A/O/G 三刀合一
本文是《人在回路中 Human in the Loop》系列第 8 篇。
别先问买什么 AI
第 7 篇讲到最后，问题已经从“FDE 是什么”变成了“组织怎么下刀”。
FDE 是一种组织接口。它能把客户现场的判断，写进生产系统，再把现场知识带回平台。但一号位真正坐到会议室里，还是会遇到一个更现实的问题：下一步到底从哪里开始？
大多数老板会把这个问题问错。
他们先问：买什么 AI？接哪个模型？招不招 AI 工程师？要不要上 Agent？这几个问题都不是错问题，但它们不是第一问题。第一问题应该是：公司这一轮 AI 改造，先切哪一刀。
你前面说的 A/O/G，本来指的是三家公司：Anthropic/Claude、OpenAI、Gemini/Google。这个外部锚点是对的，因为三家公司都在公开把企业 AI 的不同切面摊出来。
但写给一号位，不能停在“哪家公司怎么做”。我在这里把三家信号转译成三把组织刀。
A 是 Action，动作刀。切的是具体动作：写、查、生成、整理、回复、审批前置、数据初筛。它回答“哪些动作可以被 AI 接走，哪些动作必须留下人工判断”。
O 是 Organization，组织刀。切的是岗位、流程、知识和责任的重排。它回答“AI 进来以后，谁的工作变了，谁的权力变了，谁的责任变了，谁的能力要重新定义”。
G 是 Governance，治理刀。切的是权限、审计、边界、评估、暂停和回滚。它回答“AI 真的进生产以后，谁能让它动，谁能让它停，出了事谁能查，谁来签字”。
这三个词不是外部通行术语，是本战役给一号位做判断用的命名。外部世界已经把碎片摊出来了：Anthropic 在公开研究内部工作怎么被 Claude Code 改写；OpenAI 在讲部署、FDE、联盟伙伴和 workforce blueprint；Google Cloud 在讲从 pilot 到 production 的五步框架；YC 在讲 AI-native company 的组织玩法。
但老板不能把这些碎片当菜单。
你不是去硅谷点菜。你是在自己的公司开刀。
动作刀切错，AI 会放大低价值忙碌。组织刀切错，岗位名变了，责任链没变。治理刀切错，前面越快，后面越危险。
所以这一篇不讲新概念。
只讲一个判断顺序：A/O/G 三刀怎么合起来用。
A 刀：先切动作
动作刀最容易理解，也最容易先见效。
公司里有大量动作，本来就是低判断、高重复、可验证、可回滚的。整理会议纪要、生成初稿、提取信息、改写表达、检索资料、对账、生成销售素材、把一堆散乱材料整理成结构化表格。这类动作过去消耗人力，不是因为它们有多高级，而是因为系统不够便宜、工具不够顺手、组织没有别的选择。
AI 进来以后，这些动作应该先被重定价。
Anthropic 的内部研究就是一个很好的动作层样本。它调查了 132 名工程师和研究员，做了 53 次深度访谈，还分析了 200,000 条 Claude Code 内部使用记录。它看到的不是“工程师消失”，而是大量动作的边界被重新划分：修 bug、理解代码库、生成实现、学习陌生模块，都被 Claude Code 加速。
但这个研究也给动作刀划了边界。
Anthropic 写得很清楚：多数员工报告能“完全委派”的工作只有 0-20%。Claude 是高频协作者，但高风险工作仍然需要主动监督和验证。换句话说，动作可以被 AI 接走，判断不能顺手丢掉。
老板看动作刀，最该问的不是“这个岗位能不能少一个人”。
该问四个动作问题。
第一，哪些动作重复到足以被标准化。
第二，哪些动作输出可以低成本验证。
第三，哪些动作出错以后可以暂停或回滚。
