AI落地企业的关键：从“会干活”到“真干活”，组织准备好了吗？

临近年底复盘，不少企业发现一个共同现象：

AI模型越来越强，预算投入不少，但业务依然原地踏步。

你向AI提三个问题，它都能对答如流； 可一旦交给它一个具体任务让它执行？往往干到一半就卡壳。有时是它找不到所需数据，有时是没有权限打开文件，有时是流程进行到某一步就中断，最后谁也不敢说这项任务算完成了。

问题出在哪？

不在于AI不够聪明，而在于企业根本没有准备好可以放心交给AI的任务。

Anthropic的CPO Mike Krieger最近在接受采访时，并没有花太多时间夸耀Claude的强大，而是提出了一个更现实的问题：

AI，到底能不能真正分担你的一部分工作？

答案取决于企业自身。

Anthropic在过去一年的企业部署中发现，真正的障碍并非技术，而是组织本身。

这个门槛具体在哪里？

第一部分｜AI不止编写代码：它正在尝试完成任务

现在，你会发现几乎所有的AI公司都在做同一件事： 不再单纯强调模型有多聪明，而是强调它们的AI产品能否真正干活。

看看Anthropic是怎么做的。

他们没有把Claude当作更聪明的聊天机器人，而是当作可以接手工作的同事来设计。

最早推出的Claude Code，起初只是一个开发工具：用户输入一句话，它能补全代码、搭建网页、生成演示样例。这个工具发布半年，年化收入就突破了10亿美元。客户包括Netflix、毕马威、Spotify、欧莱雅。

Mike Krieger发现，在Anthropic内部，许多团队用Claude不仅仅是为了写代码，而是让它接管整个工作流。

例如：

有的团队把它当成“盒子里的SRE”，监控系统、自动排查日志；

有人用它做生物研究助手，搜索文献、编写数据处理脚本；

还有人直接让它当项目经理，汇总需求、分配子任务。

在这些场景中，AI的角色已经发生了变化。

2025年底，Anthropic将Claude Code更名为Claude Agent SDK。它不再只是一个能写点代码的助手，而是可以接受指令、执行流程、交付结果的任务单元。

用Mike的话说：我们正在重新定义Claude的角色，不是生成答案，而是交付成果。

要交付成果，就得让AI持续工作、稳定执行。

因此，Anthropic开始构建一整套支持机制。不只是给一段输入、看一段输出，而是让AI在更模糊的目标下，自己推进、最终提交成果。

它不是自动补全，而是自动完成。

但能力到位了，门槛也出现了：不是AI不行，而是组织还没准备好。

第二部分｜真正的落地障碍，不在模型，在组织

很多企业以为把AI接进来，就像请了个聪明的实习生，开个账号、发个指令，它就能自己动手。

结果一试，发现反应慢、回答含糊、经常卡住。 但问题不在AI，而在企业这边：任务交代不清楚，信息也没给到位。

比如，你让AI帮你查报表、分析客户数据，它该去哪儿找？

很多公司自己的人都不清楚数据放在哪，更别说AI了。有的表格列名叫"Sheet3_Temp"，没有解释、没有说明，谁知道那是什么。

AI要理解这些文件，得靠数据背后的标签、注释、来源关系。但大多数企业这些基础工作都没做，AI面对一堆文件，根本不知道从哪下手。

这就是Mike所说的：

得先把数据整理成AI能看懂的样子，它才可能帮上忙。

但光有数据还不够，还得给它权限。

AI再能干，你不给它访问入口，它也进不去。

有的公司一个流程要跳转十几层系统；

有的文件需要审批才能打开；

有的流程根本没梳理过，连入口都找不到。

Anthropic在帮助客户解决这些问题时发现，障碍表面上是系统、权限、流程，实际上是组织没想明白：

让AI做什么？

需要什么信息？

做完给谁？

这是第一层：数据、权限、系统，该准备的都要准备好。

第三部分｜从“问答”到“派活”，思维要转变

数据、权限都准备好了，就能用起来了吗？

还有第二层：学会派活。

怎么派？很多人还在用老办法。

AI不是搜索引擎，不是知识问答，也不是点一下就能用的插件。它更像刚入职的新人：你得告诉它做什么、从哪查、什么算合格，它才能上手。

两者的区别在哪？

许多团队习惯对AI说：帮我做一个财报。

AI当然会试着写，但它不知道你公司的报表格式，不知道数据从哪拿，不知道你要的指标标准是什么。

而真正有效的方式，像对待实习生一样：

告诉它：你是财务助理；

给它表格入口、读数据权限；

明确它只负责统计客户收入和退款差额；

要它按Q4月度格式输出一份表格草稿。

这样AI才能真正上手做完工作。

Anthropic和GitHub合作的PR Agent就是按这个逻辑设计的。具体怎么用？程序员在代码审查页面标记Claude，它就会：

1. 审查代码，找出可能的问题
2. 总结这次修改的主要内容
3. 给出改进建议
4. 自动完成一轮修改

整个过程你不用盯着，去喝杯咖啡回来就完成了。

为什么这个能用起来？

因为他们把三件事都理清楚了：

• 任务明确：每次就干这几件事，边界清楚
• 权限到位：能读代码库、能写修改、能提交结果
• 流程稳定：审查→总结→建议→修改，路径固定

能用起来之后，还有个更关键的问题：出了问题怎么办？

网上总有人说：

“AI永远取代不了人类，因为AI不能背锅。背锅，才是人类独特竞争力。”

这话听起来有道理，但问题不在AI能不能背锅，而在于企业敢不敢让它背。

什么叫“背锅”？说白了就是：出了问题，能找到责任人。GitHub的例子中，Claude提交的代码修改，有记录、有审查、有版本管理。出了问题，能追溯是哪一步的问题。这就是“能背锅”。

Mike强调的就是这个：AI不是加个侧边栏回答问题，而是要进到实际工作流里，有明确分工，能交付结果。

关键不在技术，在于组织敢不敢给它明确的责任边界。

结语｜组织准备好，AI才能真正用起来

技术已经到位了。

Mike Krieger这一年的观察很简单：不是AI不行，是组织还没准备好。

2026年开始，企业要问自己：

• 数据理清楚了吗？
• 权限放得开吗？
• 任务说得明白吗？
• 责任划得清吗？

这四个问题想明白了，该准备的准备好了，AI就能从“会干活”变成“真干活”。

不是技术的问题，是组织的问题。

把组织这道坎跨过去，2026年企业才能真正用起AI。

📮 参考资料：

https://www.youtube.com/watch?v=VSLEGpCemtE

https://www.theverge.com/2024/5/15/24157240/mike-krieger-anthropic-instagram-ai

https://medium.com/%2540GlobalGPT/the-secret-sauce-at-anthropic-cpo-mike-krieger-says-stop-bossing-eebcc8e28fbe

https://techcrunch.com/2024/05/15/anthropic-hires-instagram-co-founder-as-head-of-product/