过去一年,很多公司都在问:我们是不是该上 AI?现在这个问题已经不够用了。更准确的问题应该是:我们有没有能力承接 AI?
上 AI 很简单,先买账号,开权限,拉一个群,组织几场 prompt 培训。老板很快开始期待:效率是不是该翻倍了?人力是不是能省了?业务是不是可以自动跑起来了?
结果往往有点尴尬。
员工确实开始用了。会议纪要快了一点,邮件润色顺了一点,PPT 初稿也能丢给 AI 了。可再往下问:它有没有进入核心流程?有没有稳定提高业务结果?有没有形成一套可复用的组织能力?很多公司就沉默了。
今天,OpenAI 发布了一份企业 AI 指南,标题是 How enterprises are scaling AI[1]。这份指南基于 Philips、BBVA、Mirakl、Scout24、JetBrains、Scania 等欧洲企业领导者的访谈,讨论的是一个很现实的问题:企业到底怎么把 AI 从尝鲜工具,变成稳定的生产力系统?
在这份指南里,OpenAI 提出了 AI 规模化落地的 5 个关键动作。
一、先让组织有 AI 文化
OpenAI 总结的第一个关键动作是 Culture before tooling,先有文化,再谈工具。
Philips 的案例很典型。它是一家横跨医疗和科技的大公司,员工超过 7 万人。对这种公司来说,AI 不只是某个部门的小工具,它会影响临床质量、患者体验和内部流程。
所以 Philips 没有一上来就把 AI 包装成专家技能,而是先做 AI literacy,让更多人理解 AI 能做什么、不能做什么、该怎么安全尝试。他们先培训高级管理者,再让一线团队提出真实场景里的用法。
很多公司做 AI 培训,习惯从“教员工写 prompt”开始。这个当然有用,但它只能解决表层问题。真正影响采用率的,是员工有没有信心、有没有安全边界、有没有空间把 AI 用在自己的工作里。
如果一个员工心里想的是“我用了会不会出错?出错算谁的?公司到底允不允许?”,那他大概率只会拿 AI 做一些无关痛痒的事:润色邮件、总结公开资料、写点没人认真看的周报。
这不是工具能力的问题,是组织还没有给 AI 进入真实工作的条件。
二、把治理做成加速器
很多人一听到治理、合规、法务,就觉得这是 AI 创新的阻力。
OpenAI 在 BBVA 的案例里给了一个相反的答案:治理如果设计得好,反而会让团队跑得更快(Governance as an enabler)。
BBVA 是全球银行,天然处在高监管行业。它不可能像一个小团队那样,看到新工具就直接开干。安全、法务、合规、IT 都绕不开。
但 BBVA 的关键做法是:这些部门从一开始就参与设计,而不是等产品做完之后再来审核。
很多企业 AI 项目最痛苦的地方,是业务团队先兴冲冲做了一个 demo,准备上线时才发现合规不同意、数据不能这样用、权限边界没想清楚。于是项目被打回,大家互相埋怨。
BBVA 反过来做。先把边界画清楚,再让团队在边界内跑。
OpenAI 提到一个具体数据:BBVA 在秘鲁做的内部助手,被 3000 多名员工采用,把平均查询处理时间从大约 7.5 分钟降到 1 分钟左右。
这不是“AI 很酷”的展示,而是一个非常朴素的信号:AI 真的改善了每天都要发生的工作。
当员工发现它能解决真实问题,而且公司已经把安全边界处理好,采用率自然会上来。更进一步,BBVA 现在正在把 ChatGPT Enterprise 推向全球 12 万多名员工。
这背后不是一次工具采购,而是一套组织信任机制。边界越清楚,团队越敢用;责任越清楚,速度反而越快。
三、让团队重新设计工作
OpenAI 总结的第三个模式是 Ownership over consumption。这句话有点绕,意思却很简单:不要只把员工当 AI 消费者,要让员工成为流程改造者。
很多公司的 AI 推广,停在“人人都可以用”这一层。听起来很民主,但它不一定能带来深层改变。员工只是把 AI 当成一个外部工具:原来怎么工作,现在还是怎么工作,只是在某些步骤里问一下 AI。
这就像给一辆老车装了一个新导航,确…