WorkBuddy在短短的几个月时间，DAU（日活跃用户）1300万+、MAU超2000万，一跃成为行业黑马，远超第2名+第3名之和！这里有何秘诀？在腾讯 WorkBuddy （上海）大会现场，腾讯“不小心”透露出几条秘诀，即九大共识、四大原则、一个飞轮。

图1：腾讯 WorkBuddy 大会现场 

九大共识分别是：

•  没有旁观者，只有进化者与淘汰者，AI 时代能力即门票

•  传统信息化靠少数 IT，AI 生产力靠全员创造，变革级别等同工业革命

•  传统需求数月排期，今天人人自主实现需求、自主落地场景

•  微信一键连人，AI 一键成事。一键创作、一键干活、一键出成果

•  变革要从内部打破，先开始、先思考、先用起来，不等端到端的固定方案

•  新带老反向赋能，新脑子带老经验，以一带十实现组织全面升级

•  三层淘汰逻辑：基层被同事替代、中层被岗位替代、高层被市场替代

•  选型优先成熟生态，不做新厂商试验小白鼠，不追新工具试错

•  AI 价值由实战定义，不由厂商定义，由使用者、由企业实战定义

九条原封不动搬过来，大家自己细品。我的感想之一：AI 在企业落地，不是下载个 AI 工具、接上大模型就能给企业全面、体系化的革新或变化。

理由是：AI 科技公司不懂客户的业务痛点，广大企业又没有 AI 深度应用能力，两边都够不着。工具就停在工具那一层，落不进业务。要补上这段，只能共创。企业方出业务专家，AI科技公司出懂产品懂 AI 的人，根据企业实际业务情况一起做，在国外叫FDE。

图2：企业 AI 转型四阶段（图为AI，原图禁止拍照，见谅）

具体怎么走？腾讯AI南区孟总提出"AI 转型四阶段"：

第一阶段，混沌试错期

IT 接入深度大概 5%。能做的就是试。画图、写文档、做点小工具。经验点是验证哪些人工繁琐场景值得入系统。这一阶段就一个标准，先开始，先用起来。

很多人在这阶段卡住，是因为太想找"对的方向"。其实第一阶段的任务就是错。错得快、错得便宜，错完知道哪条路不通，就是赢。这一阶段不是发现机会的阶段，是排除幻觉的阶段。那些看起来很美的 AI 场景，到底真不真，做一遍小测试就知道了，这个是目前所有企业都在尝试的阶段。

第二阶段，单点事务提效期

IT 接入深度 15%。能做的事情：会议纪要、合同初稿、资料检索、周报整理。都是事务性、规则性比较强的活。但有一条红线。账套计算、订单流转、系统配置这种流程性强、影响大的活，AI 先不要碰。让 AI 先做那些错了能改回来的事，别让它去碰错了改不回来的事。

怎么判断一件事能不能交给 AI？我的标准是三个。

第一，错了之后能不能回滚。

第二，错了之后损失大不大。

第三，对了之后是不是可重复。

三个都满足，可以做。任意一个不满足，先放着。这三个标准比"AI 能不能做"更靠谱，因为"能不能做"和"该不该做"是两件事。也许有些反应过来的同学已经知道，ERP哪些场景能用AI，哪些场景不能用AI的结论了。

第三阶段，企业智能体创建与下发期

IT 接入深度 35%。这一步是把业务系统封装成可调用的智能体，通过助理下发，给各部门员工一个入口，全员触达。员工一句话就能调用企业能力，业务系统在背后变成智能体的接口。这一步的关键是让员工用得起来，不是让 IT 多一个工具。

智能体下发，难的是接口对齐。每个业务系统自己一套数据字典、一套权限模型、一套调用规范。要把它们封装成一句话能调用的智能体，中间得做大量翻译工作。这部分活，业务专家得全程跟着，因为只有业务专家知道一个名词在不同部门是不是同一个意思。我见过N个项目，"收入"这个词在销售系统、财务系统、管报系统里指的范围、含义都不一样，最后是业务专家把语义对齐，技术才把接口对接上。

第四阶段，深度协同 IT 架构期

IT 接入深度 55%。定位很清楚。AI 输出策略参数，IT 系统确定性落地。绝对禁止的做法是，抛开 IT 底座用大模型去替代流程性语言。企业那套核心账务、订单、库存的流程，不能让大模型直接生成代码接管。风险太大，谁来兜底？

到第四阶段，企业容易有一个错觉，觉得 AI 能直接替代 IT 部门。甚至许多老板觉得AI来了，什么软件都可替代掉，切记，这个想法风险很大！AI 给的是参数和建议，最终落地是 IT 系统按规则执行。AI 是参谋，IT 是执行。参谋可以反复出错，执行不能。这个分工要是混了，企业的核心流程就要出问题。执行完还要有人复核、校验，这一步不能少！

