企业从传统人类团队过渡到人机协同状态，并非一蹴而就，而是需要经历一个逐步演化的过程。基于穆胜咨询的理论推导以及当前收集到的实践反馈，我们尝试提出人机协同团队组织熟度模型（MHCM，Moo Human-AI Collaboration Maturity）。
由于我们判断人机协同团队最终将演变为平台型组织（或智能体组织），其组织设计自然会走向平台型组织（或智能体组织）的三台架构。为此，我们参考了针对三台架构的四级成熟度模型（如图1-1）。在HACM中，我们同样将企业的演进过程划分为四个级别，并与平台型组织的成熟度分级相匹配。该模型可直接用于企业在建设人机协同团队过程中进行自我评估和路径规划。
图1-1:平台型组织成熟度模型，资料来源：穆胜咨询
01 第1级——工具级（Tool Level）
在这类组织中，AI以“工具”的形态存在，员工根据个人兴趣自行使用，组织层面缺乏统一治理。相应地，AI的输出成果也由个人负责，组织不进行追踪。
典型表现包括：员工私下使用AI撰写邮件、修改文案、制作表格；企业没有制定AI使用规范；出现了“影子AI”（Shadow AI）现象。这种状态自然会引发多种风险，例如数据泄露、内容失真、算法偏见以及责任不清。
举例来说，2023年，三星在允许半导体部门员工使用ChatGPT后，20天内连续发生3起泄密事件。员工为调试代码而将核心源代码粘贴进去，为优化良率而完整输入产品数据，甚至将会议录音转文字后上传整理纪要。这些信息进入公共模型后无法撤回，可能被用于后续训练，对三星公司而言自然构成风险。
再如，2025年，德勤澳洲在为澳大利亚政府部门撰写的一份237页福利津贴审查报告中，出现了捏造的法院判例、不存在的学术论文，以及无法在公开数据库中查到的专家观点。事件曝光后，德勤被迫退还约44万澳元（约合人民币206万元）报酬，并在修正版中承认使用了Azure OpenAI等生成式模型。这一案例的特殊性在于，德勤当时正高调宣布将AI工具推广给全球50万名员工，而就在同一时间，其向客户的交付物却出现了重大问题。
这个级别对应的是金字塔组织。由于员工被限制在“小方格”内，他们有大量空间独自行动，自然也会为了省力、省时、出成绩而冒险使用AI。在这类组织中，如果没有统一、细致的监管，上述风险必然爆发。要跨越这个阶段，企业需要建立正式的AI使用规范与数据边界，从“默认容忍”转向“明确治理”，至少应出台组织内的《AI宪法》。
但遗憾的是，处于这个阶段的企业老板，并未形成对AI这一生产力的系统思考。他们会在各种场合呼吁员工：“未来是AI的时代，我们要跟上”“你们年轻人要多尝试AI呀”。但这仅仅是口头上的呼吁，呼吁的也是别人。他们不会为了“AI化”而进行项目级的投入（最多意思一下，买点token），对于回报也持“随喜”态度。说穿了，这个阶段的企业老板，从心底里把自己当作“局外人”。
按照我们对人机协同团队的定义，这类团队显然达不到标准。准确地说，这是传统人类团队在走向人机协同团队之前的“浅水滩试水”。企业和人类员工在这个阶段开始认识新技术，就像原始人获得了火种，既带来了新的可能，也带来了新的风险。
02 第2级——助手级（Assistant Level）
在这类组织中，AI被“组织化”地收编为“助手”。企业内人人都有账号、有培训、有规范，但在这个阶段，AI作为助手仍不承担独立职责，也不进入核心工作流。
典型表现包括：全员配备Copilot、work buddy这类工具；企业建立了AI培训体系，向员工普及使用技巧和使用规范，甚至将培训后的认证作为使用AI的准入标准；但在这个阶段，“AI提效”仍然是个人层面的现象，组织效率并未同步提升。
