Autor丨Cheng Yanjing

Editor丨Hu Min

Recentemente, quando conversei com pessoas do círculo de IA, um ponto foi geralmente mencionado. As pessoas aceitaram a IA para melhorar a eficiência, mas as empresas ainda não estão preparadas. (Leifeng.com Leifeng.com (conta pública: Leifeng.com) Leifeng.com)

Por um lado, os funcionários já utilizam agentes para trabalhar e até começaram a construir seus próprios pequenos sistemas; por outro lado, os KPIs, as cadeias de aprovação e os ritmos de relatórios da empresa ainda estão mudando como há três anos.

Uma pesquisa recente da Deloitte mostra que quase três quartos dos executivos de negócios dos EUA esperam que cerca de metade dos processos de negócios sejam redesenhados em torno dos Agentes de IA nos próximos quatro anos; 61% acreditam que a maioria dos agentes no futuro serão altamente autónomos, necessitando apenas de supervisão os humanos.

Parece que a IA irá dominar todas as empresas, mas quando questionados se as suas empresas estão preparadas para abraçar esta mudança, apenas um quinto dos líderes deu uma resposta positiva.

No Baidu World 2026 de hoje, o fundador do Baidu, Robin Li, também falou sobre essa contradição. A sua opinião é: a IA não é apenas uma revolução tecnológica, mas também uma revolução organizacional. O próximo passo da inteligência artificial é a organização inteligente.

Em seguida, as empresas precisam de mudar não apenas as ferramentas nas mãos dos funcionários, mas também a forma como a própria organização opera.

01

A IA entrou na empresa, mas não completamente

Para reconstruir a forma como uma organização opera, devemos primeiro quebrar a cognição convencional:

Uma alta concentração de IA em uma empresa não significa que a transformação da IA ​​já ocorreu.

Os funcionários usam o Agent para escrever códigos, fazer pesquisas e gerar soluções. O departamento de negócios executa vários pilotos e a gerência anota o número de agentes, o consumo de tokens e a taxa de uso no relatório. Parece que a inteligência de uma empresa avança de forma abrangente.

No entanto, a eficiência individual não aumenta automaticamente a produtividade organizacional.

Por exemplo, a análise de demanda de um gerente de produto, que originalmente levava dois dias para ser concluída, agora pode levar meio dia; A P&D usa o Agent para escrever rapidamente o primeiro rascunho do código, e as vendas também podem gerar um relatório de pesquisa antes de visitar os clientes.

No entanto, os requisitos ainda têm de passar por revisão, aprovação e agendamento, a colaboração entre departamentos ainda depende de reuniões e sincronização camada por camada, e os resultados finais não podem ser vistos até o ciclo de relatório original. Andando em círculos, o tempo pessoal dos funcionários foi reduzido, mas a força organizacional geral da empresa não melhorou significativamente.

Isto não é um problema para empresas individuais.

O que o "Relatório Anual do Índice de Tendências de Trabalho de 2026" da Microsoft apresenta é este paradoxo da transformação da IA ​​​​empresarial: os funcionários começaram a usar a IA para melhorar a eficiência pessoal e as equipes também estão experimentando novas ferramentas, mas os processos de negócios, métodos de colaboração e mecanismos de avaliação ainda usam o modelo anterior.

O conselho dado pelo Boston Consulting Group (BCG) é mais simples: redesenhar as empresas para a IA, em vez de adaptar a IA à empresa original.

Uma empresa europeia de energia mencionada na sua investigação implementou um grande número de projetos-piloto de IA, mas não obteve benefícios globais correspondentes. Somente quando a empresa mudou seu foco de ferramentas individuais e cenários parciais para a reconstrução de processos completos do cliente é que melhorias substanciais nos negócios foram alcançadas.

Tais casos ilustram que existe uma camada de desenho organizacional entre o sucesso dos pilotos de IA e o sucesso da transformação empresarial.

Se a empresa apenas adicionar ferramentas às posições originais e inserir alguns agentes no processo fixo, a IA poderá otimizar partes, mas será difícil mudar o todo.

Até tornará os gargalos originais mais óbvios: o conteúdo é produzido cada vez mais rápido, mas a tomada de decisões não é acelerada ao mesmo tempo; cada vez mais código é gerado, mas o mecanismo de confirmação e entrega de requisitos permanece o mesmo.

Quando as capacidades de execução são rapidamente ampliadas, a forma como as organizações alocam tarefas, partilham conhecimentos e tomam decisões tornou-se um novo constrangimento.

