Autor: Cheng Yanjing
Editor: Hu Min
Recientemente, cuando hablé con personas del círculo de la IA, en general se mencionó un punto. La gente ha aceptado la IA para mejorar la eficiencia, pero las empresas aún no están preparadas. (Leifeng.com Leifeng.com (cuenta pública: Leifeng.com) Leifeng.com)
Por un lado, los empleados ya están utilizando agentes para trabajar e incluso han comenzado a construir sus propios pequeños sistemas; por otro lado, los KPI, las cadenas de aprobación y los ritmos de presentación de informes de la empresa siguen cambiando como lo hacían hace tres años.
Una encuesta reciente realizada por Deloitte muestra que casi tres cuartas partes de los ejecutivos de negocios estadounidenses esperan que aproximadamente la mitad de los procesos de negocios se rediseñen en torno a agentes de IA en los próximos cuatro años; El 61% cree que la mayoría de los agentes del futuro serán muy autónomos y que los humanos sólo necesitarán supervisión.
Parece que la IA se apoderará de todos los negocios, pero cuando se les preguntó si sus empresas están preparadas para adoptar este cambio, sólo una quinta parte de los líderes dio una respuesta positiva.
En el Baidu World 2026 de hoy, el fundador de Baidu, Robin Li, también habló sobre esta contradicción. Su juicio es: la IA no es sólo una revolución tecnológica, sino también una revolución organizacional. El siguiente paso de la inteligencia artificial es la organización inteligente.
A continuación, las empresas deben cambiar no sólo las herramientas en manos de los empleados, sino también la forma en que opera la propia organización.
01
La IA ha entrado en la empresa, pero no del todo
Para reconstruir la forma en que opera una organización, primero debemos romper la cognición convencional:
Una alta concentración de IA en una empresa no significa que la transformación de la IA ya se haya producido.
Los empleados utilizan Agent para escribir código, investigar y generar soluciones. El departamento comercial ejecuta varios pilotos y la gerencia escribe la cantidad de agentes, el consumo de tokens y la tasa de uso en el informe. Parece que la inteligencia de una empresa avanza de forma integral.
Sin embargo, la eficiencia individual no aumenta automáticamente la productividad organizacional.
Por ejemplo, el análisis de demanda de un gerente de producto que originalmente demoraba dos días en completarse ahora puede demorar medio día; I+D utiliza Agent para escribir rápidamente el primer borrador del código, y ventas también puede generar un informe de investigación antes de visitar a los clientes.
Sin embargo, los requisitos aún deben pasar por revisión, aprobación y programación, la colaboración entre departamentos aún depende de reuniones y sincronización capa por capa, y los resultados finales no se pueden ver hasta el ciclo de informes original. Dando vueltas y vueltas, el tiempo personal de los empleados se ha reducido, pero la solidez organizativa general de la empresa no ha mejorado significativamente.
Esto no es un problema para las empresas individuales.
Lo que presenta el "Informe anual del índice de tendencias laborales 2026" de Microsoft es esta paradoja de la transformación de la IA empresarial: los empleados han comenzado a utilizar la IA para mejorar la eficiencia personal y los equipos también están probando nuevas herramientas, pero los procesos comerciales, los métodos de colaboración y los mecanismos de evaluación aún utilizan el modelo anterior.
El consejo dado por Boston Consulting Group (BCG) es más sencillo: rediseñar las empresas para la IA, en lugar de adaptar la IA a la empresa original.
Una empresa energética europea mencionada en su investigación había implementado una gran cantidad de pilotos de IA, pero no logró beneficios generales equivalentes. No fue hasta que la empresa cambió su enfoque de las herramientas individuales y los escenarios parciales a la reconstrucción de los procesos de los clientes de extremo a extremo que se lograron mejoras comerciales sustanciales.
Estos casos ilustran que existe una capa de diseño organizacional entre el éxito de los pilotos de IA y el éxito de la transformación empresarial.
Si la empresa solo agrega herramientas a las posiciones originales e inserta algunos agentes en el proceso fijo, entonces la IA puede optimizar partes, pero será difícil cambiar el todo.
Incluso hará que los obstáculos originales sean más obvios: el contenido se produce cada vez más rápido, pero la toma de decisiones no se acelera al mismo tiempo; Se genera cada vez más código, pero el mecanismo de entrega y confirmación de requisitos sigue siendo el mismo.
Cuando las capacidades de ejecución se amplifican rápidamente, la forma en que las organizaciones asignan tareas, comparten conocimientos y toman decisiones se ha convertido en una nueva limitación.
