现在是企业 all in 大模型的好时机吗？

AI真的来了，这恐怕是过去一段时间里，每个职场人最真切也最焦虑的感受。

麦肯锡的数据摆在那里：在中国，大约有2.2亿个岗位可能被生成式AI等自动化技术重塑。受影响最大的十大职业中，IT和软件工程师排名第三——前两名分别是客户服务与销售、秘书与行政助理。

脉脉创始人兼CEO林凡在最近的一次演讲中直言：企业内某个工种一旦超过千人，就应该认真研究用AI提效。这话说得挺实在，而且大厂们已经在这么做了。程序员扎堆的巨头，尤其在编程AI大模型上，卷得不可开交。

先看几组数据：阿里云的“通义灵码”，原本耗时几分钟到十几分钟的API开发测试，现在能压缩到秒级，代码工作量直接节省70%以上；百度的“文心快码”，内部80%的程序员深度使用，单位时间提交代码数量增加35%，原本7天的活，现在5天搞定；蚂蚁的“CodeFuse”，约50%的程序员已经在用，AI生成代码占比超过10%。

StackOverflow的数据也印证了这一点：44%的软件工程师承认，在软件开发流程中，AI助手已经是不可或缺的一部分。

有意思的是，大家讨论“AI程序员”时的口风，好像悄悄变了。助手？我怎么记得之前聊的都是取代呢？这种口风变化，是程序员群体的专属利好，还是所有职场人都能松一口气？林凡在演讲中给出了他的判断。以下为演讲内容精编。

大模型，提效甚至碘伏“非标”新经济行业

很多公司都在吹自家程序员用大模型提效，讲一个脉脉自己的故事。

最早看到大模型展现代码能力的时候，脉脉就要求团队用起来。从反馈来看，大概有10-20%的效率提升。最初只有20%-30%的程序员在用，到现在，脉脉100%的程序员都在用编程助理，效果很直观。

麦肯锡的数据显示，从2022年到现在，全球企业应用生成式AI的比例猛涨。2022年基本为零，2023年达到33%，2024年直接跳到65%。用得最多的是市场类和销售类工作：市场类主要搞文案和创意，销售类用来判断销售线索和优先级。产研开发类紧随其后。

从行业角度看，AI大模型会优先渗透新经济行业，尤其是高科技服务业、广告、教育等领域，这些行业正处于AI应用的快速成长期。过去，标准化程度高的服务业——像打车、外卖这类——在互联网平台时代已经完成了一轮深度整合。但那些“非标”的新经济行业，比如咨询服务、人力资源的猎头服务、娱乐服务等，并没有被真正改造。

AI时代的到来，很可能让普通人也能享受到高度个性化、品质化的服务。未来5到10年，旅游业、广告业、文化产业，很多领域都会迎来一波新的变革。身处这些行业的从业者，也会更深切地体会到AI对工作的重塑。

企业内的渗透：能力替代、流程优化、组织重塑

聚焦到企业内部，AI大模型会带来三个主要变化：能力替代、流程优化、组织重塑。

能力替代

一个岗位的决策周期越短，越容易被AI替代。举个例子：标注或审核岗位的员工，每次看到内容马上就能判断是否合规；HR筛选简历，也是瞬间判断人和岗位是否匹配。这类决策周期极短的工种，就像自动驾驶的L5级别，容易被AI完全替代。

反过来，有些岗位很难被替代。比如高管的某次决策，可能要观察半年、一年甚至两年，反复迭代。这时候，AI更多是辅助角色，就像自动驾驶的L1，帮你做脑暴、分析风险与可能性。

流程优化

再举个例子。以前脉脉的产品经理做社区氛围治理，流程是这样的：先调研、定标注策略、交给审核团队执行、等两周反馈、再看效果、交给研发、上线执行。现在呢？标注环节AI来做，产品经理不用再等反馈，直接调标注、自己验证结果、把策略交给研发、上线。更狠一点，如果AI再深度介入，连研发环节都可以压缩掉。

企业里一旦某些工种被AI替代，整个工作流程就会跟着变，管理流程、资源分配，全都会动。

组织重塑

今天每个员工身上往往有5到10个甚至20个不同任务。AI时代里，要区分哪些任务可以交给AI，哪些还离不开人。人跟任务要解耦。

传统的组织设计都是基于粗略分工——研发、产品、运营、销售、市场——任务划分比较粗放。AI能把更多环节接过去，整个组织设计就会发生根本变化。就像今天的网约车司机：订单、目的地、路线都由系统搞定，司机只需要做好开车这一件事。这，可能就是未来很多岗位的缩影。

你的企业适合部署AI大模型吗？

如何平衡投入和产出？

对企业来说，两个核心问题绕不开。

第一，没有数字化，别谈智能化。为什么标注能用AI大模型？因为标注内容都是在线的、数据化的。销售要通过AI提效，必须先把销售过程录下来，完成数字化。数字化是智能化的前提。

第二，如果你的公司里有接近千人规模的统一工种，就能实现不错的投入产出比。1000个人提升10%的效能，成本节省是巨大的。尤其那些决策周期特别短、类似自动驾驶L5的工种越多，越应该坚决部署。

当然，如果你的公司本身有较强的AI技术基础，也可以走得更快。但话说回来，今天所有人都在摸着石头过河，别着急。等到行业里有最佳实践出来了，你再迅速跟进部署，也还来得及。