第四，哪些动作虽然重复，但背后藏着客户信任、合规边界或业务判断，不能直接交给 AI。
动作刀切得好，公司会立刻释放时间。员工不必再把半天浪费在整理、搬运、改写、查询上。动作刀切得差，公司只会把低质量动作放大十倍。
这也是一号位最容易犯的错。
看见 AI 能生成，就以为它能交付。看见 AI 能回复，就以为它能负责。看见 AI 能写代码，就以为它能上线。
动作刀只回答一个问题：动作能不能被 AI 做。
它不回答：这个动作该不该被做。
A 刀误区：动作自动化不等于组织升级
只切动作，会让老板产生一种错觉：公司已经 AI 化了。
群里开始出现 AI 生成的日报，销售开始用 AI 写跟进话术，市场开始用 AI 批量生成内容，研发开始让 AI 写代码，HR 开始用 AI 整理面试记录。所有人都在用 AI，工具活跃度很好看，老板也能在会上说“我们已经全面拥抱 AI”。
但这不等于组织升级。
动作自动化可能只是让旧组织跑得更快。旧流程本来就乱，AI 会让它乱得更快；旧责任本来就模糊，AI 会让甩锅更快；旧知识本来就散在老员工脑子里，AI 会把表层材料整理得更漂亮，但不会自动把深层判断变成组织能力。
这也是为什么第 6 篇一直强调判断溢价。
动作变便宜以后，动作本身不再值钱。真正值钱的是：哪些动作应该被保留，哪些动作应该被取消，哪些动作需要合并，哪些动作背后其实是判断节点，哪些动作一旦被 AI 放大，会把公司带进风险区。
比如销售跟进。
AI 能写 100 个版本的话术，这只是动作能力。真正的问题是：哪些客户不该被频繁触达，哪些承诺不能自动写进邮件，哪些价格边界不能被模型自由发挥，哪些投诉必须升级给负责人。只切动作，销售团队会变成内容洪水。切到组织，才会重写线索分级、客户分层、审批权限和例外处理。
再比如研发。
AI 能生成代码，这只是动作能力。真正的问题是：什么代码可以快速试，什么代码必须审，哪些服务有生产权限，谁负责回滚，谁定义测试门槛。只切动作，代码会变多。切到组织，才会重写开发流程、评审责任、上线门禁和事故复盘。
所以动作刀有一个上限。
它适合打开局面，不适合单独收尾。
如果一号位只想用 AI 做“提效”，动作刀够用。如果一号位想让 AI 进入经营系统，动作刀只是第一刀。下一刀必须切组织。
O 刀：再切组织
组织刀比动作刀难，因为它不只改工具。
它要改公司怎么分工。
OpenAI 的公开材料已经把这个方向说得很明白。Frontier Alliances 里，OpenAI 写到，企业看到 AI 价值的限制因素不只是模型智能，而是 agents 如何在组织里被建设和运行。它的联盟伙伴要帮客户定义战略、集成系统、重设计工作流、规模化部署。Frontier 页面也写到，FDE 会和客户团队一起设计架构、运行治理、让 agents 在生产中跑起来，并建立客户团队能拥有和扩展的重复模式。
这些词放在一起，已经不是“买工具”了。
战略、系统集成、流程重设计、治理、生产运行、可扩展模式，这些都是组织刀。
组织刀切的第一层，是岗位。
AI 进来以后，很多岗位不会立刻消失，但岗位里的动作会被拆开。一个运营过去 70% 时间在整理和搬运，30% 时间在判断和协调。AI 接走前 70% 以后，这个岗位到底被压缩，还是被升级？答案不在模型里，在一号位怎么重写岗位。
组织刀切的第二层，是流程。
过去流程是人推着系统走。现在很多流程会变成 AI 先跑，人在关键节点判断。审批、交付、客户响应、异常升级、复盘，都要重新设计。不重新设计，AI 只是插在旧流程里的外挂。
组织刀切的第三层，是知识。