En los últimos años, la principal competencia en la industria de la IA se ha centrado en el lado de la oferta de tecnología.
Los parámetros del modelo, la potencia informática de entrenamiento, los costos de inferencia y las clasificaciones de listas determinan qué tipo de inteligencia puede obtener una empresa.
El "pastel de cinco capas" de la IA alguna vez fue popular en la industria y se extendía desde la energía, los chips y la infraestructura hasta los modelos y aplicaciones, enfatizando el sistema completo requerido para la producción inteligente. Sin energía y potencia informática, es imposible hablar de modelos y aplicaciones de capa superior.
Los cambios en la oferta de modelos también han comenzado a reflejarse en el ámbito comercial. Un mes después del lanzamiento del Instituto Ciyuan, se liquidaron más de 100 recursos de suministro, el promedio de llamadas diarias superó los 50 millones y el promedio de llamadas diarias de Token superó los 700 mil millones.
Lo que merece más atención que la escala misma es que las transacciones modelo están pasando de un acoplamiento privado entre empresas y fabricantes a un vínculo industrial independiente; A medida que se forma este vínculo, los proveedores de reglas van asumiendo gradualmente los atributos de bienes públicos.
Pero en el lado empresarial: cuando esta inteligencia ya se puede comprar, invocar y desplegar, ¿qué determina cuánto valor puede generar en última instancia?
Robin Li miró río abajo. En la Conferencia Mundial Baidu de 2026, Robin Li propuso que "el siguiente paso en el desarrollo de la IA es la organización inteligente".
Propuso que el ascendente de la tecnología de IA es la energía y el descendente las capacidades organizativas. El primero determina cómo se produce la inteligencia y el segundo determina cómo la inteligencia entra en los negocios reales y se transforma en resultados comerciales.
Estos dos juicios no son contradictorios, pero responden preguntas en ambos extremos de la cadena de la industria de la IA. Para las empresas, incluso si el "poder" proporcionado por el upstream es suficiente, si el sistema de producción interno sigue siendo el mismo, es posible que la nueva inteligencia no pueda convertirse en nuevas ganancias.
Robin Li comparó la IA con un nuevo motor y la organización inteligente con una nueva fábrica.
Consideró que la IA no produjo los beneficios económicos esperados. Una razón importante fue que la empresa sólo reemplazó el motor pero no rediseñó la fábrica.
Los modelos, la potencia informática y los agentes pueden proporcionar capacidades de ejecución más sólidas. Sólo cuando la asignación de tareas, el flujo de conocimientos y los procesos de toma de decisiones cambien en consecuencia, esta capacidad podrá pasar de los escritorios personales de los empleados a toda la cadena empresarial de la empresa.
Por tanto, el foco de la competencia en IA ha comenzado a desplazarse del suministro de tecnología a la realización de valor.
Lo que las empresas deben responder ya no es simplemente "¿Qué modelo utilicé y cuántos agentes implementé?" pero, ¿estos agentes han cambiado de empresa?
02
Si los trabajadores utilizan la IA para mejorar su eficiencia, ¿qué pasa con las empresas?
El CEO de Microsoft solía decir antes: la IA no es una tecnología, sino la forma futura de la empresa.
Si comprende esta frase, podrá comprender la "organización inteligente" propuesta por Robin Li.
Hablando francamente, si simplemente lee las palabras, puede entenderse fácilmente como un nuevo tipo de empresa compuesta por personas y agentes, o como otra forma de decir "empresa nativa de IA".
Pero lo que Robin Li quiere discutir no es asignar un asistente de IA a cada puesto, sino rediseñar la forma en que funciona la empresa: quién completa las tareas, cómo se acumula la experiencia y cómo se ajusta continuamente el proceso en función de los resultados.
Se puede interpretar desde tres niveles.
La primera es romper los límites de las posiciones.
Las empresas tradicionales dependen de la división profesional del trabajo para funcionar. Una tarea completa a menudo requiere que se completen sucesivamente varios puestos en producto, diseño, I+D, operaciones, etc.
En la era de la IA, los agentes inteligentes comienzan a asumir el trabajo de ejecución específico y los humanos son responsables de establecer objetivos, programar recursos y tomar decisiones clave.
Las organizaciones ya no asignan el trabajo exclusivamente a puestos fijos, sino que pueden combinar de manera flexible personas y agentes según las necesidades de la tarea.
La práctica del equipo Tazi de Baidu proporciona un ejemplo. Un miembro que originalmente tenía experiencia en investigación de computación cuántica casi ingresó a la escena corporativa y de productos desde cero después de unirse a Baidu. Con la ayuda del socio de Baidu, también asumió el trabajo de gestión de proyectos, I+D y productos. Desde analizar problemas y formular planes hasta promover la implementación y verificar resultados, ya no se limita a un puesto fijo.
