美敦力高管代表团到访百融：
AI 的下一个问题，
是怎么“被管理”
// 硅基员工之家 · 硅碳比 167:1 · HBS CASE · AI 被管理
10 月 26 日，美敦力高管代表团到访百融智能。
// 2026/10/26 · 北京 · 整整一天
美敦力高管代表团到访百融智能
不是来看一个 AI Demo —— 而是指向企业级 AI 落地最难的那一段
① 能连系统吗
② 怎么和团队分工
③ 谁来评价做得好不好
④ 按什么收费
全球头部企业的 AI 关注点：能不能对话 → 能不能把活干完
与"来看一个 AI Demo"不同，双方这一整天的交流，指向的都是企业级 AI 落地中最难的那一段：Agent 能不能连接企业现有系统并真正完成业务步骤？怎么和既有团队分工协作？做得好不好，由谁评价？最后，按什么收费？
代表团此行带着一组相当具体的问题。他们希望了解如何通过 AI 扩大客户覆盖、改善商业与服务执行，并探索持续服务及按成果付费等商业模式；更实际的一层是，企业团队如何把单点试验转化为可持续、可复制的运营能力——一次演示不难，难的是让demo变成日常生产。
这些问题背后，是一个行业性的换挡。全球头部企业的 AI 关注点，正在从"能不能对话"转向"能不能把活干完"。
01 美敦力和百融的这次交流，覆盖两类任务
对外服务客户 · 对内赋能员工
百融介绍了企业级 AI Agent 的技术与业务布局，以及通过 Results Cloud 将模型、企业知识和业务工具结合起来的方式。整场交流沿着两条主线展开：一条是对外服务客户，让 AI 直接承接咨询与业务请求；另一条是对内赋能员工，先让 AI 进入既有团队和业务系统，再逐步放大范围。
整场交流 · 两条主线
对外 · 服务客户
让 AI 直接承接咨询与业务请求
对内 · 赋能员工
先让 AI 进入既有团队和业务系统，再逐步放大范围
共同点：AI 不止于给出答案，而是进入实际流程、把任务做完，并接受持续评估
两条主线的共同点是同一个：AI 不止于给出答案，而是进入实际流程、把任务做完，并接受持续评估。这也是"能不能对话"和"能不能干活"之间那道分界线的位置。
02 百融的AI 已经能接上手，但这只是入场券
订餐演示 · 多 Agent 协作 · 分层处理
现场的第一个演示是订餐。客户提出需求、修改细节、核对订单，Agent 通过业务接口获取信息、创建或修改订单，并在客户确认后提交。
百融方面的回应是：对接范围需要依据企业的系统、接口和业务规则来确定，AI 的作用可以从"回答问题"延伸到"执行具体的业务步骤"。
现场还演示了语音交互场景下的多 Agent 协作：不同角色的 Agent 分别承接咨询、传递上下文，并继续处理同一笔服务请求。零售侧的演示，则展示了通过对话查询商品、门店信息并完成服务预约的过程。
这两组演示放在一起看，指向的是同一件事——Agent 之间的分工已经细到"谁接、谁传、谁收尾"。而这恰恰是最难被人工流程复制的一段：它要求的不只是模型能听懂，而是每一个 Agent 都知道自己该在哪一步接手。
另一个被问及的问题更具体：AI 能不能进一步承担 CFO、销售总监这类管理岗位的工作？
百融的答案是分层处理。AI 已经能承担部分重复性分析、信息整理和基础专业工作，但需要高判断力、客户关系维护、文化建设和长期方向选择的工作，仍然有赖于人。应用的重点不是整段替换岗位，而是把岗位拆成具体任务——AI 支持执行，人负责审核、决策并承担责任。
换句话说，AI 进入企业的方式，已经从"系统里多了一个功能"，变成"流程里多了一个执行者"。这是两回事。
03 “硅基员工之家”：把 AI 放进人力资源管理体系