旧组织的知识藏在人、文档、群聊和经验里。AI 进来以后，知识必须变成可检索、可调用、可更新、可评估的资产。否则 AI 只能吃到碎片材料，给出看起来合理但不接地气的答案。
组织刀切的第四层，是责任。
谁允许 AI 动，谁审批关键动作，谁接异常，谁改规则，谁承担后果。这些问题如果不重新写进组织，动作自动化越快，事故复盘越难。
所以组织刀的本质是：把 AI 能力从个人技巧，改造成公司分工。
这一刀切不下去，AI 就永远停在“大家都在用工具”的热闹里。
O 刀误区：别照抄 AI-native 公司
组织刀最容易被另一种东西带偏：照抄 AI-native 公司。
YC 的 AI-native company playbook 很有价值。它把创业公司如何围绕 AI 重写组织、产品、增长和工程讲得很集中。对一支从零开始的创业团队来说，这类材料很锋利，因为它面对的是新公司：没有太多历史包袱，没有复杂层级，没有十年沉淀下来的流程债，也没有大量旧岗位需要重新安置。
但中文传统企业不是从零开始。
这是最关键的区别。
传统企业不是一张白纸。它有旧客户、旧系统、旧流程、旧预算、旧干部、旧汇报线、旧考核、旧文化。AI-native 公司可以从第一天就把 AI 写进操作系统，传统企业只能在一台正在跑的机器上换发动机。
所以组织刀不能照抄。
AI-native 公司说“少招人，多烧 token”，这对创业团队可能成立。传统企业如果直接照抄，很容易变成粗暴减员、流程断档、客户体验波动。AI-native 公司可以让少数强人用 AI 打穿一条链路，传统企业必须处理跨部门协作、权限审批、合规留痕和老员工经验迁移。
老板真正要学的，不是 AI-native 公司的表面动作。
要学它背后的组织原则：动作先被拆开，判断重新定价，流程围绕 AI 与人重新编排，知识要沉淀成系统，责任不能停在口头上。
这也是我为什么不建议中文企业老板一上来就喊“我们要成为 AI-native”。
这句话太大，也太容易变成口号。
更务实的问法是：我们这家公司，哪些旧流程值得重写，哪些旧岗位值得升级，哪些旧知识必须系统化，哪些旧责任链必须重新布线。
组织刀不是让你把公司改成硅谷创业公司。
组织刀是让你把自己的公司，从旧分工里救出来。
G 刀：最后切治理
治理刀最不性感，但最决定生死。
因为 AI 真正进入生产以后，问题不再是“它能不能做”，而是“它凭什么能做”。
凭什么能读这个数据，凭什么能发这条消息，凭什么能改这张表，凭什么能调用这个接口，凭什么能把客户分到某个等级，凭什么能建议拒绝一笔交易，凭什么能自动升级一个投诉。
这些“凭什么”，就是治理刀。
Google Cloud 在 2026 年 2 月那篇从 pilot 到 production 的文章里，把这个问题说得很实际：很多组织正在撞上 AI sprawl，策略不协调导致工作流碎片化、治理风险，以及模型难以扎根真实企业语境。它给出的五步框架里，不只是技术选择，还包括 enterprise truth、任务而不是聊天、快速迭代、agent sprawl 的互操作、结果而不是活动。
这套话翻译成一号位语言，就是治理刀。
第一，数据治理。AI 不能只吃静态文件和过期文档，它需要可信、更新、可追溯的企业事实。否则模型越会说，误导越像真的。
第二，权限治理。每个 Agent 能看什么、能做什么、能调什么工具，必须有边界。没有边界，AI 就会把“员工能访问”误读成“系统可以自动动作”。
第三，评估治理。公司不能只看使用次数。要看哪些功能缩短了周期，减少了返工，降低了错误，提升了客户结果。活动数据不是经营结果。
第四，异常治理。AI 一定会错。问题不是能不能消灭错误，而是错误出现时谁能发现、谁能暂停、谁能回滚、谁能复盘。