Los desarrolladores de nuevos productos pueden confiar en Taozi para ejecutar rápidamente todo el proceso, desde los requisitos hasta los prototipos. El equipo repitió más de 160 veces en medio año, y Taozi completó el 90% del código y más del 50% de los materiales de comunicación.
Lo que realmente se rompe en este caso no son las reglas de "quién debe hacer qué", sino también las restricciones al flujo de conocimiento y experiencia.
El equipo de personas digitales de Baidu promueve la transformación de funciones de productos, I+D, diseño y pruebas en constructores, lo que también es una extensión de la misma lógica.
La cuestión no es permitir que todos asuman más trabajo incondicionalmente, sino reducir el traspaso repetido de tareas entre diferentes roles, de modo que las personas que pueden definir objetivos también tengan la oportunidad de utilizar la IA para alcanzar el resultado final.
Pero si sólo hay cambios en la forma en que se realizan las tareas, las organizaciones inteligentes sólo pueden considerarse a medio terminar. La otra mitad depende de cómo lo haga la organización.
El segundo es acumular conocimiento tácito.
El conocimiento verdaderamente valioso de una empresa es la experiencia práctica de sus empleados: por ejemplo, los métodos de juicio de los empleados veteranos para manejar fallas, la experiencia en ventas para identificar las necesidades de los clientes y la comprensión de la estética y las normas de los diseñadores.
Este conocimiento es difícil de plasmar en documentos estandarizados y se pierde fácilmente con el flujo de personal.
Pero la IA proporciona una nueva forma de precipitación: transformar la experiencia de los expertos, las reglas de negocio y los métodos operativos en una base de conocimientos, habilidades y capacidades a las que los agentes inteligentes pueden recurrir.
La cooperación entre Baidu y China Southern Power Grid implica este proceso. Frente al análisis y juicio de fallas de la red de distribución, el análisis manual tradicional toma más de 60 minutos a la vez y depende en gran medida de la experiencia de los expertos.
Después de que Baidu Tazi aterrizó en la Comisión General del Sur, aprendió decenas de miles de datos históricos de manejo de fallas, acumuló la experiencia de expertos senior en conocimiento profesional reutilizable y luego conectó registros de fallas, señales de conmutación y topología de línea en serie para formar una cadena de evidencia completa. En la actualidad, la precisión del análisis de fallas alcanza más del 70%.
El equipo de diseño de Baidu MEG demostró otra forma de acumulación de conocimiento.
El equipo transformó la experiencia estética y las especificaciones de diseño de los diseñadores senior en habilidades de IA reutilizables, de modo que la IA no solo pueda generar imágenes de acuerdo con las instrucciones, sino también utilizar los métodos de diseño acumulados por el equipo para participar en la producción de contenido. Actualmente, las herramientas de inteligencia artificial se han hecho cargo de más del 50 % del suministro de contenido y la eficiencia del equipo ha aumentado entre un 100 % y un 200 %.
Desde el corte de energía hasta la producción de contenido de diseño, la lógica detrás de los dos escenarios es muy similar: convertir métodos de trabajo que originalmente dependían de la experiencia personal en capacidades que la organización pueda recurrir repetidamente.
Por supuesto, a medida que cambian las circunstancias comerciales, la experiencia puede quedar obsoleta. Por lo tanto, es necesario que los resultados de la tarea vuelvan al proceso.
Ese es el último ciclo cerrado del proceso de diseño mencionado.
Los procesos tradicionales suelen estar prediseñados por personas, y cuando surgen problemas durante la ejecución, se revisan y corrigen.
Una vez completada cada tarea, el sistema puede medir los resultados de acuerdo con los objetivos preestablecidos, identificar problemas en la ejecución y luego utilizar la retroalimentación para ajustar la siguiente ronda de tareas. De esta manera, el proceso ya no es un conjunto de especificaciones operativas fijas, sino un sistema que puede modificarse continuamente a medida que funciona el negocio.
Robin Li lo resumió como "Medible + Recorte = Evolución continua".
"Medible" significa que los resultados de la tarea deben tener criterios de evaluación claros, mientras que Lopping significa que la ejecución, la retroalimentación y la optimización deben formar un ciclo continuo.
Cuando más y más tareas puedan completar un ciclo tan cerrado, la organización ya no dependerá únicamente de los gerentes para promoverlo, sino que podrá acumular experiencia continuamente y modificar procesos en las operaciones diarias.
