我们从微软自身的 AI 转型中学到了什么

AI 正在以任何组织都尚未完全掌握的速度重塑工作。在各个行业中，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所能达成的成就。在微软，我们相信能够成功的组织将是我们所说的“前沿企业”（Frontier Firms）：由人主导，但日益由 AI 赋能。这一责任始于 AI 的构建方式，并贯穿于它的应用方式：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“零号客户”（Customer Zero），通过自身的转型来学习，从而帮助他人应对各自的转型。

我们的员工尝试使用 AI，而领导者则设定了雄心勃勃的目标，挑战团队重新构想我们的工作方式，以实现以往不可能达成的成果。我们创建了横跨公司职能、市场推广和工程领域的跨部门委员会，以分享最佳实践并共同学习。我们要求每个人挑战自己的固有思维模式，拥抱我们十多年来所培养的成长型思维。这项工作正在产生可衡量的成果：对一个销售团队而言，成交率提高了 20%¹；选定的供应链工作流程将周期时间缩短了多达 75%²；一个九人工程团队在 35 天内发布了首个产品版本。³

随着经过验证的方法出现，我们将它们整理成案例研究，以便加速转型、推广有效的做法，并从失败中吸取教训。同样重要的是，我们知道，如果想帮助客户实现 AI 的全部价值，就必须先完成自我转型的工作。我们自己的一手经验需要成为一种学习来源，供我们与他人分享。

我们一直在向客户分享微软的前沿手册（Frontier Playbook），作为我们 AI 转型之旅的实用指南，内容包括我们学到的经验、迄今为止行之有效的做法，以及我们从失败中获得的成长。该手册借鉴了全公司数百项 AI 转型实践，记录了我们在重新设计工作、构建新能力、衡量影响力以及帮助人们与 AI 共同成长过程中的所学。

该手册还反映了一些重要的事实：转型是艰难的，而学习是持久的超能力。在我们从成功和失败中获得的诸多洞见中，有五条经验教训始终尤为突出。

1. 从业务成果出发，而非从技术出发

我们最初将 AI 视为一次传统的技术部署：部署工具、提供培训、推动采用。我们了解到，能够访问和使用并不等同于转型：一个授权给超过 20 万人使用的工具，并不会改变工作完成的方式。

早期的销售使用情况已经说明了这一点。尽管部署广泛，但使用量趋于平稳，影响力并未显现。团队没有强行推动采用，而是从业务目标出发——为客户创造更多价值、赢得交易并改善员工体验。他们梳理了客户经理一周的时间安排，确定了在最关键时刻最合适的工具：用于管道管理的分析师智能体、用于交易方案的交易智能体，以及用于深入了解客户的调研员。每周由同事主导的讨论会将实验变成了习惯，并将最佳实践推广到团队中的每个人。在该部门内，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，帮助人们培养新技能、尝试新的工作方式并相互学习。但当领导者关注明确的业务成果以及对从事这项工作的人最重要的事情，而不是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程，而不仅仅是单个任务

我们最大的教训之一来自端到端地重新构想工作流程，而不是将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。在有缺陷的流程中添加智能体，仍然会留下有缺陷的流程——加快一个步骤只会造成下一个步骤的排队更长。

我们的云供应链团队在用智能体重新构想流程之前，先对其进行了简化。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程，然后创建了一个单一事实来源，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，同时在成本、时间和碳影响方面比较空运、陆运和海运选项——这种复杂性是少数团队无法独自处理的。在选定的工作流程中，周期时间缩短了高达75%。

这种转变不仅关乎速度，还关乎通过提高团队的可见性、预见性和行动能力来增加新价值。在既定的权限和审批阈值内，智能体已从回答问题发展到直接帮助计划员更新或取消采购订单。过去需要花五到七天时间追踪需求计划变化原因的计划员，现在几小时内就能得到答案，有时甚至不到20分钟。这使得在规划周期展开时分析变化、模拟更多情景、制定更好的应急计划以及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的绩效。⁵

我们在软件工程领域也看到了同样的转变，其机会不仅在于更快地生成代码，还在于重新设计团队如何在整个工作流程中利用智能体来规划、构建、测试和评估产品。

我们发现，当团队退后一步，从头到尾重新设计工作在人员、流程和技术之间应该如何流动时——包括智能体可以访问和执行什么、如何监控它们的行动，以及在哪些地方必须由人员进行审查、批准或干预——就能获得最大的收益。当这三者同步推进时，AI最为强大。

