AI时代的底层思考 03｜信息化、数字化、AI 化，机器在替代人的什么

📚 本文是系列《AI 时代的底层思考》第 3 篇（共 8 篇）。全系列目录见文末。

前两篇分别讲了数字化转型的机制（让信息低成本流动）和 AI 转型的五种新能力（理解、推理、知识整合、决策辅助、行动）。这一篇把镜头拉远，回答一个更根本的问题：

从信息化到数字化再到 AI 化，机器到底在一步步接管人的什么？

想清楚这个，你就能判断自己的组织现在站在哪一级台阶上，以及下一步该迈向哪里——而不是被每年更新的概念牵着走。

一、三个时代，三个动词

我倾向于用三句话区分三个时代：

信息化时代：让信息数字化。解决的是"看不见"。 纸质台账变成电子表格，仓库里有多少货、账上有多少钱，第一次可以随时查到。机器替代的是记录和归档的体力。

数字化时代：让信息流动起来。解决的是"传不动"。 订单自动扣库存、库存自动触发采购。信息不再靠人在部门之间搬运。机器替代的是规则执行——凡是能写成"如果…就…“的工作，都可以交给系统。

AI 时代：让知识和能力流动起来。解决的是"想不明白”。 客户为什么流失、合同有没有风险、下一步怎么推进——这些没有固定规则的问题，机器第一次可以参与。机器开始进入认知活动。

一张表总结：

注意最后一格的措辞是"认知的一部分"。这不是谦虚的套话，是这个框架里最需要较真的地方，下面展开。

二、为什么说"AI 转型不是上一个 AI 系统"

信息化和数字化时代有一条隐含的成功路径：选型 → 采购 → 实施 → 培训 → 上线。买一套 ERP，按这条路走，大概率能用起来。

很多企业把这条路径平移到 AI 上，然后失望了。麦肯锡的研究给出了一个扎眼的数字：只有约 21% 的企业围绕 AI 重新设计了工作流，而恰恰是这 21% 拿走了绝大部分利润改善。 剩下 79% 的企业买了工具、发了账号，然后看着周活跌到个位数。

为什么会这样？因为 ERP 替代的是"信息传递"，不动组织的权力结构；而 AI 参与的是"判断"，判断就是权力。谁来验收 AI 的输出、AI 错了算谁的、省下的人力编制归谁——这些问题一个都绕不过去。工具解决不了这些，只有组织设计能。

两个方向相反的真实案例把这一点照得很亮：

Klarna 的路径： 用 AI 客服替代大量人工，短期指标漂亮（处理时长从 11 分钟降到 2 分钟以内），一年多后公开承认质量下滑，重新招人。它把 AI 当成了"更便宜的员工"塞进旧组织。

宜家的路径： AI 客服 Billie 接走了近一半的常规咨询后，宜家把 8500 名呼叫中心员工再培训成远程室内设计顾问——这个新业务据报道年收入约 13 亿欧元，是 AI 省下的客服成本的近百倍。它做的不是替换人，是重排人和机器的分工。

同样的技术，两种组织哲学，两种结局。这就是"上系统"和"转型"的区别。

三、智能组织：一个可操作的定义

把上面的讨论收拢，企业 AI 转型可以这样定义：

把企业从一个依赖个体经验驱动的组织，转变为人类与 AI 共同进行认知、决策和行动的组织。

“依赖个体经验驱动"这几个字值得多停留一下。传统组织的知识载体是人：老师傅、金牌销售、资深风控。这带来三个老大难：知识随人走、能力不能并发（专家一天只有 24 小时）、水平不稳定（周一和周五的判断质量不一样）。

AI 化的组织里，经验被沉淀成组织资产：模型、知识库、Agent 的工作流。人的角色随之上移——从"做判断的人"变成"设计判断标准、验收判断结果的人”。IBM 的 AskHR 把 94% 的常规人事任务自动化了，但 IBM 的总员工数不降反升：省下的编制被投进了软件工程和销售。AI 提效之后组织变大还是变小，答案不在技术里，在管理层对"省下的人力去哪"的决策里。

四、判断你的组织在哪一级：三个问题

不用请人评估，自问三句：

1. 你们最重要的知识，现在存在哪里？ 存在员工脑袋里 → 还没开始；存在文档系统里但没人搜得到 → 数字化未完成；能被 AI 检索、追问、引用 → AI 化已经起步。

