← Research

Case Study · Organizational Transformation

成功的都是科技公司

你问哪些组织成功转型到 AI Native ——答案让人扫兴。能数得上的转型案例,几乎都本来就是科技 / SaaS 公司。Microsoft、GitHub、Shopify、Duolingo、Salesforce ——它们的"转型"不需要从机房改造起。真正传统的银行、制造、零售、政府,几乎找不到能通过严格定义的案例。关键不在技术,在 CEO 敢自残、组织扁平化、接受 18-24 个月低谷。

问哪些组织转型 AI Native 成功?关键是什么? 读时~28 min
路线图

从校准走到放弃名单

六站。先校准 ——"转型成功"这词得先讲清楚,严格 vs 通俗两套标准。第二站给案例清单,六家公司打分。第三站 Shopify 深度 ——Tobi 那封 2025 年 4 月备忘录是教科书级别的。第四站回答"关键是什么",四个必要条件。第五站亮反方 ——很多"成功"其实是 AI-enabled 在装 Native。最后一站给"放弃名单" ——哪几类公司压根不该尝试。

关键是什么 ↓ 01 先校准 严格定义 02 案例清单 6 家打分 03 Shopify 深度 Tobi 备忘录 04 关键四因素 CEO 自残 05 反方 是否真 Native 06 放弃名单 谁不该试
Roadmap. 04 是答案站 ——四个关键因素直接回答原问题的第二问。

先校准 ——"转型成功"得有标准

你说要找"转型成功的 AI Native 组织",这话本身要先校准。市面上"AI Native"被滥用得跟"互联网思维"差不多 ——多数自称转型的公司,严格说只到 AI-enabled。咱们先把标准摆出来,后面看案例才有刻度。

层次 判别尺 典型表现
AI-enabled 用了 AI 工具,但工作流不变 员工装 Copilot 写 PPT 快了 30%,公司组织结构没动
AI-first AI 是默认选项,先问 AI 能不能干 Shopify 招人前先问 AI 能不能替代;Duolingo 内容生产先 AI 后人审
AI Native 拆掉 AI 公司活不下去 Cursor / Midjourney 这种 ——拆掉 AI 产品立刻不存在

注意第三层 ——这才是严格意义的 Native。它的标尺是"拆掉所有 AI 一夜之间,公司核心业务还能不能运转"。能运转的最多算 AI-first,运转不了才是 Native。1 这条尺很苛刻 ——按它来量,本讲稿后面列的"成功转型"案例大多卡在第二层,只有少数挤到第三层边上。

这事儿我得先说在前头

"我去掉所有 AI 还能不能活下去"——这个测试对存量公司几乎是不可能通过的,因为存量公司的核心业务本来就不是软件 (银行的核心是放贷+合规,制造的核心是车间+供应链,零售的核心是仓储+物流)。所以"传统行业转 AI Native"在定义上就是矛盾命题 ——你能做的最多是把 AI 嵌得很深的 AI-first,不可能真正改写核心业务的物理性质。本讲稿讲的"成功转型",实际是 AI-first 的高端版,严格意义的 Native 几乎只有新生公司能做到。

真正能数得上的案例 ——六家

把校准做完,咱们看案例。下面这六家是 2025-2026 年公开报道里被反复提的"AI 转型代表"。我给每一家打两个分 ——"转型深度"(在公司内多深) 和"是否真 Native"(按严格定义)。

公司 关键动作 转型深度 真 Native?
Microsoft $13B 投 OpenAI,Copilot 嵌入 Windows / Office / GitHub / Azure 非常深 接近 (Azure AI $3B ARR2)
GitHub (M.) Copilot 成为产品核心,2025 年 100M+ Copilot MAU3 非常深 是
Shopify 2025 年 4 月 Tobi 备忘录:招人前先证明 AI 干不了4 组织文化级 接近
Duolingo 2024-2025 砍 10%+ 合同工,翻译/写手换 AI;Duolingo Max 用 GPT-478 内容生产级 接近
Salesforce Agentforce ARR $800M,29K deals,客户报告 $100M 省钱 + 34% 产效12 产品级 部分 (产品 Native,组织没说)
JPMorgan LLM Suite 8 月内 200K 日活,$18B AI 投入,450+ use cases1011 员工赋能级 不是 (核心还是银行)