这个阶段，老板开始带头使用AI，企业开始考核token消耗量，能用AI的工作恨不得都用AI，甚至会发起大规模裁员来表示“转型”决心，但预期中的“效率爆发”并不会如约而至。相对于“工具级”阶段，这个阶段的个体提效显然更加明显，但在强势的考核压力下，token也在疯狂消耗。如果个体提效不能转化为组织提效，那么在token上消耗的成本就收不回来。
亚马逊的案例很能说明问题。他们曾推出名为 Kirorank 的内部AI排行榜，依据Token消耗量给员工打分，初衷是推动AI应用。但员工很快发现了漏洞，开始让AI执行大量无意义任务（如重复处理琐碎指令）来刷高Token消耗量，以提升排名。这导致公司算力成本急剧攀升，却没有产生实际业务价值。最终，亚马逊关闭了Kirorank排行榜，高级副总裁戴夫·特雷德韦尔也告诫员工“不要为了用AI而用AI”。
这个阶段更大的尴尬在于，虽然一定程度上降低了使用AI的风险，也在局部形成了个体提效的效果，但组织模式没有改变，AI很容易在金字塔组织里造成“内部失调”。 被提效的个体与未被提效的个体会出现协同冲突，最终短板决定高度，组织效率依然低下。不仅如此，当AI的使用以个体利益作为第一考量时，个体之间、部门之间的冲突会迅速爆发，大企业病在局部甚至会更加突出。因此，停留在第二级的企业，其AI投入的边际回报会迅速递减，token消耗越来越快，回报越来越小。
但这个阶段的好处在于，由于大量使用AI工具，相当一部分“无效跑动”的人类员工开始被替代，组织冗余得以被挤出，进入精简状态。 与此同时，一部分精英奋斗者意识到AI工具可以带来无限可能性，开始自发优化作业单元，并推动跨部门协作，积极疏通工作流，客观上创造了客户价值的增量。企业老板意识到这种自发状态带来的好处，会采取默许的态度，也会提供部分支持，甚至会建立“试验区”。相对于平台型组织中的2级状态，即“灵活金字塔组织”，AI助手起到了放大器的作用，让金字塔更加灵活。从传统人效视角来看，冗员被AI替代，精英在“试验区”突破，自然会带来人效数据上的提升。此外，由于人类员工能使用AI助手，人力投入的边际回报会呈现递增。只不过，企业在这个阶段不太可能选择增人罢了。
这就出现了一个很吊诡的场景：AI加持的官僚主义，与精英驱动的人机协同共存；传统人效上行，token效下行；传统人效边际递增，token效边际递减，出现穆胜咨询称之为的“边际剪刀差”。
但老板们更愿意看到光明的一面。正是因为精英脱颖而出、人效持续上行的状态，他们可能被误导，认为企业经营尚好，不需要继续推动组织升级，只需静待“试验区”的种子自动开花结果。但这种想法是极其不理智的。人效的提升是以牺牲token效为代价的，不是人力投入减少了，而是人力投入变成了算力投入。不仅如此，如果对官僚主义不加抑制，金字塔组织的“内部失调”就会越来越明显，并逐渐吃掉精英奋斗者们的局部努力，token的无谓消耗也会让企业的投入泥牛入海。现实中，绝大多数企业都会被卡在这一级。
按照我们对人机协同团队的定义，这类团队依然达不到标准。AI只是工具，尚未具备自主意识，尚未接管某些职能领域。可以说，这是传统人类团队在走向人机协同团队之前的“深水区探索”。企业和人类员工在这个阶段开始逐渐掌握新技术，并将新技术融入了生产中。
03 第3级——编队级（Team Level）
