企业 AI 投入未见回报，问题往往不在技术本身，而在组织结构没有跟着一起变。
过去一年，许多中国公司做了标准三步走：抢 H20 或国产卡、私有化部署 DeepSeek、全员开通账号加培训。钱花了，模型跑起来了，员工也确实在用 AI 写周报、改 PPT、润色邮件。可等了大半年，财报上什么也没发生。有人开始怀疑模型不够强，想换更大的。
这个困惑并不新鲜。一百年前，美国工厂主们也经历过一模一样的事。
电力普及 40 年后，工厂才真正赚钱
经济史学家保罗·戴维在 1990 年研究过一个现象：电力技术 19 世纪末就已成熟，但美国工厂的生产率直到 20 世纪 20 年代才真正井喷。这中间整整 40 年，电去哪了？
答案藏在工厂的组织结构里。蒸汽时代，工厂依赖一台巨大的中央蒸汽机，通过贯穿全厂的主传动轴把动力分配给每台机器。这根轴决定了工厂的一切布局——机器必须密密麻麻挤在轴周围，多层、拥挤、昏暗，形状迁就的是传动轴而非生产流程本身。
电来了，工厂主的第一反应是把中央蒸汽机换成中央电动机。传动轴没动，皮带没动，车间布局一寸没改。生产率纹丝不动。
真正卡住工厂的从来不是动力从哪来，而是那根轴决定的整套结构。
后来工程师把一台大电机拆成几台中型电机，分别驱动不同车间，布局略有松动，但底层逻辑没变——动力仍然先集中再分配。这对应今天许多企业的「部门级 AI」：客服部搭智能客服，法务部接合同审查，各自为政，数据不打通，本质上还是把 AI 塞进现成的岗位和流程。
真正的革命发生在「单元驱动」普及之后——每台机器装上自己的小电动机，那根贯穿全厂的传动轴被彻底淘汰。这一步打开的不是动力问题，而是整座工厂的设计自由：机器不再围着动力源排列，可以按生产流程的顺序重新布局；工厂从多层拥挤变成单层宽敞；每台设备独立开关，省电、安全、灵活。流水线由此才成为可能。
最早把这套逻辑吃透的是福特。1913 年，他让汽车在传送带上自己流过每道工序，组装时间从十二小时压缩到一个半小时。他没有用到更强的电机，只是第一个想明白：有了电，工厂本来该怎么重新设计。
从电力技术成熟到这一步出现，整整过了一代人。
今天的 AI 企业，正卡在哪一阶段
把这段历史照进现实，企业 AI 转型大致经历三个阶段：
第一阶段，用 AI 替代单个动作——更快写周报、更快翻译，流程没动，红利微弱。第二阶段，各部门各自上工具——局部改善，互不打通，好于第一阶段但远没到应有的效果。第三阶段，分水岭——不再问哪个环节能让 DeepSeek 提提速，而是重新思考：如果 AI 的能力在公司里随处可得、近乎免费，这件事本来该怎么干？
到了第三阶段，原本因为人力成本太高而根本不做的事变得可行——给每个客户做深度尽调、给每份合同做全条款比对、给每个长尾客诉做根因分析。岗位被重组，审批链被压缩，组织结构、人员技能、考核体系被整体推倒重来。红利在这里才真正爆发。
瓶颈从来不在技术，在组织。当年拖住工厂的是传动轴的遗留架构和工厂主的惯性思维；今天拖住 AI 的，是企业现成的审批流程、部门高墙、岗位定义和考核体系。模型再强、卡再多，灌进一个为手工流程设计的组织里，跑出来的只是第一阶段的效果。
真正的赢家不是买了最多显卡的人，而是最早敢把旧流程推倒重建的人。一百年前，电的故事不是关于电，是关于谁敢把工厂拆了重盖；一百年后，AI 的故事也不是关于 AI，是关于谁敢把流程拆了重写。
编注：材料来自知乎问答，内容偏商业评论而非一手新闻，引述的保罗·戴维研究为经济学文献，Anthropic 数据在文中提及但未注明出处。两位作者均从组织行为角度切入，可作互补参考。