AI正在以任何组织都尚未完全掌握的速度重塑工作方式。在各行各业，讨论的焦点已从AI能做什么转向企业如何利用AI创造商业价值并拓展人们能够实现的成就。在Microsoft，我们相信成功的组织将成为我们所称的"前沿企业"（Frontier Firms）：以人为本，但日益AI赋能。这一责任始于AI的构建方式，并贯穿于其应用方式：AI应当拓展人类能力，同时让人们保留有意义的控制权、判断力和问责权。我们承诺成为"客户零号"（Customer Zero），通过自身转型来学习，从而帮助他人驾驭自己的转型之路。

我们的员工已经在尝试使用AI，而领导者则设定了雄心勃勃的目标，并挑战团队重新构想工作方式，以实现前所未有的成就。我们创建了跨公司委员会，涵盖企业职能、市场推广和工程部门，以分享最佳实践并共同学习。我们要求每个人挑战固定型思维，拥抱我们十多年来培养的成长型思维。这些努力正在产生可衡量的成果：一个销售团队的交易成交率提高了20%¹；选定的供应链工作流将周期时间缩短了高达75%²；一个九人工程团队在35天内交付了初始产品版本。³

随着经过验证的方法不断涌现，我们将其整理成案例研究，以便加速转型、推广行之有效的做法，并从失败中汲取教训。同样重要的是，我们知道如果要帮助客户实现AI的全部价值，就必须先完成自身的转型工作。我们自身的第一手经验需要成为可以与他人分享的学习来源。

我们一直在与客户分享Microsoft的《前沿企业行动手册》（Frontier Playbook），作为我们AI转型之旅的实用指南，包括我们学到的东西、迄今为止行之有效的做法，以及我们从失败中成长的地方。该手册借鉴了公司内部数百项AI转型实践，记录了我们在重新设计工作、构建新能力、衡量影响以及帮助人们与AI共同成长过程中的所学所得。

该手册也反映了一些重要事实：转型是艰难的，而学习是持久的超能力。从我们的成功与失败中获得的众多洞见中，有五条经验始终格外突出。

1. 从业务成果出发，而非技术

我们最初将AI视为传统的技术部署：部署工具、提供培训、推动采用。我们认识到，访问权限和使用量并不等于转型：一个授权给超过20万人使用的工具，并不会改变工作的完成方式。

早期的销售使用情况清楚地说明了这一点。尽管部署范围广泛，使用率却趋于平稳，影响也未能显现。团队没有更用力地推动采用，而是从业务目标出发——为客户交付更多价值、赢得交易并改善员工体验。他们梳理了客户经理每周的时间分配，并为最关键的时刻确定了最佳工具：用于管道的Analyst智能体、用于交易方案的Deal智能体，以及用于深入了解客户的Researcher。每周由同伴主持的交流会（huddles）将实验转化为习惯，并将最佳实践推广到团队中的每个人。在该团队中，优先用例的采用率增长了两倍，每位客户经理的收入增长了9.4%，成交率提高了20%。⁴

成功仍然需要投入来帮助人们建立新技能、尝试新的工作方式并相互学习。但当领导者专注于明确的业务成果和对实际执行工作的人最重要的事情，而非AI采用本身时，对话就从使用AI转向了创造价值。

2. 重新设计整个工作流，而非仅关注单个任务

我们最大的教训之一来自端到端地重新构想工作流，而非将AI应用于现有步骤。早期的努力帮助人们更快地完成熟悉的任务，但很少能改变结果。在已经破损的流程中添加智能体，流程依然是破损的——加速一个步骤只会在下一步制造更长的队列。

我们的云供应链团队在利用智能体重新构想流程之前，先简化了流程。供应链专家和工程师并肩工作，首先梳理并简化端到端工作流，然后创建单一事实来源，使每个智能体都基于相同的数据进行推理。在此基础上，他们在规划、采购、履约和物流领域部署了 100 多个专用智能体。这些智能体调查需求变化并建模产能，同时比较空运、陆运和海运在成本、时间和碳排放影响方面的运输方案——这种复杂性很少有团队能独自应对。在选定的工作流中，周期时间最多缩短了 75%。

这种转变不仅关乎速度，还关乎通过改善团队所能看到、预见和采取行动的内容来创造新价值。在既定的权限和审批阈值内，智能体已从回答问题发展到帮助规划人员直接更新或取消采购订单。过去需要五到七天才能查明需求计划变化原因的规划人员，现在可以在几小时内得到答案，有时甚至不到 20 分钟。这使得在规划周期展开时分析变化、模拟更多场景、制定更好的应急计划并更早识别风险成为可能——帮助团队做出更好的决策并提升供应链绩效。5

我们在软件工程中也看到了同样的转变，其机会不仅限于更快地生成代码，还在于重新设计团队如何借助工作流中的智能体来规划、构建、测试和评估产品。

我们发现，最大的收益来自团队退后一步，从头到尾重新设计人员、流程和技术之间的工作流——包括智能体可以访问什么、可以做什么，它们的行动如何被监控，以及哪些环节必须由人审查、批准或干预。当这三者共同推进时，AI 的威力最大。

