随后，魏炜教授围绕《企业AI原生转型的路径设计》展开主题分享。过去一年，尤其是近半年来，“AI原生企业”逐渐成为企业管理领域的重要议题。魏炜教授及其研究团队近期走访了近30家在AI原生转型方面具有代表性的中国企业。调研显示，部分领先企业的探索已经深入业务、组织与管理体系，但更多企业仍在反复试错。

一些企业投入大量资源建设AI客服，工单处理效率有所提高，客户满意度却明显下降；一些制造企业的AI质检系统在实验室表现良好，进入真实生产环境后却频繁误判；还有企业使用AI编写代码，最终产生大量需要人工检查和修复的问题。

这些差异说明，AI原生转型的难点并不只是技术能力。真正的问题在于，企业仍在用传统的组织与管理逻辑，驾驭一种能力边界完全不同的新主体。

魏炜教授指出，当前企业对于“AI原生”存在三个常见误解：AI使用量大，不等于AI原生程度高；在每个岗位、每个流程节点部署AI，也不意味着企业已经完成转型；AI软件公司同样不天然等同于AI原生企业。

判断一家企业是否真正走向AI原生，关键不在于用了多少AI，而在于企业的运行范式是否发生改变。

工业革命以来，企业普遍建立在分工范式之上：先设置岗位与部门，再划分职责、流程和考核指标。专业化分工曾大幅提高生产效率，但也形成了一系列结构性成本。

一项任务在不同部门和岗位之间反复传递，容易产生信息失真与排队等待；人与智能体的工作节奏不同，智能体的速度往往被传统审批链所限制；能力固化在岗位和个人身上，难以快速复制；部门KPI容易造成局部最优，组织变革也常常需要经历漫长周期。

端到端范式则围绕一项具体任务或一次价值交付形成完整闭环。企业不再首先考虑设置什么岗位，而是判断完成这项任务需要哪些能力、由谁承担闭环、应当遵循什么规则。

在这一范式下，组织的基本单元从岗位转向任务，同一主体对完整结果负责；业务路径不再完全依赖预先写定的流程，而是在规则边界内根据实际情况动态生成。企业中的行动主体也从单一的“人”，扩展为人、智能体以及人机深度融合形成的“智慧体”。

与之相应，企业最重要的资产也将发生变化。设备、关键人才与成熟流程依然重要，但能力包、企业世界模型以及持续进化的速度，将成为新的竞争基础。

依据企业采用分工范式还是端到端范式，以及AI在其中扮演工具还是独立主体，魏炜教授将AI原生企业划分为四种形态。

第一种是赋能型。企业的组织结构、岗位职责与审批链保持不变，AI作为工具嵌入不同岗位，帮助员工提高效率。对于工作内容稳定、标准化程度较高的业务，这一形态已经能够满足需要，但原有流程中的等待、失真与协同成本依然存在。

第二种是形先行型。企业率先采用端到端的任务结构，由人承担完整闭环，AI作为辅助工具参与其中。这种方式能够减少跨部门传递造成的等待与信息失真，适用于定制化程度高、需求变化较快的业务，但对人的综合能力要求较高，规模化复制也存在一定难度。

第三种是神先行型。企业仍保留原有分工结构，但智能体已成为相对独立的行动主体，可以在授权范围内制定目标、作出决策并完成执行。其优势在于能够释放AI快速响应、持续工作与低成本复制的能力，但企业需要避免将智能体的能力重新固化为一个个“数字岗位”。

第四种是融合型。企业采用端到端范式，AI也成为能够独立行动的主体。任务出现后，系统根据需要调用相应能力，临时形成执行主体；任务完成后，能力重新回到企业的技能库中。这是更加接近纯粹AI原生企业的形态。

魏炜教授强调，这四种形态并非简单的高低之分。不同业务有不同的稳定程度、变化速度与个性化需求，每一种形态都有相应的适用条件。企业真正需要思考的，是自身目前处于哪一种形态，这种形态是否适合现阶段业务，以及下一步应当沿着怎样的路径演进。

魏炜教授结合温氏股份、联想与酷开等企业实践，进一步说明AI原生转型如何进入真实业务。

温氏股份的兽医智能体虽然在专业考试中表现优异，进入实际诊疗后却一度难以发挥作用。企业将诊断、库存、用药与治疗效果连接起来，形成持续反馈的业务闭环，才使智能体能力真正转化为业务价值。

联想则从变革管理入手，先将AI嵌入现有岗位，通过正向激励鼓励员工使用，再逐步将岗位职责拆解为可调用的能力，推动岗位合并与流程重组。这一实践说明，AI转型不仅是系统改造，也涉及组织机制与利益关系的同步调整。

酷开进一步将原本分散在运营、设计、审核等部门的海报业务，重构为由智能体贯穿的端到端闭环。据现场案例介绍，相关工作由80余人缩减至6人，日产量从约2000张提升至约3万张。其价值不仅在于提高设计速度，更在于重新组织用户数据、企业知识与业务流程。

三个案例指向同一结论：AI能否创造持续价值，不取决于模型本身有多先进，而取决于企业能否将其嵌入真实业务闭环，并同步完成能力沉淀、流程调整与组织变革。

对于企业如何启动AI原生转型，魏炜教授提出了三个基础问题：谁来承担完整闭环？AI位于什么位置？企业结构依靠什么保持稳定？

回答这些问题之前，企业首先需要改变将AI视为单纯降本工具、外包劳动力或技术项目的思维。AI原生转型不能只交给技术部门，企业负责人必须亲自理解和使用AI，才能真正判断智能体的能力边界，推动业务与组织协同变化。

转型还应当从价值链出发，优先进入直接创造客户价值和经营成果的关键环节。单纯优化合同审核、文档处理等职能工作，可以提高局部效率，却很难形成系统性优势。只有当AI深入业务闭环，财务、法务与管理等职能能力才能进一步内化到具体任务之中。

与此同时，企业还需要建立明确的“元规则”，为智能体划定合规、伦理与安全边界。在不可突破的底线之外，应当允许智能体在一定范围内试错，并及时将错误转化为新的规则和能力。

魏炜教授将这一机制概括为“试错即资产”：一次错误被正确记录和修正后，不仅该智能体不会重复犯错，相关经验还可以沉淀为整个组织的共同能力。

从给岗位配备AI工具，到重新设计任务、能力与价值闭环，企业AI原生转型并不存在一套适用于所有组织的标准答案。

传统企业可以从赋能型逐步进入形先行型或神先行型，再向融合型演进；具备条件的创业企业，也可能直接采用更加接近端到端的组织架构。路径不同，节奏也不必相同。真正重要的是准确识别自身业务特征，在理论框架与真实实践之间不断验证和调整。

当产品、技术与知识越来越容易被复制，静态资源所构成的护城河可能逐渐变窄。企业能否根据环境变化快速调用能力、调整结构、修正规则并形成新的价值闭环，将成为更加重要的竞争基础。

此次珠海公开课从理论框架出发，连接多家企业的真实实践，为企业管理者理解AI原生转型提供了更加清晰的坐标。AI进入企业的深层价值，不只是帮助既有组织把事情做得更快，更在于推动企业重新思考：任务应当如何完成，能力应当如何组织，人与智能体又应当如何共同创造价值。

目前，北大汇丰EMBA2027级招生已进入最后阶段，尚有9月及10月两批次面试。欢迎有学习计划的企业家与管理者关注项目官方信息，走进北大汇丰，在持续学习中拓展认知边界，完善商业判断。