同时，孟总提出，AI应用落地还有三条原则。

第一条，确定性流程为主，AI 在外面围着转。

第二条，代码场景，AI 可以从零到一深度参与。

第三条，因地制宜，不强行替代。

我觉得这三条是“四阶段论”能走对的前提。

另外有一点要讲清楚。四阶段不是线性爬升，是层层叠加。第二阶段做的事在第三阶段还在做，第三阶段做的事在第四阶段还在做。IT 接入深度从 5% 到 55%，加的不是 AI 本身，是把 AI 接进业务系统的那一层厚度。这一点想不明白，企业容易把四阶段当成四个项目分别立项，做完一个撂一个，最后什么都没沉淀下来。

阶段不是台阶，是地基。每盖一层，下面那一层就压实在了，不能拆。这是企业 AI 落地和传统 IT 项目最大的区别。

图3：从混沌试错到深度协同，企业 AI 落地四阶段路径示意

四阶段的核心，是共创。传统ERP经历几十年的发展，每个行业都适配的模型，个性化的需求稍微配置下就能满足。但AI时代不同，AI每天都在迅速发展，能力也不断强大，但能解决企业多少问题、多大的问题，不确定。如果像传统ERP的落地模式：推一个 AI 产品，PPT 漂亮、Demo 流畅，落地一定会卡住。卡的不是技术，是科技公司不知道这家企业的业务到底怎么走、卡点在哪、哪一步必须人审。业务方呢，知道自己的痛，但说不清 AI 能在哪一步接手、接多少、风险怎么控。两边一对接，话都对，活儿对不上。

图4：业务专家（橙）与 AI 技术伙伴（蓝）共创 — 业务出场景，技术出落地

共创的意思是：业务专家和 AI 科技公司坐一起，从最小的一个场景开始。业务方出场景、出规则、出兜底，科技公司出产品、出技术、出落地经验。一个点先做通，验证完，再往下一个点铺开。以点带面，以面成体，慢慢形成飞轮。

这里有个细节。业务专家不是提需求的人，是懂业务卡点的人，因为他懂业务但在AI场景不一定能提出正确的需求。科技公司也不是卖工具的人，是懂怎么把 AI 接到业务流程里的人，无论是通过Skill还是智能体。这两种角色定位错了，共创就变成传统外包关系，那 AI 就还是落不进去。

谁是甲方谁是乙方不重要。谁是这个事的脑子才重要。脑子在谁那，责任就在谁那。

飞轮效应

传统那种业务方拿着一份需求清单给科技公司，科技公司按清单交付，交付完验收，验收完走人的做法有弊病。因为这种关系下，AI 工具进了企业，但是没进业务。一线员工不会用，IT 部门也接不上，半年之后基本就是闲置。问题在过程里没有业务专家和技术的来回磨合，工具和业务没长到一起。

AI 生产力靠全员创造。飞轮能转起来的前提，是让一线员工真的把 AI 用起来，而不是 IT 推一个工具员工来用。一线用起来了，需求就回流到 IT，IT 把能力沉淀到智能体里，员工下次用得更顺。这个回路通了，飞轮才转得动。

飞轮转不动，通常卡在两处：

一是员工用了 AI 但反馈没人接，反馈断了，飞轮就停。

二是员工反馈了但 IT 接不上，IT 没人没预算没排期，回流堵住，飞轮也停。这两个堵点都得在共创阶段提前做好思想准备。业务方要预留一线反馈机制，科技公司要帮 IT 部门搭好承接的接口。这一段不做，飞轮永远在第一圈转完就停。

飞轮不是造出来的。是有人用着用着，工具自己变成了流程。设计出来的飞轮是 PPT，长出来的飞轮才是企业能力。

飞轮转起来后还有一个结果。员工对 IT 的预期会变。以前员工提需求要排队等 IT 开发，现在员工自己用 AI 智能体把 80% 的事办了，剩下 20% 才回流到 IT。这等于把 IT 从接需求的位置变成了沉淀能力的位置。这个位置变了，企业的 IT 投入产出比才会改善。

图5：业务系统封装为智能体，员工调用回流到 IT，飞轮自转

回到开头的九大共识。最后一条说，AI 价值由实战定义，不由厂商定义。怎么算实战？三个数字：成本降了多少、收入涨了多少、整体效率提了多少。其他都是过程。

还有一个判断标准很多人没意识到。看一年后这个 AI 工具还在不在用。一年后还在用，说明工具长进了流程。一年后没人提了，说明那个项目只是个发布会。这个时间维度比任何 ROI 计算都准。

做企业落地的看自己企业的成本账、收入账、效率账。AI 在企业落地，目的不是让某个人提效，是让企业整体效率提升、成本降下来、收入涨上去。做到这三条，这事才算真做了。做不到，再多共识也只是大屏上的数字。

AI 不是工具，是镜子。它照出来的不是技术，是企业自己。企业业务流程顺不顺、组织协作畅不畅、员工习惯新不新，AI 一接进去，全部照出来。

-END-

阅读原文：点击这里​