3. 将员工置于转型的中心

从事实际工作的人最清楚流程在哪里出现断点、判断力在何处至关重要，以及人工智能能在哪些方面提供帮助——这些洞见是任何流程图都无法完全捕捉的。他们的专业经验需要从一开始就塑造转型过程。领导者负责设定清晰的愿景，帮助员工培养做出贡献所需的技能，并赋予他们在决定工作方式变革中的有意义角色。

在微软，我们正在创建让员工通过实践来培养这些技能的方式。面向职业早期的开发计划 PRAISE 将新晋工程师与经验丰富的导师以及人工智能辅助学习配对，帮助资历较浅的工程师在磨炼技艺的同时为复杂工作做出贡献。

Camp AIR 是一个为期数周的人工智能转型加速计划，帮助跨职能团队在围绕真实业务挑战重新设计协作方式的同时，学习新的人工智能能力。早期试点让我们认识到，人工智能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，但有意义且持久的变革是在团队共同学习、试验和适应时发生的。团队需要就人工智能将如何重塑角色和工作流程进行坦诚对话，同时需要能够安全地试验并对新的工作方式建立信心。我们无法让当今所有工作岗位都适应未来，但我们可以帮助员工通过培养技能、适应力和心态来让自己的职业生涯适应未来，以在工作演变中取得成功。

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

Copilot Cowork 背后的团队展示了这在实践中是什么样子。这个由九名工程师、设计师和产品经理组成的团队被赋予了重新思考产品构建方式的自由，人工智能从第一天起就嵌入其中。在与智能体协作的过程中，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 天内发布了首个版本，并记录了所学内容，以便其他团队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能看到人工智能在何处增加价值，以及人类判断力必须保持核心地位的地方。管理者将两者联系起来，他们的榜样作用和支持一直是成功的最强预测因素之一。我们的研究证实了这一点：当管理者积极示范使用人工智能时，智能体人工智能报告的价值提升 17 个百分点，对其信任度提升 30 个百分点——而在管理者营造心理安全的团队中，员工成为智能体人工智能高频使用者的可能性是其他团队的 1.4 倍。当员工拥有背景知识、能力和自主权时，他们就能成为转型的引擎。

4. 利用人工智能拓展人们的能力

我们从许多公司的起点开始：通过自动化任务来提高效率。这种价值是真实的，但仅仅是个开始。我们逐渐意识到，更大的机会在于“能力增值”（Capability Add）：结合人类与 AI 的优势，实现以前不切实际或不可能的成果。可以把它看作一个等式：CI + AI = CA。持续改进消除浪费，AI 增添能力。两者结合，产生能力增值——具有更高战略价值的产出。仅靠持续改进只会得到一个更精简的旧公司；能力增值则创造一个不同的公司。这就等于转型。

在我们最新的工作趋势指数中，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为 80%。在我们的案例中，这表现为预测质量故障而不是事后发现，或者在一个团队原本只有时间考虑三个选项的情况下探索二十个选项。

这种更广阔的视角塑造了我们衡量投资回报率（ROI）的方式。我们喜欢说：效率是下限，能力是上限。使用率和采用率，以及速度、质量和成本的改进，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、推动了增长与创新、降低了风险，并扩展了组织所能达成的成就。由于这些成果可能需要时间才能显现，我们还跟踪先行指标。对于客户经理来说，这可能意味着在收入增长完全实现之前，拥有更多与客户相处的时间、更强的销售管道或更高的赢单率。对于工程师来说，关键不在于 AI 生成了多少代码，而在于团队是否在更快地构建更好的产品。

我们鼓励团队超越效率，提出这样的问题：“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 的能力，打造持续学习的组织

在微软，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、进行试验、学习和适应的意愿，塑造了我们十多年的文化——并为 AI 时代提供了更为重要的基础。

AI 正在为这一理念赋予新的意义。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。它可以让学习变得更快、更个性化、更易获得，帮助人们承担曾经觉得遥不可及的挑战。

但我们也发现，学习是双向的。人们通过提供雄心、背景、判断力和反馈，教会 AI 工作是如何完成的、好的标准是什么，从而帮助 AI 变得更有用。他们设定要求，纠正不足之处，确定人类判断不可或缺的地方，并对 AI 的应用方式负责。