在这类组织中，AI智能体成为团队的“编内成员”，有明确职责、有权限边界、有人类所有者。企业通过组织变革，让AI智能体爆发出威力。结果是，在一定程度的升级后，组织里的大量作业单元越来越依靠AI支撑，企业开始围绕“人机协作”连接作业单元，并设计指向客户的工作流。
这个阶段，由于建立了三台架构，跨部门协作已经成为常态。又由于AI智能体加入了跨部门协作，协作可以用API的方式进行标准化连接，效率大大提升，彼此贡献更加清晰，激励反馈也更加直接。此时，组织里的部门越来越虚，更像是一个个的“基地”，而不是部门长的“地盘”。部门长更像是生意人，而非行政长官，他们开始关注如何形成更多有竞争力的作业单元，并竭力将其连接到创造客户价值的工作流上，以此来追求专业能力的变现回报。正因为这种理念，客服、招聘、研发等场景出现稳定的“1人+多个AI智能体”结构；同时，企业也建立了AI智能体的身份与权限管理，AI智能体的产出被纳入质量监控。换言之，在企业的《AI宪法》下，各种立法更健全，执行也更到位。
这个阶段的矛盾有两个：
一是迅速滋生的AI智能体与治理水平之间的矛盾。 Strata Identity的2026年研究显示，仅18%的安全负责人认为其身份与访问管理系统权限能有效管理AI智能体身份，近80%无法实时追踪代理活动（Strata Identity，2026）。潘多拉的魔盒打开了，各类AI智能体迅速上线，企业的治理水平却没有如期匹配。“不知道自己雇了多少AI员工”，是编队级最常见的失败原因。
二是迅速爆发的人机协同生产力与组织模式之间的矛盾。 由于组织已经开始进化，人类员工可以搭建AI智能体，以此升级作业单元，并进入工作流。一方面，他们看到了更大的可能性，但组织升级尚未完成，生产力的进步距离他们的期待还有巨大差距，组织的灵活性和企业的赋能水平依然滞后；另一方面，他们的价值创造能力大幅提升了，但却没有通过足够市场化的激励机制获得回报。
与此同时，企业开始普及“人机比”“token效”的管理概念，对人机协同团队（或智能体组织）的“人效”开始有新的理解，逐渐放弃传统人效指标（或仅仅把这类指标当作“辅助指标”），并形成新的人效管理理念和方法。当企业关注到“人机比”和“token效”时，就会发现组织模式是阻碍这两项指标的最大障碍。所以，这个阶段的企业并不会像助手级（第2级）的企业一样被卡住，他们大概率会选择继续推动组织变革，企业的人机协同团队由此有希望进阶。
按照我们对人机协同团队的定义，这类团队已经达到了标准。AI不仅是工具，还具备自主意识，开始接管大量职能领域。可以说，这是人机协同团队已经在进行“深水区寻宝”。企业和人类员工在这个阶段开始逐渐熟悉新技术，并将新技术大量融入了生产中，进入一个全新的时代，迎来广阔前景。自然，这类“待爆发”的企业也会成为资本市场的宠儿，资本都在期待他们“看得见的未来”。
04 第4级——智能体组织级（Agentic Organization Level）
人机协同成为企业主流作业单元的主流形式。组织呈现“少量人类、大量AI；多中心动态网络；以客户为中心无限分形”的特征，企业升级为智能体组织。在组织结构上，三台架构完全成熟。“人类员工+AI智能体”的作业单元被随需调用，以API的形式进行标准化连接，形成丝滑的工作流，得以打穿业务场景，并针对不同垂类市场，形成客户价值的“指数级爆发”。
这个阶段，中后台以API提供服务，派出“人类BP+AI智能体（如采购智能体、绩效管理智能体）”的组合进入前台。前台由核心人类员工连接这些组合形成经营单元，驾驭指向客户的工作流。从形式上看，前台是一个个小型人机协作团队。与此同时，前台的经营单元会进行跟投、认领业绩、对赌分润。参与经营单元的人类员工通过跟投认领获得分润，而派出AI智能体的中后台则通过服务协议，获得标准化收费或利润分享。