第五，责任治理。AI 不是法人，也不是员工。最后签字的人、授权的人、审核的人、放行的人，必须在系统里留痕。
很多老板不爱从治理刀开始，因为治理看起来慢。
但高后果场景必须先切治理。金融、医疗、生产系统、客户承诺、价格权限、合规边界，都不能先靠热情试起来。越高后果，越要先问边界。
治理刀不是给创新踩刹车。
治理刀是让公司敢踩油门。
三刀合一：不是固定模板
A/O/G 三刀最重要的地方，不是三张清单，而是判断顺序。
低风险、高频、可验证的场景，先切 A。
比如内部资料整理、销售初稿、会议纪要、候选人材料归纳、知识库检索。这些场景先切动作，可以迅速释放时间，也能让组织积累 AI 使用经验。这里的关键是别把动作胜利吹成组织胜利。
跨部门、跨流程、跨角色的场景，先切 O。
比如客户交付、销售到运营交接、研发到上线、HR 到业务、财务到采购。这类场景如果只上工具，通常会变成部门各玩各的。你必须先重写谁输入、谁判断、谁审批、谁接异常、谁沉淀知识。否则 AI 只是让每个部门更快地产生自己的版本。
高后果、高权限、高外部影响的场景，先切 G。
比如客户承诺、合规判断、生产系统变更、价格审批、资金动作、公共发言。这些地方不能先靠“试试看”。必须先定义权限、审计、评估、暂停和回滚。治理不清楚，动作越快，风险越集中。
很多公司 AI 改造失败，不是因为没买好工具，而是因为把顺序排反了。
该先切治理的地方，拿动作刀乱试。该先切组织的地方，只买一个 SaaS。该先切动作的地方，又开一堆战略会，把简单事复杂化。
所以 A/O/G 不是成熟度模型。
它是一张手术台。
你不能拿同一把刀切所有病灶。也不能因为某一刀见效快，就把它当成整台手术。
一号位的判断力，就体现在这里。
你要知道公司这一轮 AI 改造，到底是动作成本太高，组织接口断裂，还是治理边界缺失。判断错了，AI 不会救你。AI 只会把错的地方放大。
给一号位的三刀会议
最后给一号位一张会议议程。
下次你开 AI 改造会，不要让供应商先讲方案，也不要让技术团队先讲模型，更不要让每个部门上来报“我们用了多少 AI”。
先用三刀问一遍。
第一刀，A：本月哪三个高频动作要被 AI 接走？
每个动作必须写清楚：输入是什么，输出是什么，谁验证，错了怎么停，节省出来的时间去哪里。如果答不上来，就不要先谈大规模推广。
第二刀，O：这个动作被 AI 接走以后，哪个岗位、哪条流程、哪段知识、哪条责任链要重写？
如果一个动作被替掉，但原来的汇报线、考核、审批、交接都不变，组织不会升级，只会产生新的摩擦。
第三刀，G：这个场景要不要先进治理门？
只要涉及客户承诺、生产权限、合规边界、资金、价格、公开表达，就先问权限、日志、审计、暂停、回滚。治理答不上来，宁可慢，不要乱快。
开完这三刀，老板再决定买什么工具、招什么人、接什么模型。
顺序不能反。
先买工具，你会被功能牵着走。先招人，你会被岗位名牵着走。先接模型，你会被能力幻觉牵着走。先切 A/O/G，你才是在按组织问题做决策。
这就是第 8 篇的位置。
第 1 篇到第 7 篇，我们一直在拆一个问题：AI 不是新工具，是新分工；组织 OS 跑不动；劳动契约要重写；动作可以被替代，组织不能被替代；判断越来越贵；FDE 是判断溢价的组织载体。
第 8 篇把这些东西压成一张开刀图。
动作、组织、治理。
先判哪一刀，再谈怎么切。
再往后，就该收束到最后一个问题：谁在公司里负责把这三刀长期拿稳。
继续读
- 上一篇：FDE 不是工程师，是组织接口
- 系列入口：人在回路中：Human in the Loop
- 下一篇：组织操作系统架构师