核心观点 - AI竞争正从技术竞赛转向组织竞赛，企业必须向AI原生组织转型以应对新时代挑战 [1] - 联想集团联合中国人民大学发布业内首个《AI原生组织转型指南》，系统解答了转型的必要性与方法论 [1][3] 转型背景与趋势 - AI正以“硅基员工”身份参与企业价值创造，企业重心从“用AI赋能员工”转向“让AI承担工作” [2] - 传统单一碳基劳动力体系发生变化，企业从数字化组织迈向AI原生组织的新阶段 [2] - 企业竞争关键从“会不会用AI”转向“组织是否具备AI原生能力” [3] 《指南》发布意义 - 回答了企业为何必须从“用AI”走向“AI原生”的根本问题 [3] - 将AI原生组织从概念变为完整框架，提供可执行方法论 [3] - 提出“硅基建设”和“碳硅融合”两个标志性概念 [3] - 为大型实体企业树立信心，坚持以人本主义态度思考AI [3] 联想转型实践 - 联想用三年时间从“+AI”走入“AI+” [2] - 联想AI原生组织实践案例已荣获2025年“拉姆·查兰管理实践奖杰出奖”和2026年企业管理“年度十大最佳实践” [2] - 联想致力于成为更多企业的AI原生组织转型伙伴 [2] AI原生组织转型“黄金五步法” - 转型需跨过五个阶段：1级“+AI”局部尝试、2级“+AI”广泛应用、3级混合AI底座建设、4级“AI+”运营重构、5级AI原生成熟 [4] - 从“+AI”到“AI+”被形容为“惊险一跃”，类比为从手工业作坊到工业化流水线的转变 [4] - 联想将三年实践凝练为“黄金五步法”：顶层规划、价值引领、硅基建设、碳硅融合、飞轮进化 [4] 第一步：顶层规划 - 解决“往哪走”问题，不是技术命题而是企业发展与创新命题 [4] - 联想领导团队达成“AI是新的生产力”共识 [4] - 第一阶段目标定在“开源、降本、提效”为主的运营价值，同步探索智能体军团深化客户直达业务模式变革及打造新增长引擎等战略价值 [4] 第二步：价值引领 - 回答“价值从哪里来”，AI引入企业不是做流程执行而是创造价值 [5] - 围绕收入增长、成本节约、效率提升三大指标，联想建立“场景、项目、项目集”三级收益管理体系，让价值可度量、收益可归因 [5] 第三步：硅基建设 - 让硅基员工真正走进组织 [5] - 联想已形成“3+100+N”智能体军团：3个超级智能体、100多个场景智能体与N个Skills [5] - 面向客户和公众的联想乐享超级智能体目前月活已达700万、日均交互超100万次 [6] 第四步：碳硅融合 - 重构业务流程与组织，建立人机协作体系 [7] - 联想沉淀出AI规划咨询、基于智能体工坊的前沿部署工程师共创、以混合词元工厂为核心的混合AI底座投建运一体化支撑、持续的流程变革与人才培养等全周期服务 [7] 第五步：飞轮进化 - 联想与伊利的合作案例：从硬件与数据基础设施起步，扩展到AI应用与数字客户体验 [7] - 双方共建的供应链控制塔覆盖生产计划、工厂采购、供应商供货等5大环节15个关键节点 [7] - 整合80余项供应指标与140余项广促品指标 [7] - 原奶调配单吨运输成本降低13.5%、24小时到厂及时率提升至98% [7] 行业展望 - AI原生组织不是一家公司或少数几家公司的特权 [7] - 希望不同类型、背景的企业大胆尝试，走出不同的路径 [7]

快手DataAgent规模化落地与智能决策新范式 - 快手技术沙龙以《DataAgent：数据生产与智能决策新范式》为主题，探讨DataAgent从单点工具走向企业级规模化生产决策伙伴的实践路径 [1] - 快手披露集团DataAgent规模化落地关键运行指标：平台WAU突破10600，周人均对话55次，数据分析师、产品运营人员渗透率超80%，NPS达到73.5，单次任务提效中位数达13倍 [3] - DataAgent已深度服务主站、电商、商业化、生活服务、海外、社科、安全等多条业务线，覆盖取数分析、报告生成、数据开发运维、A/B实验智能分析、智能埋点、资产服务等全链路场景 [3] 快手DataAgent演进路径与架构转向 - 2025年上半年，团队以Workflow为主，从单点场景切入；下半年逐步拓展到更多场景 [3] - 2025年底至2026年一季度，完成从Workflow到Agentic+Skill的架构转向，并在生产和分析场景加速落地 [3] - 2026年二季度，快手完成DataAgent品牌和能力统一，进入万级用户规模化应用阶段 [3] 企业级DataAgent能力建设双主线 - 快手数据平台产品技术中心负责人张蕤指出，真正难点在于做成覆盖多角色、多业务、可持续演进的企业级DataAgent [4] - 能力建设拆成两条主线：一条提升泛化能力，让Agent能够处理复杂任务；一条保障准确可信，让结果能够稳定进入真实业务流程 [4] 电商场景DataAgent落地实践 - 快手电商用增营销与支付数据负责人方彬分享了DataAgent在电商场景中的落地过程 [4] - 电商场景落地从早期答非所问到逐步实现精确答疑，从承接临时取数到支持复杂报告生成，再从消费侧分析能力延伸到生产侧提效 [4] - 关键支撑是知识库建设、取数Skill构建与准确性保障体系的逐步完善 [4] A/B实验平台智能化升级与性能提升 - 快手A/B实验平台产品技术负责人覃侃表示，平台正从指标看板分析、实验洞察分析迈向DataAgent驱动的智能化分析 [5] - 通过Agent对话和Copilot两种方式服务实验设计、实验归因、实验报告等场景 [5] - 目前快手A/B实验平台同时在线实验数超过1.3万，每天新建实验数超过150，周活用户超过5000 [5] - 通过将指标计算从SparkETL迁移至新一代OLAP引擎，以LT7指标为例，计算耗时从90分钟降至42秒，成本节约92% [5] - 平台以DataAgent为统一底座，将实验元信息、指标体系、数科知识和分析工具封装为可编排的/abtestSkill，覆盖实验设计、实验归因、智能报告等核心场景 [5] DataAgent对组织协作与岗位边界的影响 - 张蕤认为，当DataAgent在更多场景中规模化应用，岗位边界和组织协作会随之变化 [6] - DE与DPM的能力进一步融合，数据FDE、PDE、全栈工程师等复合型角色开始涌现 [6] - 一人能够承担更完整的任务，跨角色沟通成本随之减少 [6] - 随着DataAgent持续深入生产与分析场景，企业数据能力将加速从工具化走向生产化 [6]