随着AI工具的普及，越来越多的企业进入了所谓的“混乱中期”——AI使用无处不在，但分布不均、部分隐藏、难以比较，且尚未与组织学习建立有效连接。这一阶段的核心矛盾在于：个人生产力提升并未自动转化为组织能力增长，公司可能学到了很少。

Ethan Mollick在《让AI发挥作用：领导力、实验室与群众》一文中指出，AI带来的个人效率提升并不会自动成为组织收益。员工可能变得更快、写得更好、分析更多、自动化更多，甚至悄悄成为“赛博格”版本的自己，但公司可能几乎一无所知。这种脱节现象在企业中普遍存在：GitHub Copilot许可已部署，ChatGPT Enterprise存在于技术栈中，Claude、Gemini或Cursor在团队中零星出现，每个团队至少有一人比官方培训材料假设的进度走得更远。有些是可见的，但大部分是隐藏的。管理层看到的是许可使用量、提示次数、调查结果或几个内部概念验证项目，却难以回答“我们为AI投入的数百万欧元带来了什么ROI？”这样的问题。

AI采用的第一阶段相对舒适，因为它类似于其他企业级部署：购买许可、定义可接受使用、开展培训、创建推广大使网络、鼓励在Teams频道分享用例。但第二阶段则更加奇怪：一个团队将Copilot用作自动补全工具就满足了，另一个团队在紧密循环中使用Claude Code进行测试、审查和持续调整；产品负责人突然用AI原型制作真实软件，而不是在Figma中模拟界面；高级工程师将根本原因分析委托给AI代理，在一小时内得到有效解决方案，而过去这需要两周；初级人员生成优雅代码，却不知道哪些架构假设被悄悄引入系统；支持团队默默将重复工单转化为工作流自动化，因为中心卓越团队从未问过正确的问题。所有这些情况可能在同一家公司同时发生，这正是“混乱中期”的混乱之处：采用单位不再是组织，甚至不是团队，而是工作内部的循环。

Mollick的“领导力、实验室与群众”框架在此处很有用。领导层设定方向和许可，群众发现用例，实验室则系统化提取和扩散知识。然而，许多企业缺乏将个人发现转化为组织能力的机制。例如，一个团队通过AI将根本原因分析时间从两周缩短到一小时，这种效率提升可能仅限于该团队，而其他团队仍在手动重复相同工作。同样，支持团队开发的自动化工作流可能因未被正式采纳而无法惠及其他部门。这种知识孤岛现象阻碍了组织学习，使得AI投资难以实现规模化回报。

要跨越“混乱中期”，企业需要建立系统化的知识提取和扩散机制。这包括：设立专门的AI实验室，负责评估和推广高价值用例；创建跨团队的知识共享平台，鼓励员工记录和分享AI使用经验；将AI能力整合到核心工作流程中，而非作为独立工具存在；以及重新设计绩效评估体系，奖励那些不仅个人使用AI，还帮助他人学习和应用AI的员工。此外，领导层需要从关注许可使用量转向关注实际业务成果，例如客户满意度提升、产品上市时间缩短或运营成本降低。只有当AI使用从个人实验转变为组织能力时，企业才能真正从AI投资中获得可持续的竞争优势。

总而言之，AI在企业中的普及只是第一步，真正的挑战在于如何将个人效率提升转化为组织学习。这需要企业从领导力、实验室和群众三个层面协同努力，建立系统化的知识提取、扩散和应用机制。只有这样，AI投资才能从“许可费用”转变为“战略资产”，帮助企业在竞争中获得真正的差异化优势。那些能够成功跨越“混乱中期”的企业，将能够释放AI的全部潜力，而不仅仅是让员工变得更快。