一次组织重写正在发生：从FDE到本体

本文来自微信公众号： ANO Lab ，作者：魏浩征，原文标题：《一次组织重写正在发生：从FDE到本体丨ANO Lab精华回顾与预告》

9月9日晚上，我与Frank（资深FDE）、Rico（投资人）在ANO Lab第二期“AI组织进化”直播里，聊了两个听起来非常技术化的词：FDE和Ontology，本体。

但聊到最后，我越来越觉得，这两个词其实只是入口。真正值得企业家、人力资源负责人和技术负责人思考的问题是：当AI真正进入业务，企业到底需要改变什么？答案远比“买一个模型、搭几个Agent、培训员工用AI”复杂得多。

AI带来的不是一次工具升级，而是一场生产力变革；生产力变了，原来与之匹配的生产关系，也迟早要变。

01

很多企业AI转型卡住，不是因为AI不会用

今年上半年，我第一次真正接触到FDE这个概念，是因为一位朋友找我聊一个项目。

他当时已经帮助一家企业完成了不少AI工具的部署，员工也开始使用各种Agent和Skill，技术层面的事情看起来已经做了不少，但几个月以后，项目突然卡住了。员工确实轻松了一些，某些具体工作也快了很多，可老板发现一件很尴尬的事情：公司好像并没有因此发生真正的变化。

这其实是今天很多企业AI转型的真实状态。

大家都在买工具、学提示词、搭Agent、做知识库，甚至一个企业可以一下子做出几百个智能体，但当这些东西真正进入业务之后，问题马上从技术问题变成了业务问题、组织问题。原来的流程还在那里，部门边界还在那里，权限还在那里，审批还在那里，绩效考核也还在那里，于是一个人的AI效率提高了20倍，组织却未必快了20倍。甚至可能更慢。

我把这个问题概括为一句话：

组织级AI生产力=个体AI能力×组织AI适配度。

个体能力可以通过AI迅速放大，但如果组织承接不了这股生产力，AI越强，旧组织内部的冲突反而可能越明显。

02

FDE为什么突然变得重要？

FDE最近开始成为一个热词。

它通常被翻译成“前沿部署工程师”，但如果只是把它理解成一个更高级的软件工程师，我觉得就把它理解窄了。传统软件开发的逻辑，是客户提出需求，咨询或者产品人员把需求结构化，再交给开发团队实现，经过漫长的开发、测试、部署和验收，最后交付一个系统。

FDE正在改变这套模式。

它更像是一支真正进入企业现场的“问题解决队伍”：先理解企业到底在做什么，再判断哪里存在问题，哪些事情值得AI化，如何把AI真正嵌进业务，最后把解决方案快速做出来。直播中Frank提到，传统软件项目过去可能需要几周才能看到一个可验证的结果，现在借助AI辅助开发和快速原型，很多事情可以在很短时间里直接做出来，过去需要8到12个人完成的交付团队，也可能被压缩到3到4个人。

所以我对FDE的理解是：它不是一个新工种那么简单，而是一种新的企业AI交付方式。它要求一个团队同时理解业务、组织和技术。

03

真正的FDE，不可能只懂技术

为什么？因为企业的问题不是“我有没有一个Agent”。

企业的问题是：客户为什么流失？为什么订单处理这么慢？为什么一个审批要经过七个人？为什么同一份数据不同部门各有一套？为什么一个决策要开五轮会？为什么员工每天花大量时间做重复工作？

这些问题，单靠技术人员很难回答。

FDE进入企业以后，首先要理解业务；理解业务之后，还要理解组织，因为绝大多数业务问题背后都牵涉多个岗位、多个部门、多个权限主体。最后才是技术：哪些可以交给AI，哪些应该由人做，什么场景值得AI化，怎样把它真正落到业务里。

所以我认为，FDE本身就应该是一个Squad，而不是一个人的职位说明书。

一个人很难同时具备深厚的行业经验、业务分析能力、组织设计能力、产品能力、AI能力和工程能力，但一个小型的跨专业团队可以。更重要的是，未来甚至可能不是“三个人组成一个FDE团队”，而是一个人带着多个Agent，背后调用一组专业能力节点。