这张表说什么

看出端倪没?前五家都是科技 / SaaS 公司。它们的产品本来就是软件,加 AI 是"软件 + 软件",从架构到组织都顺势可改。只有最后一家 JPMorgan 是传统行业 ——它的"转型"虽然规模巨大 (200K 员工日用),但本质是员工赋能,不是核心业务被 AI 重写。一个交易员用 AI 写报告快了,不等于交易业务变 Native 了。

所以你问"哪些组织成功转型至 AI Native"——诚实答案是:几乎都是已经在科技赛道里的公司。真正的银行、制造、零售、能源、政府里,没有一家通过严格 Native 测试。🟢 high

举个具体的:Microsoft 这种"转型"特殊在哪

Microsoft 看着像传统大公司,实际是软件公司的极端版本。2017 年 Nadella 给 Sam Altman 写邮件铺路,2019 年初步投资,2023 年加码到 $13B1。这一系列动作的前提是 ——Microsoft 已经是世界最大的软件公司,Azure 已经在 2020 年前是云市场前二,Windows 跟 Office 都是软件产品。所以"嵌入 Copilot 到 Windows"本质是软件叠加软件,不需要改造任何物理基础设施。这种"转型"的执行难度,跟一家钢铁厂尝试同样的事,差着代际。

Shopify ——Tobi 那封备忘录

所有这些案例里,最值得拆开看的是 Shopify。原因不在它营收增长多少,而在它的组织文化转向——这是普通存量公司最值得学的部分。

2025 年 4 月那封内部信

Tobi Lütke (Shopify CEO) 2025 年 4 月发了一封内部备忘录,后来公开发布 (怕被断章取义)4。核心三条:

  1. 用 AI 是基本期望——员工日常工作必须默认用 AI,这条进入年度绩效考核
  2. AI 否决招聘——任何新岗位申请,经理必须先解释"为什么这个活儿 AI 干不了"才能给 headcount
  3. AI 在原型阶段就要嵌入——产品流程从最早期就要考虑 AI,不是后期加

第二条这一刀切得最狠。它把"招人"这个公司里最被习惯化的动作彻底翻了一面——以前默认"有事就招人",现在默认"有事先问 AI"。这一翻,组织结构、岗位预算、跨部门协作全都被迫重新设计。CNBC 报道当时业内一片震动5。🟢 high

不是 PR ——有基础设施配套

这封备忘录之所以没变 PR 噱头,关键是Shopify 同时建了配套基础设施:内部 LLM 代理、24+ MCP servers、开源 tooling614。换句话说,CEO 说了"用 AI"之后,员工真的有 AI 可用、有现成工具、有支持 ——不是让你自己想办法搞 ChatGPT 账号。这是 mandate + infra 同时上的关键。6

八个月之后看效果:整个行业开始抄这个套路。"招人前先证明 AI 干不了"成为 2025 年下半年很多公司的新内部规定。Job postings 要求 AI skills 的比例从 5% 跳到 9%4。Shopify 这一招的真正价值,不是它自己的 ROI ——而是它给业界示范了一个可复制的转型动作。

举个具体的:Shopify "招人 AI 否决"实操

一个 Shopify 产品经理想招一个 customer success 专员处理客户咨询。按 Tobi 的规则,她必须先写一份"AI 干不了"分析文档——列出客户咨询的具体类型,逐项分析为什么 LLM 自动化解决不了。这份文档要经过上级和 AI 委员会评审。多数情况下评审会说 ——"80% 的咨询可以让 agent 处理,人只需要兜底 20%。所以你需要的不是 1 个 full-time CS,是 1 个 part-time + 1 个 Agentforce 部署"。最终 headcount 不批,但批一个 agent 部署预算。这个机制下,组织自然往"少人 + 多 agent"的方向扁平化。

为什么 Shopify 能干这事儿,你家公司不能

Shopify 是 SaaS,2400 万商户在它平台上跑业务,主要的"工作"就是处理软件请求和数据 ——这些 AI 天然能干。如果你家公司核心业务是修空调、卖蔬菜、看病、教书、造汽车 ——AI 能帮但不能取代,Tobi 这套机制照搬过去就僵了。"成功案例"的迁移性很差,这是这一节最重要的认知。

