AI转型，最该先被改造的人是一号位
最近我接触了很多企业家。
里面不乏上市公司副总裁、上市公司高管，也有不少企业的一号位。
聊下来，我有一个很强烈的感受。
很多人都以为自己很懂 AI。
但真正一聊，发现并不是。
他们听过很多概念。
上过很多学习。
也看过不少演示。
但真实的实践很少。
尤其是把 AI 放进自己的工作流里，连续用它处理高价值任务的人，更少。
这就会带来一个很大的问题。
一号位的思维不变，组织的 AI 转型很难真的发生。
而思维改变的前提，不是先听更多课。
是手要先改变。
工作流要先改变。
我们做过一些组织变革相关的研究，也在很多企业现场看到过类似现象。
老板很重视 AI。
也会要求员工用 AI。
部门会做培训。
团队会报场景。
IT 会选工具。
但真正决定这件事成败的人，往往没有先下场。
这个人不是员工。
是一号位。
我跟很多同行交流时，也会看到类似的场景。
老板很重视 AI。
他会开会，会定战略，会要求大家“拥抱变化”。
但如果你追问一句：你自己每天怎么用 AI？
答案通常会变得含糊。
有些人用过聊天工具。
有些人看过几次演示。
有些人让助理整理过材料。
这当然算接触。
但它离真正的 AI 工作，还差很远。
为什么一号位必须先变
AI 转型不是给员工换一套工具。
它改变的是企业分配任务、做判断、交付结果的方式。
这件事一旦深入，就会碰到三个东西。
第一，流程。
第二，权力。
第三，评价标准。
这些都不是普通员工能决定的。
员工可以用 AI 写文案、做表格、查资料。
但员工不能轻易重写流程。
员工也不能决定哪些审批可以交给 agent 先跑。
员工更不能重新定义“好工作”的标准。
图1：AI 转型的真正入口，通常不在工具采购，而在决策层的工作方式。
BCG 在 2026 AI Radar 里提到，接近四分之三的 CEO 说自己已经是公司 AI 的关键决策者。
麦肯锡 2025 年的全球 AI 调研也有一个很有意思的发现。
AI 高绩效企业更常见的特征，不只是买了更好的模型。
它们的高级领导更愿意亲自承担 AI 责任，也会示范如何使用 AI。
这跟我在一线看到的情况是吻合的。
AI 不会因为公司买了账号就自动发生。
它需要有人把“用 AI 干活”这件事，变成新的管理动作。
而这个动作，必须从最高处开始。
这些判断，不是凭感觉来的
你如果去看公开案例，会发现一个共同点。
真正跑得快的公司，不是停留在“我们重视 AI”。
而是把 AI 写进了老板自己的工作方式。
也写进了组织的资源分配方式。
图2：公开案例里，一号位下场通常会带来四类变化。
Shopify：先问 AI 能不能做，再问能不能招人
Shopify 创始人兼 CEO Tobi Lütke 在 2025 年公开过一封内部备忘录。
里面最关键的不是一句口号。
而是一条管理规则。
团队如果要申请更多人力和资源，要先说明为什么不能用 AI 完成。
这件事本质上改变了资源申请的前置条件。
过去是“业务增长，所以要人”。
现在变成“先证明 AI 做不到，再谈增加人”。
Shopify 后来还披露，内部已经普遍使用 AI 代码编辑器，配置了大量 Cursor 许可，并让团队使用顶级模型。
这说明一号位下场不是喊大家试试。
而是把 AI 变成默认工作环境。
Google：不是让 AI 写玩具代码，而是进入真实工程流程
Google CEO Sundar Pichai 在 Alphabet 2024 年第三季度业绩会上讲过一个数据。
Google 超过四分之一的新代码由 AI 生成，再由工程师审阅和接受。
这个表述很重要。
它没有说工程师不重要。
它说的是工程流程变了。
AI 负责生成，人负责审阅、判断和接受。
这正是管理者应该看见的变化。
AI 不是替代一个岗位那么简单。
它会重新定义一个岗位里哪些动作由机器先做，哪些判断必须由人保留。
Microsoft 和 Meta：代码正在变成组织级 AI 流程
Microsoft CEO Satya Nadella 在 2025 年 LlamaCon 上提到，Microsoft 代码库里大约 20% 到 30% 的代码已经由 AI 生成。
Meta CEO Mark Zuckerberg 也在 2025 年一季度业绩会上谈到 AI 编程智能体。