这已经开始有一点AI原生组织的味道了。

04

本体Ontology，到底在解决什么？

本体，比FDE更加容易让人听懵。

我的理解是：本体首先不是一个神秘的AI技术，而是帮助AI真正理解一家企业的工程化方法。

传统企业的信息化，往往围绕数据和功能来建系统；但AI真正进入业务以后，光有数据还不够。AI必须知道这个企业有什么业务对象，这些对象之间是什么关系，发生了什么业务事件，什么事件会触发什么动作，谁拥有哪种权限，什么条件下应该做出什么判断。

换句话说，本体做的事情，是把一家企业原本藏在人脑里、流程里、制度里、Excel里、系统里的那些东西，逐渐变成一套可以被描述、被理解、被计算的业务世界。

所以我特别认同Frank在直播中的一个定义：本体的价值，不只是让AI“知道更多”，而是让AI真正理解企业的上下文。

没有这个上下文，AI知道很多，但不知道你是谁。

05

本体其实是一场企业自我梳理

从组织角度看，本体还有一个更重要的价值。它会倒逼企业回答过去一直没有真正回答清楚的问题：我们的核心业务对象是什么？这些对象之间是什么关系？什么事件会推动业务流转？谁有权改变规则？谁对结果负责？

这些问题听起来很技术，但其实每一个问题最后都会落到组织上。

一家企业如果连“谁负责”“谁决策”“谁拥有权限”“什么条件下可以例外”都说不清楚，你让AI进去，它只会把原来的混乱放大。AI最怕的不是企业没有数据，而是企业自己都没有把自己的业务逻辑说清楚。

所以本体构建的过程，本质上也是企业的一次自我认知。

过去很多企业靠经验运行，老板知道，老员工知道，部门负责人知道，但没有形成一套大家都能共同理解的结构。现在AI来了，企业第一次被迫把这些隐性的东西显性化。

所以我认为，本体背后其实藏着一个非常重要的词：共识。

06

为什么本体不能完全交给AI自己做？

直播里有一个问题我觉得特别有意思：既然AI越来越强，本体是不是也可以让AI自己构建？

答案是，越来越可以，但目前还不能完全交给AI。

因为本体不是简单的信息抽取，它涉及企业究竟如何定义自己的业务世界。同样一组数据，不同的组织可能有不同的业务逻辑；同一个业务对象，在不同企业里承担的意义也可能不同。

所以真正的做法，是AI参与抽取、分析、构建，人和业务团队不断验证，再通过具体业务场景进行测试，发现问题以后重新调整。直播中Frank提到，他们实际交付时会让概念模型与业务部门反复确认，再通过具体业务Case验证准确率、推理效率和Token消耗，不断循环修正。

这让我想到一个非常重要的变化：过去我们让人教机器做事；以后越来越多的时候，是机器帮助人把自己的世界说清楚。

这其实已经不是简单的数字化了。

07

有了本体，才轮到Agent真正进入企业

很多企业现在的顺序是：先做Agent。

看到一个场景，就做一个智能体；看到一个部门有需求，就再做一个；最后企业里出现几十个、几百个Agent。问题是，这些Agent知道什么？

如果没有企业统一的业务语义、规则、权限和上下文，它们很容易成为一个个局部聪明、整体混乱的工具。

所以我理解的AI组织进化链路，其实应该是：

FDE进入企业，理解业务；本体把业务结构化；Agent承接具体工作；Workflow重新分配任务；组织重新设计权责；最后重新定义人的价值。

这条链路非常重要。因为到了Agent真正进入业务之后，企业就再也回不到原来的组织设计了。

08

真正的变化，从Workflow开始

过去企业设计流程，实际上是在设计“人怎么干活”。

谁接单，谁审核，谁填写，谁汇报，谁审批，谁交付，一层一层往下分。

所以流程背后其实对应的是岗位。

但AI来了以后，很多原来由人完成的动作已经没有必要继续由人完成。一个Agent可能几秒钟完成过去一个员工两小时才能完成的信息整理；一个AI工作流可能直接完成过去需要几个部门来回确认的任务。