2. 一个新人多久能达到老手八成的水平？ 如果答案是"三年，靠师傅带"，说明知识流没有建起来。麦肯锡 Lilli、Moderna 的 750 个员工自建 GPT，本质上都是在压缩这个时间。

3. AI 的输出错了，流程里谁负责发现？ 答不上来这个问题的组织，不该让 AI 直接行动。加拿大航空的教训（AI 客服错误承诺退票、法院判公司照赔）说明：没有验收环节的 AI 行动，是在给公司开空白支票。

五、这个框架的边界（必须说的诚实话）

任何三段论式的时代划分都有简化的代价，这个框架至少在三种情况下要打折扣：

第一，体力交付型行业的主战场不在认知。 物流、餐饮、制造的现场，AI 化的重点仍是感知和执行的效率（顺丰的语音揽收、宁德时代的视觉质检），“知识流动"是配角。框架适用于知识密集型环节，不是所有环节。

第二，“机器参与认知"不等于"机器认知可靠”。 德勤澳洲的报告翻车（AI 编造文献引用，退款道歉）、纽约市政务机器人教小企业主违法——都发生在最该严谨的场景。目前机器认知的正确姿势是"参与"而非"接管”，这个边界预计会移动，但今天它就在这里。

第三，三个时代不是必须逐级通关。 上一篇说过：语言密集的场景（客服、文档、合同）可以跳过厚重的数字化直接 AI 化。把框架当地图用，别当关卡用。

结语

信息化替代了记录的体力，数字化替代了规则的执行，AI 开始参与认知。每一次替代，人都没有消失，而是被推向了更上游：从记账的人变成看报表的人，从执行流程的人变成设计流程的人，接下来，从做判断的人变成训练和验收判断的人。

对企业来说，真正的问题从来不是"要不要上 AI"，而是：当认知本身可以被组织起来，你的组织打算怎么重新安排人？

这个问题没有标准答案。但前面 20 多个真实案例反复证明了一件事：先想清楚这个问题再动手的公司（宜家、IBM），和先动手再被迫回答的公司（Klarna、CBA），付出的代价差了一个数量级。

参考资料

1. 麦肯锡"21% 工作流重构"研究（经 Vellum 转引）：https://www.vellum.ai/blog/ai-transformation-playbook
2. Klarna AI 客服与回调：Klarna 官方 https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/ ；Computer Weekly https://www.computerweekly.com/news/366634565/Artificial-intelligence-helps-Klarna-double-revenues-with-half-the-staff
3. 宜家客服转岗：PYMNTS https://www.pymnts.com/news/artificial-intelligence/2026/ikea-turned-8500-call-agents-into-design-consultants/
4. IBM AskHR 与编制再投资：Entrepreneur https://www.entrepreneur.com/business-news/ibm-ceo-ai-replaced-hundreds-of-human-resources-staff/491341
5. 麦肯锡 Lilli：https://www.mckinsey.com/capabilities/tech-and-ai/how-we-help-clients/rewiring-the-way-mckinsey-works-with-lilli
6. Moderna 员工自建 GPT：https://ainativefoundation.org/ai-native-case-study-8-moderna/
7. 加拿大航空判例：CMSWire https://www.cmswire.com/ai-technology/ai-fails-lessons-learned-from-the-front-lines-of-tech-retraction/
8. 德勤澳洲报告退款：Fortune https://fortune.com/2025/10/07/deloitte-ai-australia-government-report-hallucinations-technology-290000-refund/
9. 纽约市 MyCity 机器人违法建议：OECD.AI https://oecd.ai/en/incidents/2024-03-29-3dce
10. 宁德时代灯塔工厂：中证网 https://www.cs.com.cn/ssgs/gsxw/202406/t20240625_6419692.html

📚 系列《AI 时代的底层思考》· 全 8 篇

1. 数字化转型到底解决了什么问题
2. AI 转型用什么能力，解决什么问题
3. 信息化、数字化、AI 化，机器在替代人的什么（← 本篇）
4. AI 是怎么一步步逼近人类能力的
5. 把“能力”拆成三层，看清 AI 拿走了什么
6. 企业 AI 转型，五条不会过时的判断
7. 替代与新生，机器每拿走一样人长出什么
8. AI 什么都能生成后，“真实”还剩什么

上一篇：AI 转型用什么能力，解决什么问题 ｜ 下一篇：AI 是怎么一步步逼近人类能力的