这类企业已经形成了纯市场化的激励机制，并全面普及“人机比”“token效”的新一代人效管理模式，对这类人效的计量渗透到每个工作流、作业单元。企业成为一个投资平台，其基于人机比和token效的逻辑，投入资源支持各个职能搭建和运行AI智能体，并将其引向最能产生经济收益的工作流，确保效能最大化，经营收益最大化，利润最大化。不仅如此，企业的治理水平也更加成熟。由于组织模式简化了治理，他们只需要关注基础条款，监控核心指标。他们不是管得更细了，而是管得更巧了。
此时，企业进入了指数级增长的良性循环，不再为大企业病而烦恼。换句话说，在这种组织模式里，人和机都会自动增效。他们开始瞄准市场反馈，人类争当奋斗者，而机器则会在人类的驱动下，为了自己的生存而努力。对于机器来说，如果没有业绩，或效能低于阈值，它们就会因为不能获得token的投入而被放弃。
按照我们对人机协同团队的定义，这类团队已经完全达到了标准。AI不仅具备自主意识，而且开始成为各个职能领域的核心支柱。可以说，此时的人机协同团队已经在全面进行“海洋资源开发”。企业和人类员工在这个阶段对新技术驾轻就熟，在全新的时代里自由行动。当然，目前尚无企业被公认为完全达到第四级。这一级的价值不在于“是否已实现”，而在于它为企业提供了一个清晰的“北极星”。
05 人机协同团队成熟的脉络
将上述四个阶段进行汇总，我们可以清晰地发现人机协同团队的演化过程：
图1-2: 穆胜人机协同团队组织成熟度模型（MHCM），资料来源：穆胜咨询
在这一过程中，企业有三个成长脉络：
一是AI技术的应用深度和匹配的治理水平。 从把AI当作工具，到当作助手，到形成AI智能体并赋予员工身份，AI发挥的自主性越来越大，越来越履行“员工”的责权。与此同时，治理逻辑也从完全缺位，到全面覆盖，到抓大放小，从“管AI”到“管平台”的走向非常明确。
二是组织变革的深度，包括三台架构、激励机制和赋能机制。 这条脉络里，金字塔组织到平台型组织的变迁依旧，与我们描述的平台型组织成熟度模型完全一致。为了让AI发挥威力，企业只有建立最开放、灵活的组织，别无他法。我们也强调，这条脉络才是人机协同团队演化的核心脉络。
三是对于效能的理解深度。 最初，企业把AI当工具，投入自然有限，当然不需要关注这个领域的投产比；而后，AI成为员工，投入逐渐增加，人力投入逐渐变成算力投入，关注“人机比”和“token效”成为了主流。只有转化效能视角，关注在AI上的投产比，合理配置投资筹码，才能让AI释放出最大生产力。在这个方面，硅谷的反应是最迅速的。从2025年开始，大量经营稳健的硅谷企业开启了若干以“AI替代”为名的裁员，最直接的原因就是在取悦华尔街（泛指资本市场）。因为，资本并不看好那些大量囤积员工而非GPU的科技企业。
面对这样的进化规律，中国企业又会作何反应呢？穆胜咨询研究院预测，中国大型企业将在2027年前后普遍完成从一级到二级的跨越；2028—2030年间，则可能出现一批进入三级的企业；但在2030年前，进入四级的企业仍属少数，只不过，其示范效应将加速行业整体演进。需要特别指出的是，跨越级别不取决于AI投入的多少，而取决于组织变革的深度——这是本报告在第一部分反复论证的核心命题。
关于人机协同团队相关的成熟度模型，其他企业与研究机构也有相关的表述，如联想和中国人民大学商学院联合提出了五级划分；阿里巴巴、字节跳动、百度、海尔都提出了各自的三级划分；美团提出了四级划分。但是，我们坚持使用上面的分级，并认为这个模型更能指导企业走向正确的实践。