这时候问题来了：如果工作变了，岗位为什么还不变？

如果一个岗位过去100%的工作里面，有70%已经可以交给AI，那么剩下的30%是什么？原来的岗位还成立吗？它还应该属于原来的部门吗？这个岗位的绩效还应该按照过去的指标来考核吗？

这才是AI转型真正难的地方。

09

AI真正挑战的是200年前形成的组织结构

传统企业是金字塔。人是最小的能力单元，一个人占一个岗位；岗位组成部门，部门组成组织；层级负责信息传递、任务分配和决策协调。这套结构在过去非常合理。

因为人的能力有限，信息传递需要靠人，组织规模越大，就越需要层级来管理复杂性。3个人可以直接沟通，30个人就需要建立机制，300个人就必须分层管理，3000个人更是如此。

但AI开始改变这个基础。

一个人加上AI之后，能力边界突然变宽了；一个团队加上Agent之后，原来需要多个岗位协作的事情，可能由几个人就可以完成。企业甚至可能出现一个非常有意思的状态：人的数量减少了，但组织能力反而增加了。

所以我非常认同直播中Frank提到的一个判断：AI化程度越高的组织，人构成的团队可能越小，传统那种十几二十个人一个部门、层层汇报的结构会越来越难以发挥AI的效率。

不是因为扁平化本身先进，而是AI正在让过去维持层级结构的很多理由失效。

10

过去人与人沟通，现在可能是人与AI沟通

这是我认为AI原生组织最有意思的一点。

传统组织最大的成本之一，是人和人之间的沟通成本。

3个人可以坐下来谈，30个人要开会，300个人要层层汇报，3000个人要建立复杂的制度、流程和管理体系。大家不断开会，是因为每个人掌握的信息不同；大家不断对齐，是因为每个人理解的世界不同。而如果企业建立了一个真正理解企业业务的AI中枢，情况就会发生变化。

它掌握企业的业务对象、数据、规则、历史信息、组织关系和实时状态，每个人都可以直接与这个中枢交互。很多原来需要“找张三问一下、找李四确认一下、开个会拉齐一下”的事情，开始可以直接通过AI完成。

组织的沟通方式变了，组织的结构当然也会跟着变。

这也是为什么我一直说，AI不是简单地进入组织，而是在倒逼组织改变自己的运行方式。

11

最值得警惕的，是企业把AI变成一个“砍人的工具”

直播里我们还聊到了一个非常现实的问题。

现在很多老板谈AI，第一句话就是：“能不能帮我减少一些人？”

我完全理解这种焦虑。

但如果企业把AI转型的目标直接设定为“砍多少人”，很容易把一个巨大的生产力机会，变成一次简单的成本削减。因为AI真正释放出来的，不只是人力成本，更是大量人的时间、经验和能力。

我们聊到一个案例，一家传统服务企业原来有100人的售后团队，AI和云机器人进入以后，实际只需要20个人继续承担原来的工作。老板没有简单地把剩下80个人全部裁掉，而是把他们转到售前，因为这些人长期积累了大量产品知识，反而成为了新的销售和客户服务力量。

这件事情我觉得非常值得企业老板思考。

AI真正应该释放的，是人的价值，不只是减少人的数量。

12

AI最终会不会把FDE也替代了？

直播最后，我专门问了Frank一个问题：既然AI越来越强，FDE这个角色会不会最终也被AI替代？

他的答案非常直接：会。

今天FDE需要人去理解业务、梳理本体、分析流程、设计方案、开发系统，未来随着模型能力不断提高，其中越来越多的工作确实会被AI接手。甚至我们已经看到，最新一代模型在本体构建等任务上的能力，相比上一代已经有明显提升，未来很可能从“模型辅助人”逐步走向“人辅助模型”。