关键四因素 ——你转型成不成,看这四条

讲完案例,回答你问的第二个 ——"关键是什么"。把 McKinsey 2025 State of AI、Deloitte 2026 Enterprise AI、和 Shopify/Microsoft 案例里能提炼的共性合起来,关键就四条1516。任何一条没满足,转型大概率退化成 AI-enabled。

1. CEO 敢自残 愿意取消现有业务 接受 18-24 个月低谷 Tobi / Nadella 模式 2. 工作流重设 不是把 AI 加到旧流程 而是按 AI 重新设计 10% 公司能做到 3. 数据底座 RAG / 知识库 / eval 77% 公司数据质量差 这是最大瓶颈 4. 治理体系 三红线:事实/教学法/评估 human above-the-loop Klarna 栽这一柱 缺一柱,转型退化成 AI-enabled
Fig 1. 四根支柱里,#1 (CEO 自残) 是单根最强预测因子 ——McKinsey 数据显示 CEO 直接参与是公司从 AI 拿到价值的最强信号15。

逐根拆

1. CEO 敢自残。McKinsey 2025 State of AI 直接说 ——"CEO 在 AI 项目上直接参与的程度,是公司能不能拿到 AI 影响的单根最强预测因子"15。Shopify 的 Tobi、Microsoft 的 Nadella 都是亲自下场。这"自残"二字的核心 ——CEO 必须愿意取消公司现有业务的一部分,接受 18-24 个月的转型低谷,股价下跌也得忍。多数 CEO 是任期 4-5 年,转型代价超过任期就不干 ——这是结构性失败原因。

2. 工作流重设。AI 不是装一个 Copilot 就完事,要真把工作流方向倒过来 ——"AI 先产出,人审"代替"人产出,AI 检验"。McKinsey 数据残酷:88% 的组织在某个业务功能用 AI,但能规模化到任何一个完整功能的只有 ~10%15。剩下的 80% 都卡在"试点永远是试点"阶段。

3. 数据底座。这条是公认最被低估的瓶颈。77% 的组织自评数据质量为"一般、差、很差"17。没有干净的内部数据 + RAG 知识库,任何 LLM 应用都退化成 ChatGPT 通用质量,毫无 moat。Shopify 之所以能做 AI mandate,前提是它有2400 万商户 + 多年订单数据这种富矿。你家公司这块儿不扎实,转型再激进也是空中楼阁。

4. 治理体系。这是 Klarna 栽的那柱。三条红线:事实必须 RAG 锚定 / 教学法不能 AI 独决 / 高 stakes 评估不能 autograding。Klarna 把 700 个客服一刀切给 AI,没有治理护栏,结果质量崩盘倒车18。"human above the loop"——不在环里但盯着环——这个设计要明确,不是嘴上说说。

你以为...其实不是

"我有钱、有技术、有人才,转型就能成。"——错。这四条里 #2 (工作流重设) 和 #1 (CEO 自残) 跟钱、技术、人才都没关系,跟组织政治有关。McKinsey 那个 10% 的成功率,卡死的不是技术问题 ——是中层管理者保护自己地盘、董事会担心短期股价、老员工抵触、客户合同绑定旧流程 ——这些纯组织问题。你给传统银行 $100B 也转不成 AI Native,因为这笔钱解决不了它的组织重力15。

反方 ——很多"成功"其实是 AI-enabled 在装 Native

讲到这儿要泼一盆冷水。我前面给的六家案例,如果用严格 Native 测试 ("拆掉 AI 公司能不能运转"),多数过不了。咱们诚实拆一下。

反证:严格测试这六家

JPMorgan ——拆掉 LLM Suite,200K 员工回到 2023 年的工作方式 ——慢一点、写报告麻烦点 ——银行依然能放贷、能交易、能合规。所以 JPMorgan 不是 Native,是大规模 AI-enabled。

Salesforce ——拆掉 Agentforce 和 Einstein ——核心 CRM 产品依然存在,客户依然能管理 leads、跑 pipeline。Agentforce 是一个非常成功的产品线,但 Salesforce 这家公司本身,核心还是 CRM 卖座12。