Nos últimos anos, a principal competição na indústria de IA concentrou-se no lado da oferta de tecnologia.

Parâmetros do modelo, poder computacional de treinamento, custos de inferência e classificações de listas determinam que tipo de inteligência uma empresa pode obter.

O "bolo de cinco camadas" da IA ​​​​já foi popular na indústria, estendendo-se desde energia, chips e infraestrutura até modelos e aplicações, enfatizando o sistema completo necessário para a produção inteligente. Sem energia e poder de computação, é impossível falar sobre modelos e aplicações de camada superior.

As mudanças na oferta de modelos também começaram a se refletir no lado comercial. Um mês após o lançamento do Instituto Ciyuan, mais de 100 recursos de fornecimento foram liquidados, a média de chamadas diárias ultrapassou 50 milhões e a média diária de chamadas de token ultrapassou 700 bilhões.

O que merece mais atenção do que a própria escala é que as transações modelo estão a passar de uma ligação privada entre empresas e fabricantes para uma ligação industrial independente; à medida que esta ligação é formada, os fornecedores de regras estão gradualmente a assumir os atributos de bens públicos.

Mas do lado empresarial: quando esta inteligência já pode ser adquirida, invocada e implementada, o que determina quanto valor ela pode gerar?

Robin Li voltou sua atenção rio abaixo. Na Conferência Mundial Baidu de 2026, Robin Li propôs que “o próximo passo no desenvolvimento da IA ​​​​é a organização inteligente”.

Ele propôs que o upstream da tecnologia de IA seja a energia e o downstream sejam as capacidades organizacionais. O primeiro determina como a inteligência é produzida, e o segundo determina como a inteligência entra nos negócios reais e é transformada em resultados empresariais.

Esses dois julgamentos não são contraditórios, mas respondem a perguntas nas duas pontas da cadeia da indústria de IA. Para as empresas, mesmo que o “poder” fornecido pelo upstream seja suficiente, se o sistema de produção interno ainda for o mesmo, a nova inteligência pode não ser capaz de se transformar em novos lucros.

Robin Li comparou a IA a um novo motor e a organização inteligente a um novo edifício fabril.

Ele julgou que a IA não produzia os benefícios económicos esperados. Um motivo importante foi que a empresa apenas substituiu o motor, mas não redesenhou a fábrica.

Modelos, poder de computação e agentes podem fornecer recursos de execução mais fortes. Somente quando a alocação de tarefas, o fluxo de conhecimento e os processos de tomada de decisão mudarem adequadamente, essa capacidade poderá passar dos desktops pessoais dos funcionários para toda a cadeia de negócios da empresa.

O foco da competição em IA começou assim a mudar do fornecimento de tecnologia para a realização de valor.

O que as empresas precisam responder não é mais apenas “Qual modelo usei e quantos agentes foram implantados?” mas, esses agentes mudaram de empresa?

02

Se os trabalhadores utilizam a IA para melhorar a sua eficiência, o que dizer das empresas?

O CEO da Microsoft já disse muitas vezes: IA não é uma tecnologia, mas a forma futura da empresa.

Se você entender esta frase, poderá realmente entender a “organização inteligente” proposta por Robin Li.

Falando francamente, se você apenas ler as palavras, pode facilmente ser entendido como um novo tipo de empresa composta por pessoas e agentes, ou como outra forma de dizer “empresa nativa de IA”.

Mas o que Robin Li quer discutir não é atribuir um assistente de IA para cada cargo, mas sim redesenhar a forma como a empresa funciona: quem completa as tarefas, como a experiência é acumulada e como o processo é continuamente ajustado com base nos resultados.

Pode ser interpretado a partir de três níveis.

A primeira é romper os limites das posições.

As empresas tradicionais dependem da divisão profissional do trabalho para funcionar. Uma tarefa completa geralmente requer que vários cargos em produto, design, P&D, operações, etc. sejam concluídos em sucessão.

Na era da IA, os agentes inteligentes começam a assumir o trabalho de execução específico, e os humanos são responsáveis ​​por definir metas, programar recursos e tomar decisões importantes.

As organizações já não alocam o trabalho inteiramente em torno de posições fixas, mas podem combinar pessoas e agentes de forma flexível de acordo com as necessidades das tarefas.

