴尬的地方在于：它不能简单贴在旧流程旁边。

员工偶尔问几句 AI，效率不会发生质变。真正拖慢组织的，通常是信息分散、系统割裂、权限复杂、沟通链条长、资料无法复用、上下文每次重建。

AI 要进到这些地方，才有机会改变效率。

它需要读业务文档，知道项目历史，调用工具，访问合规范围内的数据，理解哪些事可以自动做，哪些事必须请人确认。更重要的是，它要能在一次次交付里沉淀经验。

否则每次打开 AI，都像重新带一个新人上岗。

数字员工不是买回来就能干活

很多人对 AI 的期待很矛盾：希望它像员工一样创造价值，却不给它员工该有的资料、权限、流程和反馈。

这就像招了一个斯坦福学生，第一天把他扔到工位上，然后问他为什么还没给公司创造利润。

再聪明的人，也需要理解业务、拿到权限、学习文档、熟悉协作方式、接收交付反馈。

AI 也是这样。

只给它一个聊天框，它就只能聊天。给它知识库、工具、业务说明、执行边界和反馈机制，它才会变成一个工作节点。

这一步很关键。很多组织买了 AI，却没有“培养”AI。最后得到的结果自然很浅。

为什么有些人已经进入 7.5 到 8 级

按卡兹克的 10 级框架，我不敢说自己到了顶级。但在一些垂直场景里，我已经能跑通接近 7.5 到 8 级的闭环。

比如内容生产。

我现在不是让 AI 写一篇文章。我的流程是：口述想法、理解观点、查资料、写主稿、生成平台版 Markdown、准备配图、同步个人博客、推到多个平台草稿箱、检查每一步状态。

这已经接近内容生产与分发系统。

再比如开发项目。

AI 可以进入仓库，读代码，改文件，跑命令，处理报错，启动本地服务，部署上线，再用浏览器验证页面能不能打开。

这已经接近从需求到交付的工程闭环。

很多人觉得 AI 不能真正工作，是因为他们只把 AI 用在零散任务上。把知识库、工具、流程、验证、反馈接起来之后，AI 的形态会完全不同。

预算也会暴露认知

还有一个很现实的指标：预算。

不是订阅越多越先进。但一个团队如果到现在还主要依赖免费额度、临时试用、员工自费账号，基本说明 AI 还没有进入正式生产体系。

模型订阅、工具订阅、云端算力、知识库系统、自动化平台、数据治理，这些已经是新的生产资料。

嘴上重视 AI，却不给预算、不给工具、不给试错空间、不给流程改造权限，最后只能得到玩具级使用。

高效率团队早就跨过了“AI 能不能用”的阶段。他们讨论的是流程怎么重构，岗位怎么增强，交付怎么自动验证，知识怎么沉淀，重复三遍的事情怎么 AI 化。

很多传统组织还在问：能不能写材料，会不会泄密，是不是泡沫。

这些问题都该问，但不能只问这些。

高效率组织已经不在同一条路上

AI 会放大组织之间的效率差距。

过去的差距可能只是流程慢一点、系统旧一点、沟通成本高一点。AI 时代，这些差距会变成复利。

高效率组织会把交付沉淀成模板，把经验沉淀成知识库，把重复动作接进自动化，把可验证结果交给 Agent 检查。

低效率组织继续在旧流程里流转文件、开会同步、人工复制粘贴、反复解释背景。

大家都说自己在用 AI，但结果完全不同。一个在训练数字员工，一个在调用智能客服。

未来的竞争，是 AI 工作流的竞争

我不认同“AI 还不能像数字员工一样提效”这个判断。

裸用 AI，确实很难。

被工作流、知识库、工具权限和反馈机制训练过的 AI，已经能在很多场景里承担真实工作。

未来有竞争力的人，会设计 AI 工作流。未来有竞争力的组织，会把 AI 嵌入业务流程、交付系统和组织知识。

再往后看，组织形态也会变。

现在很多人在探索 OPC，One Person Company，也就是“一人公司”。它的核心是：一个人调度一组 AI 工具和 Agent，完成过去需要小团队才能完成的研发、运营、内容、销售和交付。

但一人公司不一定适合所有阶段。它更适合早期验证和试错，因为沟通成本最低，一个人可以直接和 AI 协作，把想法快速跑出来。

当市场验证成功之后，下一步可能不是回到传统大公司，而是形成 OPT，也就是超级团队：多个具备 AI 工作流能力的一人公司或超级个体组合起来，承担更复杂的交付、增长和风险。

未来的高效率组织，未必长得像今天的大公司。它可能更像一组高密度的个人节点，每个节点都有自己的 AI 工作流，彼此之间通过标准化接口协作。个人先被 AI 放大，再通过 OPT 重新组织起来。

所以，真正的分水岭已经从“用不用 AI”，变成了“会不会训练 AI”。

新的分水岭是：你有没有能力把 AI 训练成稳定的生产系统。

别人已经在训练数字员工了，很多人还在问聊天框能不能写材料。

参考资料：

• 数字生命卡兹克：《观察了三年，我把所有人用 AI 的水平分成了 10 个等级。》
• McKinsey：《The State of AI: Global Survey 2025》
• McKinsey Global Institute：《The economic potential of generative AI》
• Federal Reserve Bank of St. Louis：《The State of Generative AI Adoption in 2025》
• 新华网：《从“盆景”到“雨林” 央企“人工智能+”从何发力？》
• 新华网：《就业新机遇丨当 OPC 遇上 AI 看“超级个体”创业背后的新生态》
• 华为企业业务：《华为携手伙伴联合发布 OPC 产业赋能解决方案》
• 尚晶 SJ：《对话腾讯 WorkBuddy 首位产品经理：火爆增长背后的 AI 哲学》