过去两年，企业谈 AI，最常讨论的是模型、工具和效率。
但当 Agent 开始真正承担工作，问题很快会发生变化：
哪些任务还需要由人完成？
一个管理者未来管理的是人，还是一组人和 Agent？
为人设计的流程，是否还适用于 Agent？
当 AI 可以独立交付结果，责任又该如何划分？
这些问题听起来像“未来组织”的讨论，但它们已经开始出现在真实企业里。
Harvard Business School （哈佛商学院，HBS）发布的百融案例（详情请查看：https://mp.weixin.qq.com/s/yolnQphZIJLmu_RCMIDbIg），记录的正是这样一个样本：截至案例记录的 2026 年，百融约有 1,200 名人类员工和超过 20 万名 AI Agent（硅基员工），人和 AI 已经在同一套生产体系中工作、协作和接受管理。
真正值得讨论的，也不只是“20 万”这个数字。
当 AI 从工具逐渐变成一种新的生产单元，企业原本围绕“人”建立起来的工作方式，也开始发生变化。
01｜当 AI 从工具变成生产单元，企业首先要重新设计什么？
如果 AI 只是 Copilot——帮人写代码、找资料、做分析，原有的岗位和流程大多仍然可以延续。
但当 Agent 可以接收目标、拆解任务、调用工具、执行流程并交付结果，问题就变了。
● 原本由不同岗位承担的工作，还需要按照原来的方式拆分吗？
● 哪些环节交给 Agent，哪些情况必须由人介入？
● 出现异常或结果不达标时，谁来接管、验收并负责？
这意味着，企业下一阶段的 AI 转型，可能不只是“在旧流程里加入 AI”，而是开始重新设计流程本身。
从 SOP，走向为 Agent 设计的流程
过去，SOP 主要围绕人的工作方式设计。
当 Agent 成为新的生产单元，任务如何拆解、工具如何调用、异常如何升级、结果如何验收，都需要重新定义。
流程设计的对象，也开始从“人如何完成工作”，进一步扩展到“人和 Agent 如何共同完成工作”。
百融内部正在将这种变化概括为从 SOP 向 AOP 的演进：不只是让 Agent 适应已有流程，也开始反过来思考，什么样的流程才更适合 Agent 发挥能力。
02｜当一个人可以调度几十、上百个 Agent，管理半径会发生什么？
传统组织的管理半径，很大程度上受到人的时间、注意力和沟通带宽限制。
一个管理者能同时跟进多少人、处理多少信息、维持多少协作关系，都有天然上限。
但 Agent 改变了这个约束。
当大量执行、跟踪、分析和协同工作可以由 Agent 完成，一个人的生产能力不再只取决于“自己一天能做多少事”，也越来越取决于：他能否把人和 AI 组织成一个有效的生产系统。
HBS 案例记录了百融组织中出现的一些新角色：
● Orchestrator，负责调度一组 Agent，而不是亲自完成全部执行工作；
● Process Consolidator，把原本分散在多个岗位和部门之间的任务，重新整合成更完整的责任闭环；
● AI Enabler，把 AI Native 的工作方式带入不同业务职能。
与此同时，人的角色也变得更加动态。
一个人可能同时参与多个工作流，在不同任务里承担不同角色；管理的对象也从单纯的“人”，扩展到人、Agent、工具和流程组成的生产系统。
案例中的一个判断因此格外值得注意：一个“超级个体”，未来可能调度数十甚至上百名硅基员工。
这背后的变化，并不是简单的“一个人干更多活”，而是组织能力的基本单位正在发生变化。
03｜AI 真正进入生产之后，企业该怎么衡量它？
今天企业已经有很多 AI 指标：
模型调用量、Token 消耗、活跃用户数、准确率、响应时延……
这些指标当然重要。
但如果 Agent 已经开始承担真实工作，它们可能还不够。
企业还需要回答另一组问题：
● 有多少真实工作已经由 AI 完成？
● AI 在业务结果中承担了多大责任？
● 人和 AI 的工作边界是否真的发生了变化？
● AI 的价值最终应该按软件使用量衡量，还是按任务和结果衡量？
HBS 案例记录了百融的一套实践。
一方面，用硅碳比观察一个团队中硅基员工与碳基员工的协作结构；
另一方面，硅基员工也拥有岗位、KPI、汇报关系和生命周期，被持续训练、评价、重训或下线。
更进一步，百融通过 RaaS（Results as a Service），尝试把商业计价方式从“购买一套软件”，进一步推向“为完成的任务和交付的结果付费”。
这三层变化其实对应着三个不同的问题：
硅基员工，回答“谁来工作”；
硅碳共治，回答“怎么组织和管理”；
RaaS，回答“价值如何衡量和计价”。
当 AI 真正进入企业生产体系之后，衡量 AI 的问题，也开始从“这个模型好不好用”，走向“它究竟承担了多少工作、创造了多少结果”。
这份案例，还有很多值得看的内容
20 万硅基员工只是表面上最醒目的数字。
真正有意思的是，当这些 Agent 真正进入生产体系之后，很多过去默认不需要讨论的问题，都要重新回答：
● 一个 Agent 是怎么被创建、训练和考核的？
● 为什么个人效率提高了，组织效率却未必同步提高？
● 当 AI 承担越来越多执行工作，人的角色会怎么变？
● 人和 AI 的责任边界该怎么划分？
● 当 Agent 开始交付结果，软件的商业模式会不会也随之改变？
我们把这些内容进一步整理进了 《哈佛商学院百融案例中文解读指南》，涵盖硅基员工、硅碳共治、工作流重构、组织变化、结果计价和 AI 治理等几个部分，看一家企业真正把 Agent 放进生产体系之后，工作、流程、组织、治理和经营方式分别发生什么变化。
继续阅读｜《哈佛商学院百融案例中文解读指南》
如果你正在关注硅基员工、AI Native 组织或企业 AI 落地，也欢迎留下联系方式，与我们进一步交流。
结论
Agent 带来的变化，可能不止是让现有工作更高效。
它正在让企业重新思考：工作应该如何被设计，以及一家公司应该如何被组织。