A prática da equipe Tazi do Baidu fornece um exemplo. Um membro que originalmente tinha experiência em pesquisa de computação quântica quase entrou no cenário corporativo e de produtos do zero depois de ingressar no Baidu. Com a ajuda do parceiro do Baidu, ele também assumiu trabalhos de gerenciamento de produtos, P&D e projetos. Da análise de problemas e elaboração de planos à promoção da implementação e verificação de resultados, ele não está mais limitado a uma posição fixa.

Os desenvolvedores de novos produtos podem contar com Taozi para executar rapidamente todo o processo, desde os requisitos até os protótipos. A equipe iterou mais de 160 vezes em meio ano, e 90% do código e mais de 50% dos materiais de comunicação foram concluídos por Taozi.

O que realmente está quebrado neste caso não são as regras de “quem deve fazer o quê”, mas também as restrições ao fluxo de conhecimento e experiência.

A equipe de pessoal digital do Baidu promove a transformação das funções de produto, P&D, design e teste em Construtores, o que também é uma extensão da mesma lógica.

A questão não é deixar que todos assumam mais trabalho incondicionalmente, mas sim reduzir a transferência repetida de tarefas entre diferentes funções, para que as pessoas que podem definir metas também tenham a oportunidade de usar a IA para alcançar o resultado final.

Mas se houver apenas mudanças na forma como as tarefas são executadas, as organizações inteligentes só poderão ser consideradas incompletas. A outra metade depende de como a organização faz isso.

A segunda é acumular conhecimento tácito.

O conhecimento verdadeiramente valioso de uma empresa é a experiência prática dos seus funcionários: por exemplo, os métodos de julgamento dos funcionários veteranos para lidar com falhas, a experiência de vendas na identificação das necessidades dos clientes e a compreensão dos designers sobre estética e normas.

Este conhecimento é difícil de ser escrito em documentos padronizados e é facilmente perdido com o fluxo de pessoal.

Mas a IA proporciona uma nova forma de precipitação: transformando a experiência especializada, as regras de negócio e os métodos operacionais em base de conhecimentos, competências e capacidades que os agentes inteligentes podem invocar.

A cooperação entre o Baidu e a China Southern Power Grid envolve este processo. Diante da análise e julgamento de falhas na rede de distribuição, a análise manual tradicional leva mais de 60 minutos por vez e é altamente dependente da experiência de especialistas.

Depois que Baidu Tazi chegou à Comissão Geral do Sul, ele aprendeu dezenas de milhares de dados históricos de tratamento de falhas, acumulou a experiência de especialistas seniores em conhecimento profissional reutilizável e, em seguida, conectou registros de falhas, sinais de comutação e topologia de linha em série para formar uma cadeia de evidências completa. Atualmente, a precisão da análise de falhas chega a mais de 70%.

A equipe de design do Baidu MEG demonstrou outra forma de acumulação de conhecimento.

A equipe transformou a experiência estética e as especificações de design dos designers seniores em habilidades de IA reutilizáveis, para que a IA possa não apenas gerar imagens de acordo com as instruções, mas também usar os métodos de design acumulados pela equipe para participar da produção de conteúdo. Atualmente, as ferramentas de IA assumiram mais de 50% do fornecimento de conteúdo e a eficiência da equipe aumentou de 100% a 200%.

Da falta de energia ao design da produção de conteúdo, a lógica por trás dos dois cenários é muito semelhante: transformar métodos de trabalho que originalmente dependiam da experiência pessoal em capacidades que a organização pode recorrer repetidamente.

É claro que, à medida que as circunstâncias empresariais mudam, a experiência pode ficar desatualizada. Portanto, você precisa colocar os resultados da tarefa de volta no processo.

Esse é o último ciclo fechado do processo de design mencionado.

Os processos tradicionais geralmente são pré-desenhados por pessoas e, quando surgem problemas durante a execução, eles são revisados ​​e corrigidos.

Após a conclusão de cada tarefa, o sistema pode medir os resultados de acordo com as metas predefinidas, identificar problemas na execução e então usar o feedback para ajustar a próxima rodada de tarefas. Desta forma, o processo não é mais um conjunto de especificações operacionais fixas, mas um sistema que pode ser modificado continuamente à medida que o negócio funciona.

Robin Li resumiu como "Mensurável + Lopping = Evolução Contínua".

“Mensurável” significa que os resultados das tarefas precisam ter critérios de avaliação claros, enquanto Lopping significa que a execução, o feedback e a otimização devem formar um ciclo contínuo.

Quando mais e mais tarefas puderem completar esse ciclo fechado, a organização não dependerá mais apenas dos gestores para promovê-lo, mas será capaz de acumular continuamente experiência e modificar processos nas operações diárias.