3. 将员工置于转型的中心

从事实际工作的人知道流程在哪里断裂、判断在哪里重要、AI 在哪里能提供帮助——这些洞见是任何流程图都无法完全捕捉的。他们的专业知识需要从一开始就塑造转型。领导者的责任是设定明确的愿景，帮助员工培养做出贡献所需的技能，并让他们在决定工作如何变化方面发挥有意义的作用。

在 Microsoft，我们正在创造实践性方式，帮助员工培养这些技能。早期职业发展项目 PRAISE 将新兴工程师与经验丰富的导师和 AI 辅助学习配对，帮助较新的工程师参与复杂工作，同时发展他们的专业技能。

Camp AIR 是一个为期数周的 AI 转型加速器，帮助跨职能团队围绕真实的业务挑战学习新的 AI 能力，同时重新设计他们协作的方式。早期试点让我们认识到，AI 转型是一项团队运动，仅靠工具和培训是不够的。虽然个人可以独立学习新技术，但当团队一起学习、实验和适应时，才会发生有意义且持久的改变。团队需要坦诚讨论 AI 将如何重塑角色和工作流，同时拥有安全实验并在新工作方式中建立信心的自由。我们无法让今天存在的所有工作都面向未来，但我们可以帮助员工通过培养随着工作演变而成功所需的技能、适应力和心态，来让自己的职业生涯面向未来。

这一经验成为 Camp AIR 的核心设计原则，并帮助该项目在该组织中扩展到 3,000 多名工程师。

Copilot Cowork 背后的团队展示了这在实践中可以是什么样子。这个由工程师、设计师和产品经理组成的九人团队获得了重新思考产品构建方式的自由，并从第一天起就嵌入 AI。与智能体协同工作时，他们的角色扩展为他们所称的元工程师、元设计师和元产品经理。他们共同在 35 天内交付了初始版本，并记录了所学内容，以便其他团队可以在此基础上继续构建。6

根据我们的经验，领导者设定成果和问责，而最接近工作的人则看到 AI 在哪里增加价值，以及人类判断必须在哪里保持核心地位。管理者连接两者，他们的示范和支持一直是成功最强的预测因素之一。我们的研究证实了这一点：当管理者积极示范 AI 使用时，所报告的智能体式 AI 价值提升 17 个百分点，对其信任提升 30 个百分点——而在管理者营造心理安全感的团队中，员工成为智能体式 AI 高频用户的概率是 1.4 倍。当员工拥有背景、能力和自主权时，他们就能成为转型的引擎。

4. 利用 AI 扩展人们能做的事

我们从许多公司起步的地方开始：自动化任务以提高效率。这种价值是真实的，但仅仅是开始。随着时间推移，我们意识到更大的机会在于“能力叠加”：结合人类与 AI 的优势，实现以往不切实际或不可能达成的成果。可以把它看作一个等式：CI + AI = CA。持续改进消除浪费，AI 注入能力。两者结合，产生能力叠加——具有更高战略价值的产出。仅靠持续改进只会得到旧公司的精简版；能力叠加则创造出一家不同的公司。这就等于转型。

在我们最新的 Work Trend Index 中，58% 的 AI 用户表示 AI 帮助他们完成了以前无法完成的工作——在高级用户中这一比例达到 80%。在我们的案例中，这类似于预测质量故障而非事后发现，或者探索二十种方案，而团队原本只有时间尝试三种。

这种更广阔的视角塑造了我们衡量 ROI 的方式。我们常说效率是下限，能力是上限。使用率和采用率，以及速度、质量和成本的改善，都是重要信号。但最终的衡量标准是 AI 是否改善了客户和员工体验、推动增长和创新、降低风险并扩展组织能够达成的目标。由于这些成果可能需要时间才能显现，我们也会跟踪领先指标。对于客户经理而言，这可能意味着更多与客户相处的时间、更强的销售管道或更高的赢单率，然后收入增长才会完全实现。对于工程师而言，重要的不是 AI 生成了多少代码，而是团队是否能更快地构建更好的产品。

我们鼓励团队超越效率，问一问：“我们的员工能完成哪些以前无法完成的事情？”

5. 结合人类与 AI 能力，打造持续学习的组织

在 Microsoft，我们长期以来一直相信成长型思维是竞争优势的来源。我们挑战假设、实验、学习和适应的意愿塑造了我们的文化十余年——并为 AI 时代提供了更加重要的基础。

AI 正在赋予这一理念新的含义。作为思维伙伴，它可以帮助员工探索新想法、培养技能并在工作流程中学习。它可以让学习更快、更个性化、更易获取，帮助人们迎接曾经觉得遥不可及的挑战。