这些分级里，影响最大的应该是联想和中国人民大学¹的分级体系。2026年9月，两家机构联合发布了《AI原生组织转型指南》，并提出了L1到L5的五级成熟度划分：L1（“+AI”局部尝试）→L2（“+AI”广泛应用）→L3（混合AI底座）→L4（“AI+”运营重构）→L5（AI原生成熟）。这个模型指出，“从‘+AI’走入‘AI+’”，对应的是L3到L4之间的“惊险一跃”。
在联想自己的语境里，其智能体确实达到了L3级“有限自主”，能自主规划、拆解任务并反向影响流程。而联想的确也在“AI底座”上做了大量工作：自研“擎天5.0”混合AI底座、Agent OS统一运行体系、将Token成本压至极低水平。从这个角度看，它具备L3的技术基础设施特征，是中国企业里的先锋代表。但深入其治理机制会发现，AI智能体的“自主”仍然被严格框定在“执行”层，“决策权”并未实质让渡。如果按照上述五级分类，应该是技术应用到了L3，组织治理停留在L2。
事实上，这种表象与实质的矛盾，正是我们坚持采用MHCM的原因。市面上大量的分级模型都存在一个鲜明导向²：它们本质上是“技术应用成熟度”模型，而不是“组织变革成熟度”模型。而用技术应用程度做标尺，会把“工具用得好”误认为“组织转型深”。 事实上，我们完全理解企业选择这类分级模型的原因——因为组织变革太难量化、太痛苦、太触及利益。或者这样看，说“我们部署了100个智能体”比说“我们把某个决策权交给了AI并承担了相应风险”容易得多。再说白一点，技术标尺让企业可以在不触动权责结构的前提下，宣称自己“正在转型”。
MHCM跳出了技术执着，回归了组织进化的本源。它坚持认为——真正有参考价值的阶段划分，必须把决策权转移、责任追溯机制、组织结构重塑、激励体系重构、效能理念升级等要素作为核心判据，而不仅仅是智能体数量和自主级别。
¹ 该《指南》由中国人民大学世界一流企业研究院与中国人民大学商学院牵头，联合联想集团共同完成。这是一个产学研深度融合的团队，联想提供了其三年转型的实践样本，而人大方面则负责学术框架的提炼与构建。该研究团队的学术领衔者，是中国人民大学商学院副院长、世界一流企业研究院执行院长张瑾教授。
² 陈春花与李志勇提出了AI辅助→AI原生组织→AI智能体经济的三级划分，重点关注了组织层面的进化，但其一二级之间颗粒较粗，对于实践的指导还需要进一步明确。
近期文章
最受期待的对决
2026年8月15日
焦点赛事前瞻
2026年7月22日
本周焦点战
2026年9月1日
热门对决解析
2026年8月5日
赛事评论员 张伟
益智挑战类体育游戏的魅力在于每局都不同。爱游戏体育登录通过内容特点帮助读者降低试错成本：我们拆解常见谜题的设计逻辑，分析不同选择带来的后果，并提供可复用的操作模板。无论你是新手还是老玩家，都能从中找到提升思路的线索。记住，真正的进步来自阅读与实战的相互印证。
最新评论
李明
2026年9月10日
多人联机中，团队沟通与角色分工往往比个人技术更重要。爱游戏体育登录建议玩家在开黑前明确各自职责，并利用语音工具实时交流。本文以一场5v5排位赛为例，展示了如何通过战术轮转和资源分配逆转劣势。讨论话题时，请保留自己的判断，让每场对局成为你的经验积累。
王芳
2026年9月11日
从单机到联机，体育游戏的体验跨度很大。爱游戏体育登录建议新手先从单机模式熟悉基础操作和规则，再逐步尝试多人对战。本文梳理了五款热门体育游戏的入门要点，帮助读者快速建立自己的操作框架。
发表新评论