Para admitir un ciclo tan cerrado, obviamente una API modelo por sí sola no es suficiente.
Los agentes deben comprender los objetivos comerciales de la empresa, recurrir a datos, conocimientos y herramientas de diferentes sistemas, y ser capaces de ejecutar, evaluar y ajustar continuamente en función de la retroalimentación en tareas de cadena larga. Esto impone nuevas exigencias a la infraestructura subyacente.
Ésta es también la importancia de AI Cloud y Agent Infra que Shen Dou enfatizó en la Conferencia Mundial Baidu 2026.
Según la idea de Baidu: la capa inferior Baige AI Infra proporciona soporte de potencia informática, y la capa superior Qianfan Agent Infra proporciona gestión de contexto a largo plazo, memoria persistente, invocación de herramientas, programación de subagente, retroalimentación de evaluación y entorno operativo, de modo que las tareas a gran escala y a largo plazo puedan realmente completar el ciclo cerrado.
En la estructura de pila completa "núcleo-nube-módulo-cuerpo", esta relación de soporte será más clara: el chip proporciona la base de potencia informática, la nube proporciona la infraestructura para la operación y programación del agente, el modelo proporciona capacidades de comprensión, razonamiento y generación, y el agente ingresa a tareas específicas y escenarios comerciales.
Desde puestos hasta tareas, desde experiencia personal hasta inteligencia organizacional, pasando por la iteración continua de procesos, lo que las organizaciones inteligentes cambian no es la eficiencia laboral de un determinado puesto, sino la lógica subyacente de la producción y colaboración empresarial.
Lo que debemos examinar a continuación es cómo estos principios se ponen en práctica: ¿participar verdaderamente en los procesos de negocio y resolver problemas reales?
03
¿Cómo se desarrolla una organización inteligente dentro de una empresa?
Para juzgar si una empresa ha ingresado a la organización AI Native, depende de si la AI realmente está cambiando toda la operación interna.
Tomemos como ejemplo el Departamento Comercial de Innovación Humana Digital de Baidu.
El equipo rompe los límites laborales entre producto, I+D, diseño y pruebas, promueve la transformación de todos los empleados en constructores y, basándose en el BiuBiuAgent de desarrollo propio, algunos requisitos pueden ser cumplidos por una sola persona durante todo el proceso.
Sólo en el tercer trimestre, el equipo completó 564 iteraciones de producción e investigación, acumuló 130 habilidades y 729 activos organizacionales.
Mientras Loops continúa funcionando, el rendimiento per cápita de producción e investigación ha aumentado un 125,3% y el ciclo de entrega se ha acortado un 28,8%. Un nuevo recluta de la escuela utilizó IA para completar un requisito que solía requerir cinco roles y al menos 10 días para cumplirse en solo un día.
Detrás de estas cifras en rápido crecimiento está la verdadera “transformación” de la IA entre las organizaciones empresariales.
De esta manera, los empleados pueden centrarse más en juzgar los objetivos y organizar los procesos. Las habilidades y los activos organizacionales formados por el equipo durante la ejecución pueden recurrirse repetidamente y la experiencia de una sola persona ya no desaparece cuando finaliza la tarea.
Otro ejemplo es el dodo. Este asistente de IA creado por un equipo de más de diez personas dentro de Baidu ha cubierto al 99% de los empleados regulares siete meses después de su lanzamiento y ha promovido la finalización de la transformación compatible con la IA de más de 300 plataformas empresariales.
Esto también revela un aspecto de la inteligencia organizacional que fácilmente se pasa por alto: las empresas no pueden simplemente exigir que los empleados aprendan a usar la IA, sino que también deben permitir que los sistemas, datos y procesos existentes colaboren con la IA.
De lo contrario, incluso si el agente puede completar la tarea de un determinado eslabón, será difícil abrir realmente la cadena comercial.
El año pasado, el número de agentes activos diarios dentro de Baidu aumentó de aproximadamente 5.000 a 37.000, y el número de tareas efectivamente completadas por semana también aumentó de 84.000 a más de 1 millón.
Además de la expansión de escala, la acumulación de conocimientos también se produce simultáneamente: Baidu ha construido más de 4.300 espacios de trabajo y acumulado más de 20.000 habilidades generales a nivel de empresa, transformando gradualmente la experiencia que originalmente estaba dispersa entre individuos y equipos en capacidades organizativas reutilizables.
Si la práctica de Baidu demuestra cambios en los métodos de colaboración organizacional, entonces los siguientes casos prueban si la IA puede ingresar al negocio real.