他的判断是，到 2026 年中后期，AI 编程智能体会承担 AI 研发中相当一部分工作。
这不是普通员工自己偷偷用工具。
这是 CEO 在公开场合把“AI 进入研发流程”当成公司级趋势来讲。
所以我为什么强调一号位要亲自用。
因为你不亲自跑过任务，就很难理解这个变化会怎样改写研发、产品、运营和管理。
Duolingo：AI-first 不是贴标签，而是改约束
Duolingo CEO Luis von Ahn 在 2025 年宣布公司转向 AI-first。
公开报道里提到，他们计划逐步停止把 AI 能处理的工作交给外部承包商，也会把 AI 使用纳入招聘和绩效讨论。
这个做法后来引发争议，他也做过解释和调整。
但它给管理者一个提醒。
AI 转型一旦真正推进，就一定会碰到评价标准。
问题不是“有没有用 AI”。
问题是“用了 AI 以后，结果有没有更好”。
如果只考核使用次数，就会变成形式主义。
如果只看结果，不给新的工作方法，又会回到老流程。
这也是一号位必须亲自下场的原因。
你需要知道组织应该奖励什么，也要知道不能粗暴地考核什么。
国内也有类似信号：李彦宏讲重构，周鸿祎讲亲自踩坑
国内公开信息里，也能看到类似变化。
李彦宏在极客公园创新大会和百度开发者大会上，多次强调 AI 原生应用和“应用才是王者”。
这句话的重点，不是百度。
而是应用和重构。
AI 不是在旧流程旁边加一个助手。
而是逼你重新想产品、流程和交互。
周鸿祎的案例更接近我说的“手要改变”。
公开报道里，他多次谈到自己亲自参与智能体开发、流程调试和 Skill 调整。
有报道还提到，他会长时间对着模型下指令，让 AI 写代码、改程序、构建智能体，再反复调试流程。
这个细节特别重要。
因为只有这种强度的实践，才会让管理者真正理解 token 消耗、上下文丢失、误删代码、流程失控和多轮迭代这些真实问题。
这些问题不会出现在 PPT 里。
但它们决定企业 AI 转型能不能落地。
怎么判断一个老板是不是真的懂 AI
我有一个很朴素的判断框架。
不要先听他说了什么。
先看三个指标。
第一个指标：有没有用过最先进的模型干真活
这里的重点不是模型名字。
今天可以是 GPT 系列的最新旗舰，也可以是 Claude 系列的新版本，明天又会换。
模型版本会不断变化。
真正重要的是：你有没有让最强模型完整跑过一个真实任务？
不是问一句“帮我总结一下”。
而是让它读材料、拆任务、给判断、做交付、反复修正。
比如看一份财报。
比如审一份投资方案。
比如检查下属写的经营分析。
比如让 agent 调度多个步骤，最后交给你一个可决策的结果。
如果从来没有做过这种任务，你对 AI 的认知大概率还停留在“聊天工具”。
第二个指标：每天有没有一到两个小时的深度使用
AI 能不能改变一个人，不看他有没有试过。
要看它有没有进入日常工作。
一个管理者如果每天都拿 AI 工作一小时，变化会非常快。
他会开始知道哪些问题适合交给 AI。
他也会知道 AI 在哪里容易胡说。
他会慢慢形成一种新的判断力。
这种判断力，靠听课很难长出来。
它必须在真实任务里长出来。
第三个指标：这个月有没有消耗足够多的 token
这个说法会有点粗暴。
但我觉得很有用。
token 不是智商分数。
它也不是唯一指标。
但它能反映一个问题：你到底有没有把 AI 当劳动力在用。
一个月只用了几万 token、几十万 token，多半还是在问答。
真正让 AI 干活，会非常消耗 token。
因为它要读材料。
要推理。
要试错。
要改方案。
要在多个版本里循环。
如果一个管理者每月都能打到一亿 token 级别，至少说明一件事。
他不是在围观 AI。
他在把 AI 放进自己的工作流里。
图3：token 消耗不是炫耀指标，而是 AI 是否进入工作流的一个粗略压力计。
很多企业卡住，不是员工不努力
我见过不少企业，员工其实很想用 AI。
但他们不知道边界。
不知道哪些数据能传。
不知道输出错了谁负责。
不知道 AI 做出来的东西，领导到底认不认。
最后就变成一种尴尬状态。
会上讲 AI。
会后还是老流程。
员工私下试一试。
真到交付时，又回到原来的方法。
这不是员工的问题。
这是组织没有给出新的工作协议。
而工作协议，必须由一号位推动。
AI 转型的难点，不是让每个人都学会 prompt。
真正难的是回答这些问题。