Duolingo ——拆掉 GPT-4 和 AI 内容生产 ——产品退回到人工编写课程的状态,慢很多、贵很多,但语言学习 app 本身还能用9。

Microsoft / GitHub ——这两家最接近真 Native。GitHub Copilot 拆掉,GitHub 价值会下降一个数量级 (开发者主要用它的核心理由没了)。Microsoft 365 Copilot 拆掉,Office 退回到 2022 年的状态,但 Windows / Azure 本身依然存在2。所以 GitHub 通过严格测试,Microsoft 部分通过。

本讲稿仍倾向"这六家是转型 AI Native 的最佳样本"——理由是:严格 Native 测试是新生公司专有,存量公司能做到 AI-first 高端版已经是天花板。把"接近 Native 的 AI-first"算作"成功转型"是合理的妥协。但你不该被宣传材料骗 ——多数"AI Native 公司"是营销修辞,不是物理事实。🟢 high

这事儿在 2026 年有个新趋势

2025 年下半年 Bain 和 Deloitte 几乎同时观察到 ——"AI 转型"在 board level 开始降温,从"全员激进"回归到"重点工作流深度集成"。"大规模 AI Native 转型"变成"AI 优先的工作流改造",这个词义降级本身就说明严格 Native 的门槛太高了16。MIT Tech Review 2025 年底直接把那一年定性为"the great AI hype correction"——一年前几乎所有大企业都喊 AI Native,年底大部分回归现实19。

这块儿我说实话

"成功转型"这事儿,严格意义上的 Native 几乎只有新生公司能做到 (Cursor、Midjourney 这种)。存量公司能做到的最好情况是"组织变得很像 AI Native,但核心业务还在原地"。这一区别不影响业务实际收益 ——JPMorgan 用 LLM Suite 已经省了大钱13、Shopify 的招聘策略已经压平了组织结构 ——但你别因为它们的成绩就以为它们是 Native。它们是 AI-first 做得很好的存量公司,这本身已经是稀缺现象。

放弃名单 ——这几类公司不该尝试

最后给一份"放弃名单"。下面这几类公司,在 2026 年的现实条件下,激进的"AI Native 转型"几乎注定失败 ——理性选择是把 AI-enabled 做扎实,别瞎喊 Native。

  1. 物理重资产 + 监管重的——核电厂、钢铁厂、传统医院、机场、铁路公司。核心业务在物理世界,AI 能优化但不能取代,而且监管框架严格禁止 above-the-loop。
  2. 团队懂 AWS / 不懂 AI 的——这类公司硬上 AI Native 通常会陷入"招了几个 AI 顾问、做了几个 PoC、然后散摊"的循环。最好的路径是先让现有团队学 AI,3 年后再谈转型。
  3. CEO 任期短于 3 年的——AI Native 转型至少 18-24 个月才能见到大效果,CEO 任期不够撑过 J 曲线 ——会在最难的时候被替换,后任不愿继承前任的路线。
  4. 数据质量差且没钱清洗的——上面讲过 77% 的公司数据质量差。清洗数据是 6-12 个月工程,要花真钱。没这笔预算就别开始,清洗不完 RAG 跑不起来,LLM 应用就是通用 ChatGPT 级别 ——花了大钱没护城河。
  5. 客户合同已经绑定旧流程的——B2B 公司常见 ——客户合同明确写了 SLA、流程、人员 ——AI 自动化触发合同重谈,客户可能借机砍价或跑路。这种公司只能在合同期外做边缘改造。
举个具体的:咱中国的银行

四大行的"AI 转型"喊得响,实际进度:大量员工日用 AI 助手 (AI-enabled)、一些智能客服上线 (AI-first 的局部)、风控用 AI 提升识别准确率 (AI-enabled 的局部)。但核心业务 ——放贷、合规、托管、清算 ——架构基本没动。原因不是技术 ——人民银行的合规框架要求每一笔关键决策有人类签字 (人 above-the-loop 在中国监管下被强制),核心系统跟央行 / 监管接口的协议短期不变,几十年的对私对公业务结构跟客户经理体系绑定 ——这些都不是 AI 能"重写"的。四大行最好的状态是"AI 全员赋能的传统银行",这是它们能做到的天花板。🟡 med