例如，在我们的人力资源部门，团队正在不断改进智能体，以支持新员工入职所涉及的众多跨公司活动。我们的团队引导流程，设定好的标准，确定需要人类判断的环节，解决问题，并对整个系统进行治理。

随着时间的推移，这个学习循环将个人洞察转化为组织能力。AI 帮助人们更快地学习，而人们则帮助让 AI 在其组织中更有用。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，而掌控这些知识对我们的长期优势至关重要。并且，每个组织都应该能够建立自己的持续学习循环，而不依赖于任何单一的模型提供商，同时掌控其知识以及这些知识如何嵌入到它所使用的模型和系统中。

仅仅能够使用最好的模型是不够的。领先的组织将是那些建立起加速学习能力的组织——在那里，人与 AI 共同进步，他们创造的知识成为持久优势的源泉。

***

这些经验总结为三个实用的配方：针对某个角色的「角色加速」、针对某个工作流的「AI 驱动的流程重塑」，以及针对全新机会的「AI 优先的可能性」。它们提炼自数百项转型实践，是团队可以调整的模式——通常可以组合使用——以加快步伐并避免重走弯路。

AI 的可及性不会成为决定性因素。优势将来自组织赋能和吸引员工、重塑工作、负责任地治理 AI 以及将有效实践付诸运营的能力。我们所看到的成果——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——表明当这些要素结合在一起时，一切皆有可能。但取得这些成果不仅仅需要部署 AI。它需要人员、流程和技术的有意对齐。这就是成为前沿企业（Frontier Firm）的艰巨工作——也是我们创建 Microsoft Frontier Company 的原因：将我们从自身转型中学到的东西带给客户，并在他们探索自身转型的过程中与他们并肩合作。

阅读《成为前沿企业》：我们的前沿手册，了解相关框架、转型配方以及来自微软「客户零号」（Customer Zero）之旅的经验教训。

Kathleen Hogan 是微软执行副总裁兼首席战略与转型官，她领导公司的全企业战略与转型议程，加速微软向前沿企业的演进。此前，她曾担任微软服务首席人力资源官和公司副总裁。

注释

¹微软内部销售团队数据，基于 2024 年 1 月至 6 月期间 687 名 Microsoft 365 Copilot 销售人员，与 Copilot 使用率低的销售人员进行对比。经常使用 Copilot 是指在测试期内至少有 50% 的时间每天使用 Copilot 的销售人员。

² 基于 Microsoft 对 2025 年 9 月至 2026 年 8 月期间由一支 150 多人跨职能团队领导的工作所作的内部分析。截至 2026 年 9 月，已有超过 111 个代理部署在云供应链工作流中。在 2026 年 4 月至 2026 年 8 月期间测量的 5 个月度规划周期中，平均周期时间从约 10 个业务日降至不到 2.5 个业务日。此外，在每月 20 多项需求计划调查中，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，其中一些在不到 20 分钟内完成。结果仅适用于这些工作流和测量时期。

³ 基于内部项目记录。35 天的周期是从团队正式项目启动到 2026 年春季交付初始版本所测量的。该结果反映了一支专职跨职能团队承担的一个项目，并非全公司产品开发的基准。

⁴ Microsoft 内部销售团队数据，基于 2024 年 1 月至 6 月期间 687 名 Microsoft 365 Copilot 销售人员，与低使用量 Copilot 的销售人员进行比较。经常使用 Copilot 是指在测试期间至少 50% 的时间每天使用 Copilot 的销售人员。

⁵ 基于 Microsoft 对 2025 年 9 月至 2026 年 8 月期间由一支 150 多人跨职能团队领导的工作所作的内部分析。截至 2026 年 9 月，已有超过 111 个代理部署在云供应链工作流中。在 2026 年 4 月至 2026 年 8 月期间测量的 5 个月度规划周期中，平均周期时间从约 10 个业务日降至不到 2.5 个业务日。此外，在每月 20 多项需求计划调查中，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，其中一些在不到 20 分钟内完成。结果仅适用于这些工作流和测量时期。

⁶ 基于内部项目记录。35 天的周期是从团队正式项目启动到 2026 年春季交付初始版本所测量的。该结果反映了一支专职跨职能团队承担的一个项目，并非全公司产品开发的基准。

文章我们从 Microsoft 自身的 AI 转型中学到了什么最初发布在 The Official Microsoft Blog 上。