Para suportar esse ciclo fechado, uma API de modelo por si só obviamente não é suficiente.

Os agentes precisam compreender os objetivos de negócios da empresa, recorrer a dados, conhecimentos e ferramentas de diferentes sistemas e ser capazes de executar, avaliar e ajustar continuamente com base no feedback em tarefas de cadeia longa. Isto impõe novas exigências à infra-estrutura subjacente.

Este é também o significado da AI Cloud e do Agent Infra que Shen Dou enfatizou na Conferência Mundial Baidu de 2026.

De acordo com a ideia do Baidu: a camada inferior Baige AI Infra fornece suporte de poder de computação, e a camada superior Qianfan Agent Infra fornece gerenciamento de contexto longo, memória persistente, invocação de ferramentas, agendamento de subagentes, feedback de avaliação e ambiente operacional, para que tarefas em larga escala e de longo prazo possam realmente completar o ciclo fechado.

Na estrutura full-stack de "núcleo-nuvem-módulo-corpo", essa relação de suporte será mais clara: o chip fornece a base do poder de computação, a nuvem fornece a infraestrutura para operação e agendamento do agente, o modelo fornece compreensão, raciocínio e capacidades de geração, e o agente entra em tarefas e cenários de negócios específicos.

Dos cargos às tarefas, da experiência pessoal à inteligência organizacional, à iteração contínua de processos, o que as organizações inteligentes mudam não é a eficiência do trabalho de uma determinada posição, mas a lógica subjacente da produção e colaboração empresarial.

O que precisamos ver a seguir é como esses princípios se transformam em prática: participar verdadeiramente dos processos de negócios e resolver problemas reais?

03

Como uma organização inteligente se desenvolve dentro de uma empresa?

Para julgar se uma empresa entrou na organização AI Native, depende se a IA está realmente mudando toda a operação interna.

Veja o Departamento de Negócios de Inovação Humana Digital do Baidu.

A equipe rompe as fronteiras de trabalho entre produto, P&D, design e testes, promove a transformação de todos os colaboradores em Construtores e, com base no BiuBiuAgent autodesenvolvido, alguns requisitos podem ser entregues por uma única pessoa ao longo de todo o processo.

Somente no terceiro trimestre, a equipe concluiu 564 iterações de produção e pesquisa, acumulou 130 competências e 729 ativos organizacionais.

À medida que o Loops continua a funcionar, o rendimento per capita de produção e investigação aumentou 125,3% e o ciclo de entrega foi reduzido em 28,8%. Um novo recruta da escola usou IA para cumprir um requisito que costumava exigir cinco funções e pelo menos 10 dias para ser entregue em apenas um dia.

Por trás dos números em rápido crescimento está a verdadeira “transformação” da IA ​​entre as organizações empresariais.

Dessa forma, os funcionários podem se concentrar mais no julgamento das metas e na organização dos processos. As habilidades e ativos organizacionais formados pela equipe durante a execução podem ser utilizados repetidamente, e a experiência de uma única pessoa não desaparece mais quando a tarefa termina.

Outro exemplo é o dodô. Este assistente de IA construído por uma equipe de mais de dez pessoas no Baidu cobriu 99% dos funcionários regulares sete meses após seu lançamento e promoveu a conclusão da transformação amigável à IA de mais de 300 plataformas empresariais.

Isto também revela um aspecto da inteligência organizacional que é facilmente esquecido: as empresas não podem apenas exigir que os funcionários aprendam a usar a IA, mas também precisam permitir que os sistemas, dados e processos existentes colaborem com a IA.

Caso contrário, mesmo que o agente consiga completar a tarefa de um determinado elo, será difícil abrir verdadeiramente a cadeia de negócios.

No ano passado, o número de agentes ativos diários no Baidu aumentou de cerca de 5.000 para 37.000, e o número de tarefas efetivamente concluídas por semana também aumentou de 84.000 para mais de 1 milhão.

Além da expansão em escala, a acumulação de conhecimento também ocorre simultaneamente: a Baidu construiu mais de 4.300 espaços de trabalho e acumulou mais de 20.000 competências gerais a nível empresarial, transformando gradualmente a experiência que estava originalmente dispersa entre indivíduos e equipas em capacidades organizacionais reutilizáveis.

Se a prática do Baidu demonstra mudanças nos métodos de colaboração organizacional, então os casos a seguir testam se a IA pode entrar nos negócios reais.