那合理的策略是什么

对放弃名单上的公司,合理策略不是放弃 AI ——是放弃"AI Native"这个目标。把 AI-enabled 做到极致 (每个员工日用 AI、每个流程嵌 AI 助手、关键决策 AI 辅助) 已经能拿到 30-50% 效率改善,这是真实价值。喊 Native 反而把员工和股东预期吊得太高,18 个月后兑现不出,信誉受损 ——比单纯做 AI-enabled 还糟。

综合判断

哪些转型成功了,关键是什么

把整篇压成三段直接回答你那两个问题。

哪些组织转型成功了 ——能数得上的几乎全是科技 / SaaS 公司:Microsoft、GitHub、Shopify、Duolingo、Salesforce、加上 JPMorgan (作为传统行业里走得最远的孤例)。前五家的"转型"严格说叫"AI-first 的高端版,接近 Native 但未必通过严格测试"。GitHub Copilot 是最接近真 Native 的存量公司案例 ——拆掉 Copilot,GitHub 价值下降一个数量级。Microsoft 部分通过 (Copilot 拆掉 Office 退步,但 Windows/Azure 还在)。其它的拆掉 AI 之后核心业务依然存在,所以严格意义上是大规模 AI-enabled,不是 Native。

关键四因素 ——CEO 敢自残 (单根最强预测因子)、工作流重设 (AI 先产 / 人审,而非加挂)、数据底座 (RAG + eval + 知识库)、治理体系 (human above-the-loop 的红线)。这四条里 #1 和 #2 是组织政治问题,跟钱无关 ——你给传统大企业 $100B 也转不成,因为它的组织重力解决不了。#3 和 #4 是工程问题,有钱有团队能解决 ——但前两条不通,后两条做得再好也是 AI-enabled 而非 Native。

最重要一条是 ——真正传统行业 (银行、制造、零售、医疗、政府) 转 AI Native 在 2026 年的条件下几乎不可能。规模化、监管、客户合同、数据底座、CEO 任期、组织重力 ——这些约束叠加起来,把"AI Native"压成一个新生公司专有的形态。存量公司能做的最好是"接近 Native 的 AI-first",这本身已经是稀缺现象,但你别误以为那是 Native。

一句话收 ——成功转型的全是已经在科技赛道的公司;关键是 CEO 敢自残 + 工作流重设 + 数据底座 + 治理体系四条;真正传统行业基本没机会,理性选择是把 AI-enabled 做到极致,别瞎喊 Native。

关键不确定性

这些地方我说实话也没全把握

  • "严格 Native"测试本身的争议。我用的"拆掉 AI 能不能运转"测试是从前面几讲建立的,但学界对 AI Native 的定义本身就没共识。如果用更宽松的定义 (比如 McKinsey 的"业务模型 + 运营模型双重设"),那 JPMorgan、Salesforce 等就都通过。本讲稿的严格立场是一种有用的简化,不是唯一真理。🟡 med
  • "成功转型"案例的存活性偏差。能进新闻的都是成功案例,失败案例 (尤其是中型公司、非 marquee 品牌) 几乎没人写。所以你看到的"成功率"被 marquee 案例严重高估。McKinsey 给出的 10% scaling rate 是更接近真实的数字。🟢 high
  • 2025-2026 数据本身处于快速变化中。Shopify 的策略到 2026 年底是否仍然有效,JPMorgan 的 LLM Suite 接下来 12 月会不会有大事故,Duolingo 的 AI-first 是不是已经开始倒车 ——这些都在 unfolding。我引的数据多数是 2025-2026 年初的,半年后可能变化。
  • 中国语境的特殊性。"放弃名单"那一节用了中国四大行的例子,但中国的监管 / 国企结构跟西方不同,可能存在我不了解的转型路径 (比如政策驱动的强制转型)。这块儿我说实话没全看清。🔴 low
  • "GitHub Copilot 拆掉价值下降一个数量级"的强声明。这是从"开发者主要使用 GitHub 的理由"这一点上推的判断,但 GitHub 的核心价值 (代码托管 + collaboration) 在 Copilot 之前已经存在多年。如果严格量化"拆掉 Copilot 之后用户流失多少",我没找到 robust 数据,所以"一个数量级"的说法是我的合理推断,不是实证。🟡 med
引用