但我们也发现，学习是双向的。人们通过带来雄心、上下文、判断力和反馈，帮助 AI 变得更有用，教会它工作如何完成以及什么才是好的结果。人们设定需求，纠正不足之处，确定哪些环节必须由人类判断，并对 AI 的应用方式保持问责。

例如，在我们的人力资源组织中，团队正在持续改进智能体，以支持新员工入职涉及的众多跨公司活动。我们的团队引导流程并设定何为良好结果的标准，确定哪里需要人类判断，解决问题并治理整个系统。

随着时间推移，这个学习循环将个人洞察转化为组织能力。AI 帮助人们更快学习，而人们帮助 AI 在其组织内变得更有用。我们认识到，我们正在创建的持续学习循环也在产生独特的机构知识，而保留对其的控制权对我们的长期优势至关重要。每个组织都应该能够构建自己的持续学习循环，而不必依赖任何单一模型提供商，同时保留对其知识以及知识如何嵌入其所使用的模型和系统的控制权。

能够获得最好的模型还不够。领先的组织将是那些构建加速学习能力的组织——在那里，人类与 AI 共同进步，他们创造的知识成为持久优势的来源。

这些经验汇聚为三个实用方法：针对角色的 Persona Acceleration、针对工作流的 AI-Powered Process Redesign，以及针对全新机会的 AI-First Possibility。它们提炼自数百项转型工作，是团队可以调整采用的模式——通常可以组合使用——以更快前进并避免重复摸索。

获取 AI 不会成为差异化因素。优势将来自组织赋能和激励员工、重新设计工作、负责任地治理 AI 并将有效方案投入运营的能力。我们所看到的结果——从收入增长和更高效的供应链，到更快的产品开发和更好的员工体验——展示了当这些要素汇聚在一起时所能实现的可能性。但要实现这些结果，仅仅部署 AI 是不够的。它需要有意识地将人员、流程和技术对齐。这就是成为前沿企业的艰苦工作——也是我们创建 Microsoft Frontier Company 的原因：将我们从自身转型中学到的经验带给客户，并在他们推进转型的过程中与他们并肩同行。

阅读《成为前沿企业：我们的前沿行动手册》，了解框架、转型方案以及 Microsoft 客户零号历程中的经验教训。

Kathleen Hogan 是 Microsoft 执行副总裁兼首席战略与转型官，负责领导公司全企业范围的战略和转型议程，加速 Microsoft 向前沿企业演进。此前，她曾担任首席人力资源官和 Microsoft 服务部门企业副总裁。

1 基于 Microsoft 内部销售团队数据，涵盖 2024 年 1 月至 6 月期间 687 名 Microsoft 365 Copilot 销售人员，并与 Copilot 使用率较低的销售人员进行比较。定期使用 Copilot 是指在测试期间每天至少 50% 的时间使用 Copilot 的销售人员。

2 基于 Microsoft 内部对 2025 年 9 月至 2026 年 8 月期间由 150 多人跨职能团队主导工作的分析。截至 2026 年 9 月，已有超过 111 个智能体部署在云供应链工作流中。在 2026 年 4 月至 2026 年 8 月期间衡量的 5 个月度规划周期中，平均周期时间从约 10 个工作日降至不到 2.5 个工作日。另外，在每月 20 多次需求计划调查中，生成经人工验证的解释的平均时间从五到七天降至不到几小时，部分在不到 20 分钟内完成。结果仅适用于这些工作流和衡量期间。

3 基于内部项目记录。35 天期限是从团队正式项目启动到 2026 年春季交付初始版本之间衡量的。该结果反映的是一个专职跨职能团队开展的一个项目，并非全公司范围的产品开发基准。

4 基于 Microsoft 内部销售团队数据，涵盖 2024 年 1 月至 6 月期间 687 名 Microsoft 365 Copilot 销售人员，并与 Copilot 使用率较低的销售人员进行比较。定期使用 Copilot 是指在测试期间每天至少 50% 的时间使用 Copilot 的销售人员。

5 基于 Microsoft 内部对 2025 年 9 月至 2026 年 8 月期间由 150 多人跨职能团队主导工作的分析。截至 2026 年 9 月，已有超过 111 个智能体部署在云供应链工作流中。在 2026 年 4 月至 2026 年 8 月期间衡量的 5 个月度规划周期中，平均周期时间从约 10 个工作日降至不到 2.5 个工作日。另外，在每月 20 多次需求计划调查中，生成经人工验证的解释的平均时间从五到七天降至不到几小时，部分在不到 20 分钟内完成。结果仅适用于这些工作流和衡量期间。

6 基于内部项目记录。35 天期限是从团队正式项目启动到 2026 年春季交付初始版本之间衡量的。该结果反映的是一个专职跨职能团队开展的一个项目，并非全公司范围的产品开发基准。

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：Microsoft AI Blog

原创地址：https://blogs.microsoft.com/blog/2026/09/17/what-weve-learned-from-microsofts-own-ai-transformation/