1哪些工作必须先让 AI 参与？
2哪些判断必须保留人类复核？
3哪些产出可以直接进入经营会议？
4哪些岗位的能力模型要重写？
5哪些流程应该从“人找信息”改成“agent 先跑一遍”？
这些问题如果老板不亲自用 AI，是很难判断的。
因为你没被 AI 改变过，就很难知道组织应该被怎么改变。
一号位应该怎么开始
我不建议一开始就做大项目。
大项目容易变成汇报工程。
也容易把 AI 转型交给外部供应商。
最好的入口，是先改造老板自己的工作流。
第一步，选三个你每天都会碰到的高价值任务。
比如财报分析、会议纪要、经营复盘、方案审阅、竞品研究、客户线索判断。
这些任务必须真实。
最好还带一点压力。
因为只有真实压力，才会逼出真正的用法。
第二步，固定一个 AI 工作时段。
每天一小时就够。
不要把它当学习时间。
把它当正式工作时间。
你要让 AI 进入你的日程，而不是进入你的收藏夹。
第三步，把每次 AI 协作记录下来。
记录三个东西。
任务是什么。
AI 做到了哪一步。
哪里需要人类判断。
一个月之后，你会得到一张很清楚的图。
哪些工作可以自动化。
哪些工作需要 agent。
哪些岗位的工作方式必须重写。
第四步，再把自己的经验迁移给组织。
这时你再去要求员工用 AI，语气会完全不一样。
你不会只说“你们要提高效率”。
你会说：这个流程我跑过，第一步 AI 先读材料，第二步人来确认判断，第三步 agent 去生成备选方案，第四步负责人只看差异和风险。
这才是转型。
我更愿意做一号位的 AI 私人助理
现在很多 AI 转型服务，一上来就谈项目。
做诊断。
做蓝图。
做培训。
这些当然有价值。
但我越来越觉得，对很多企业来说，第一步不该是改项目。
第一步应该是改造一号位自己的工作方式。
我可以作为一号位的 AI 私人助理。
不是给你上一堂课。
而是陪你把 AI 用进真实工作。
你要看财报，我陪你搭分析流程。
你要审报告，我帮你训练审阅框架。
你要做经营复盘，我帮你把材料、指标、判断和行动项串起来。
你要推动团队变化，我帮你把自己的 AI 使用经验，拆成可复制的动作。
这件事的关键不是“会不会上课”。
关键是能不能把你的动作固定下来。
让 AI 先进入你的工作。
再从你的工作，进入组织的流程。
只有这样，一号位对 AI 的认知才会变深。
而不是停留在概念、报告和演示里。
最后留个钩子
最近我围绕 AI 产品设计、AI 流程管理变革和咨询交付，做了不少插件。
其中有一个叫“AI 咨询”的插件。
它可以辅助做企业 AI 转型诊断、咨询方案拆解、场景梳理和管理者陪跑设计。
感兴趣的朋友，可以找我拿。
领取条件很简单。
把这篇公众号转发到朋友圈。
注意，要设为完全公开。
不要设“仅自己可见”。
不要设分组可见。
就是完全公开。
转发后截图给我，就可以找我拿这个插件。
如果你是一号位，或者你正在帮老板推进 AI 转型，也欢迎直接来聊。
我们不聊概念。
我们聊你明天早上第一小时，怎么真正开始用 AI 干活。
几句可以单独转发的话
一号位没有被 AI 改造过，企业的 AI 转型大概率只能停在口号里。
AI 转型不是买工具，而是重写管理者分配任务、做判断、看结果的方式。
token 不是智商分数，但它能暴露一个人到底有没有把 AI 当劳动力用。
老板先把自己的工作流跑通，员工才知道组织到底允许什么、认可什么、奖励什么。
关于詹老师
我是詹老师，长期聚焦 AI 产品设计和 AI 流程管理变革。
我更关心的不是“AI 有多热”，而是 AI 怎么真正进入企业的一线流程、管理动作和决策系统。
我会持续研究 AI agent、AI 插件、企业流程重构和一号位 AI 陪跑。
如果你正在推动企业 AI 转型，或者想先把自己的一号位工作流跑通，可以来找我聊。
参考资料：BCG AI Radar 2026、McKinsey The State of AI 2025、Shopify/Tobi Lütke 公开备忘录与 Shopify 官方访谈、Alphabet 2024 Q3 业绩材料、Microsoft/Meta 公开发言、Duolingo AI-first 公开报道、百度李彦宏公开演讲、周鸿祎公开报道、OpenAI 与 Anthropic 官方模型文档。文中“一亿 token”是实践观察中的自检阈值，不是行业统一标准。