但有一样东西，我认为很难被简单替代：

责任。

AI可以判断，可以执行，可以优化，可以提出一个比人更好的方案，但企业最终仍然需要有人拥有授权、承担责任，并对结果负责。医疗如此，法律如此，企业决策如此，FDE也如此。

所以未来可能消失的是很多具体的FDE工作，而不是“承担责任的人”。这也是AI时代人的一个重要位置。

13

这也是我为什么一直研究自组织

讲到这里，我又回到了自己研究了很多年的自组织。

自组织真正有价值的地方，是它早就在尝试突破传统组织“岗位—部门—层级”的逻辑，让组织围绕任务、客户和能力进行动态组合。只不过过去四十多年，自组织一直受到一个很大的技术限制：人的能力很难被识别、拆解、调用和重新组合。

现在AI出现了。

AI把很多原本属于人的能力，变成了可以被调用的能力节点；Skill、Agent、本体和Workflow，又进一步让这些能力能够被组织、组合和调度。于是，自组织过去一直想解决的“能力流动”问题，第一次有了真正的技术基础。

自组织等了40年，终于等到了AI。

所以我现在越来越相信，AI和自组织之间并不是两个平行的话题，它们正在汇合。

14

AI原生组织，根本不是“AI+原来的组织”

很多企业现在想的是：我们原来有一个组织，然后把AI加进去。

HR加一个HR Agent，财务加一个财务Agent，销售加一个销售Agent，研发加一个研发Agent。看起来每个部门都AI化了，但最后还是原来的部门、原来的岗位、原来的权责和原来的协作方式。

这其实只是AI适配旧组织。

真正的AI原生组织，逻辑应该反过来：先看AI能够创造什么新的生产力，再重新设计组织如何承接这种生产力。

传统组织的底层是人、岗位、部门、流程、制度；AI原生组织的底层，则越来越接近业务对象、业务关系、事件、决策、权限、人类能力和AI能力。岗位开始变成能力节点，部门开始变成能力网络，固定流程开始变成智能Workflow，管理者也从单纯的监督者，逐渐变成资源、任务和AI能力的调度者。

这不是把旧组织“AI化”，而是围绕新的生产力，把组织重新做一遍。

15

真正需要重新定义的，其实是“人”

如果机械执行越来越多地交给AI，那么人留下来干什么？我认为答案并不悲观。

人与AI的分工会越来越清晰：AI负责那些可计算、可重复、可规模化的事情；人负责判断、创造、关系、信任、价值选择和责任承担。一个人未来可能不再因为“能完成某项具体工作”而获得价值，而是因为他能够定义问题、调动资源、做出判断，并把一群人和一群AI组织起来完成一件有价值的事情。

所以，AI时代真正的问题不是“我们还需要多少人”，而是我们还需要什么样的人，以及这些人应该把时间花在哪里。

如果一个员工过去200个小时才能完成的工作，现在AI只需要1个小时，那么剩下的199个小时怎么办？答案绝不能只是给这个员工再塞199个小时的新任务，否则我们只是让人更快地做更多没有意义的事情。

真正的答案，是重新设计工作。

再往前，是重新设计岗位、分工、协作、决策、激励和治理。然后，才是重新定义组织。

FDE不是重点，本体也不是重点，Agent更不是终点。

它们真正共同指向的，是一个正在发生的巨大变化：

AI进入企业之后，企业必须重新理解自己的业务，重新定义自己的工作，重新设计自己的组织，最后重新定义人的价值。

所以，AI组织进化真正的链路，不是“买模型→做Agent→培训员工”，而是“看清业务→结构化企业→重新分配工作→重构组织→释放人的价值”。

过去企业是在组织里使用工具，以后，企业越来越需要围绕AI重新设计组织。这就是为什么我越来越愿意把AI转型叫作“组织重写”。因为真正的变化，不是多了几个智能体，而是组织开始长出一种新的生命结构。

#ai转型#ai组织进化#智能体组织#ai原生组织#人工智能#anoLab