Sources

  1. Medium (Michael Parekh) — Closer look at Microsoft CEO Satya Nadella's AI Strategy (RTZ #905) — https://medium.com/@mparekh/ai-closer-look-at-microsoft-ceo-satya-nadellas-ai-strategy-rtz-905-9069e24ee78d
  2. Windows News — Microsoft Q3 2026 Earnings: Azure Growth, Copilot Seats, Capex Debate ($82.9B revenue, $3B AI ARR) — https://windowsnews.ai/article/microsoft-q3-2026-earnings-azure-growth-copilot-seats-and-the-capex-ai-debate.417537
  3. digidai — Satya Nadella: Microsoft (100M+ Copilot MAU 2025) — https://digidai.github.io/2025/11/14/satya-nadella-microsoft-ceo-ai-transformation-deep-analysis/
  4. CNBC — Shopify CEO says staffers need to prove jobs can't be done by AI before asking for more headcount — https://www.cnbc.com/2025/04/07/shopify-ceo-prove-ai-cant-do-jobs-before-asking-for-more-headcount.html
  5. MIT CDO — Tobi Lütke: AI is now a 'fundamental expectation' for employees — https://cdo.mit.edu/blog/2025/04/11/shopify-ceo-tobi-lutke-ai-is-now-a-fundamental-expectation-for-employees
  6. First Round — From Memo to Movement: Shopify's Cultural Adoption of AI (内部 LLM proxy + 24 MCP servers) — https://www.firstround.com/ai/shopify
  7. TechCrunch — Duolingo cuts 10% of its contractor workforce as the company embraces AI — https://techcrunch.com/2024/01/09/duolingo-cut-10-of-its-contractor-workforce-as-the-company-embraces-ai/
  8. Washington Post — Duolingo turns to AI, laying off some language app translators — https://www.washingtonpost.com/technology/2024/01/10/duolingo-ai-layoffs/
  9. HR Grapevine — Duolingo CEO clarifies layoff plans after AI memo controversy (full-time staff not affected) — https://www.hrgrapevine.com/us/content/article/2025-08-19-no-layoffs-for-full-time-staff-duolingo-ceo-clarifies-ai-plans-after-memo-controversy
  10. The Digital Banker — JPMorgan Chase's LLM Suite drives AI transformation (200K daily users) — https://thedigitalbanker.com/jpmorgan-chases-llm-suite-drives-ai-transformation-across-the-enterprise/
  11. AI News — JPMorgan Chase AI strategy: US$18B bet paying off — https://www.artificialintelligence-news.com/news/jpmorgan-chase-ai-strategy-2025/
  12. TechHQ — Salesforce's Agentforce enterprise bet is paying off ($800M ARR, 29K deals) — https://techhq.com/news/salesforce-agentforce-enterprise-agentic-ai/
  13. Tearsheet — JPMorgan Chase's Gen AI implementation: 450 use cases and lessons learned — https://tearsheet.co/artificial-intelligence/jpmorgan-chases-gen-ai-implementation-450-use-cases-and-lessons-learned/
  14. Mindset AI — In The Loop Ep 11: Shopify Memo, Tobias Lütke's Vision — https://mindset.ai/blogs/in-the-loop-ep11-shopify-memo-no-humans-hired-without-ai-approval
  15. McKinsey — The state of AI in 2025: Agents, innovation, and transformation (CEO 直接参与是最强预测因子;88% 用 AI 但 10% scale) — https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  16. Deloitte — The State of AI in the Enterprise 2026 AI report — https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html
  17. Konecta — From early pilot to lasting value: 6 critical success factors for AI transformation (77% 数据质量差) — https://konecta.com/news-insights/from-early-pilot-to-lasting-value-6-critical-success-factors-for-ai-transformation
  18. Digital Applied — Klarna Reverses AI Layoffs: Why Replacing 700 Failed — https://www.digitalapplied.com/blog/klarna-reverses-ai-layoffs-replacing-700-workers-backfired
  19. MIT Technology Review — The great AI hype correction of 2025 — https://www.technologyreview.com/2025/12/15/1129174/the-great-ai-hype-correction-of-2025/