Na China Southern Power Grid, o Baidu Tiezi foi implementado na Southern Power Grid, formando um "Parceiro Tianxuan" para análise e diagnóstico de falhas na rede de distribuição.

A rede elétrica de Guangxi sofrerá 8.215 falhas permanentes em 2025. A pesquisa e o julgamento manuais tradicionais levam mais de 60 minutos cada vez e são altamente dependentes da experiência de especialistas.

Os parceiros da Tianxuan estudaram dezenas de milhares de dados históricos de tratamento de falhas, acumularam a experiência de julgamento de especialistas seniores em conhecimento reutilizável e, em seguida, conectaram registros de falhas, sinais de comutação e topologia de linha em uma cadeia de evidências para auxiliar na conclusão da análise de falhas.

De acordo com o feedback dos clientes, a eficiência da análise de falhas aumentou 12 vezes, a taxa de precisão da análise atingiu mais de 80% e a experiência de especialistas foi reutilizada. Foi promovido em 14 cidades e 112 condados de Guangxi.

O valor deste tipo de aplicação não é apenas tornar a análise de falhas mais rápida, mas também transformar a experiência originalmente nas mãos de poucos especialistas em capacidades profissionais que podem ser continuamente utilizadas pelo sistema.

A prática da Higo Laser trouxe a IA para processos de tomada de decisão mais complexos no local de fabricação.

Na linha de produção, vários braços robóticos de seis eixos precisam trabalhar juntos para completar o corte e processamento da mesma peça. No passado, os artesãos dependiam principalmente da experiência para alocar blocos de trajetória e determinar a sequência de execução; mas quando o número de braços robóticos, tarefas de processamento e restrições de processo aumentam, os arranjos locais podem facilmente afectar a eficiência global.

O Baidu Valou otimiza continuamente algoritmos em torno da previsão demorada de movimento, prevenção de colisões entre várias máquinas e agendamento de alocação de tarefas. Com a premissa de atender a restrições como acessibilidade do braço robótico, dependência de processo e ausência de colisão, ele pode comprimir o tempo de programação da peça de 8 horas para 10 minutos, resolvendo o problema de gargalo da indústria.

Da análise de falhas da rede elétrica ao agendamento colaborativo do braço robótico, os dois casos apontam para a mesma mudança: a entrada da IA ​​na indústria exige a compreensão do conhecimento da indústria, a adaptação às restrições do negócio e a aceitação de testes de resultados em tarefas reais.

É claro que uma organização inteligente não significa que as pessoas na organização não sejam importantes.

Na conferência, uma conversa entre a pessoa digital Xi Jiajia e Robin abordou esse assunto.

Quando Xijajia perguntou se poderia se tornar CEO, a resposta de Robin foi não.

Para ele, o CEO precisa entender a missão e a visão da empresa. A IA pode tornar-se o parceiro de pensamento do CEO, ajudando-o a melhorar a eficiência e fornecendo inspiração, mas não há necessidade de pressa para substituir o CEO.

Quando o tópico passou a ser “Se a IA penetrar em todos os cantos da organização, qual será a parte central da organização?” A resposta de Robin foi: pessoas.

Costumamos dizer que a IA não pode substituir os humanos, mas em aplicações práticas ainda existem preocupações sobre ser substituída. Essa conversa diferenciou as capacidades de execução e a direção organizacional da IA.

A IA pode continuar a realizar tarefas específicas, participar em análises e fornecer sugestões, mas a tomada de decisão final sobre o valor da existência da empresa e a sua direção futura ainda cabe às “pessoas”.

Isso é um pouco parecido com o conceito “DRI (Indivíduo Diretamente Responsável)” proposto pela Apple em seus primeiros dias.

Na Apple, nunca ficou claro quem é responsável por quê. Simplificando, a IA pode ajudá-lo a tomar decisões, mas alguém deve ser responsável pelos resultados finais e pelos julgamentos de valor.

Em outras palavras, as organizações inteligentes não retiram pessoas dos processos, mas redistribuem as responsabilidades das pessoas e dos agentes.

No futuro, a verdadeira lacuna entre as empresas reside em quem pode incorporar a IA nos fluxos de negócios, acumular experiência em ativos organizacionais e formar um sistema organizacional que possa continuar a operar e a evoluir.

Artigos originais da Leifeng.com, a reprodução não autorizada é proibida. Consulte as instruções de reimpressão para obter detalhes.

editar

Reenviar e-mail Modificar e-mail