En China Southern Power Grid, Baidu Tiezi se ha implementado en Southern Power Grid, formando un "socio Tianxuan" para el análisis y diagnóstico de fallas de la red de distribución.
La red eléctrica de Guangxi experimentará 8.215 fallos permanentes en 2025. La investigación y el juicio manuales tradicionales tardan más de 60 minutos cada vez y dependen en gran medida de la experiencia de los expertos.
Los socios de Tianxuan han estudiado decenas de miles de datos históricos de manejo de fallas, han acumulado la experiencia de juicio de expertos senior en conocimiento reutilizable y luego han conectado registros de fallas, señales de conmutación y topología de línea en una cadena de evidencia para ayudar a completar el análisis de fallas.
Según los comentarios de los clientes, la eficiencia del análisis de fallas se ha multiplicado por 12, la tasa de precisión del análisis ha alcanzado más del 80% y se ha reutilizado la experiencia de los expertos. Se ha promovido en 14 ciudades y 112 condados de Guangxi.
El valor de este tipo de aplicación no es solo acelerar el análisis de fallas, sino también transformar la experiencia originalmente en manos de unos pocos expertos en capacidades profesionales que el sistema puede utilizar continuamente.
La práctica de Higo Laser ha llevado la IA a procesos de toma de decisiones más complejos en el sitio de fabricación.
En la línea de producción, varios brazos robóticos de seis ejes deben trabajar juntos para completar el corte y procesamiento de la misma pieza de trabajo. En el pasado, los artesanos dependían principalmente de la experiencia para asignar bloques de trayectoria y determinar la secuencia de ejecución; pero cuando aumenta el número de brazos robóticos, las tareas de procesamiento y las limitaciones del proceso, los acuerdos locales pueden afectar fácilmente la eficiencia general.
Baidu Valou optimiza continuamente los algoritmos relacionados con la predicción del movimiento que requiere mucho tiempo, la prevención de colisiones entre múltiples máquinas y la programación de asignación de tareas. Con la premisa de cumplir con limitaciones como la accesibilidad del brazo robótico, la dependencia del proceso y la ausencia de colisiones, puede comprimir el tiempo de programación de la pieza de trabajo de 8 horas a 10 minutos, resolviendo el problema de los cuellos de botella de la industria.
Desde el análisis de fallas de la red eléctrica hasta la programación colaborativa con brazos robóticos, los dos casos apuntan al mismo cambio: la entrada de la IA a la industria requiere comprender el conocimiento de la industria, adaptarse a las limitaciones del negocio y aceptar las pruebas de resultados en tareas reales.
Por supuesto, una organización inteligente no significa que las personas que la integran no sean importantes.
En la conferencia, una conversación entre la persona digital Xi Jiajia y Robin abordó este tema.
Cuando Xijajia le preguntó si podía convertirse en director ejecutivo, la respuesta de Robin fue no.
En su opinión, el director general debe comprender la misión y la visión de la empresa. La IA puede convertirse en el socio de pensamiento del CEO, ayudándolo a mejorar la eficiencia y brindándole inspiración, pero no hay necesidad de apresurarse a reemplazar al CEO.
Cuando el tema pasó a ser "Si la IA penetra en todos los rincones de la organización, ¿cuál será la parte central de la organización?" La respuesta de Robin fue: gente.
A menudo decimos que la IA no puede reemplazar a los humanos, pero en aplicaciones prácticas todavía existe preocupación por ser reemplazada. Esta conversación diferenció las capacidades de ejecución y la dirección organizacional de la IA.
La IA puede seguir realizando tareas específicas, participar en análisis y proporcionar sugerencias, pero la toma de decisiones final sobre el valor de existencia de la empresa y su dirección futura todavía recae en las "personas".
Esto se parece un poco al concepto de "DRI (Individuo Directamente Responsable)" propuesto por Apple en sus inicios.
En Apple nunca ha estado claro quién es responsable de qué. En pocas palabras, la IA puede ayudarte a tomar decisiones, pero alguien debe ser responsable de los resultados finales y de los juicios de valor.
En otras palabras, las organizaciones inteligentes no eliminan personas de los procesos, sino que redistribuyen las responsabilidades de las personas y los agentes.
En el futuro, la verdadera brecha entre las empresas radicará en quién puede incorporar la IA en los flujos comerciales, acumular experiencia en los activos organizacionales y formar un sistema organizacional que pueda continuar operando y evolucionando.
Artículos originales de Leifeng.com, prohibida la reproducción no autorizada. Consulte las instrucciones de reimpresión para obtener más detalles.
editar
Reenviar correo electrónico Modificar correo electrónico