把 AI 放进人力资源管理体系
百融把进入具体岗位、承担具体任务、接受绩效评价的 AI Agent 称为"硅基员工"。"硅基员工之家"，是百融用来管理这些硅基员工的完整流程体系。
现场展示覆盖了硅基员工的创建、岗位设定、入职、团队归属、绩效评估与晋升。每一个硅基员工都有明确的岗位与任务，其工作质量和真实使用情况纳入绩效评价，并与人类团队的业务目标衔接。
硅基员工之家 · 现场展示全流程
创建→岗位设定→入职→团队归属→绩效评估→晋升
每个硅基员工都有明确的岗位与任务，
其工作质量和真实使用情况纳入绩效评价，并与人类团队的业务目标衔接。
这条链路回答的是一个很现实的问题：AI 引入之后，管理者手里多了一类需要被管理、但又不完全像人的新成员。入职、岗位、绩效、晋升，该按什么规则走？
AI 进入企业的最后一公里，往往不是技术问题，而是管理问题：谁给 AI 定岗位、谁看它的产出、谁在它出错时接手。
围绕这套管理实践，双方进一步讨论了领导者角色、员工能力发展，以及 AI Native 组织中的责任与激励机制。
04 百融的认知：AI正在引领企业管理变革
哈佛案例 · 1,200 : 200,000
被问及"引入 AI 之后，管理者需要具备哪些能力"时，百融给出的判断并不算客气：单纯依靠层级逐级传递信息的管理方式，会首先受到冲击。
管理者的重心需要向业务判断、跨团队协调、人才发展、组织文化与创新转移，同时要确保人类员工与 AI 的绩效目标保持一致。目标不一致，AI 的使用就会长期停留在工具层面，而不是支撑起团队的实际工作。
这也解释了为什么"硅基员工之家"要把绩效评估和晋升一起做：AI 能不能真正被用起来，很大程度上取决于人和 AI 是不是在朝同一个结果用力。
今年 8 月，哈佛商学院出版了以百融为研究对象的案例《Bairong: 1,200 Human and 200,000 AI Agent Employees – Each with KPIs》，也把这件事放进了全球管理讨论当中。
这次交流中，百融完整分享了这份案例，并播放了教授介绍相关研究的视频。
案例把研究对象从"AI 技术如何应用"推进到了"当 AI 开始承担工作、接受考核，企业应该如何组织、如何评价、又如何为结果定价"。按案例记录，百融的团队规模是 1,200 名碳基员工与 20 万硅基员工；公司级硅碳比为 167:1。
// HARVARD BUSINESS SCHOOL · 2026/8
《Bairong: 1,200 Human and 200,000 AI Agent Employees – Each with KPIs》
1,200碳基员工
20 万硅基员工
167:1公司级硅碳比
研究议题从「AI 技术如何应用」推进到
企业应该如何组织 · 如何评价 · 又如何为结果定价
哈佛商学院的案例研究与"硅基员工之家"的现场演示相互呼应：前者提供研究视角，后者展示具体的管理流程。
这也是这次交流中最有意味的一处呼应——当一家企业级 AI 公司的实践被写成管理学案例，讨论的就不再是"AI 能不能干活"，而是"企业该怎么重新设计岗位、绩效与协作"。
05 AI落地不是换一套系统，而是从一批可评估的任务开始
工作坊 · 边界 · 分群服务
对于传统企业应该从哪里开始引入 AI，百融给出的路径是：先通过业务工作坊梳理各部门流程，识别重复性高、规则相对清晰、结果可评估的任务，比如合同审阅、客服查询和信息处理。企业可以先改造流程中的部分环节，再根据效果扩大范围，无需一次替换完整流程。
几条边界也在这次交流中被明确：
不是所有场景都适合 AI 直接面客。 对不适合的场景，可以先采用客服 Copilot、实时知识辅助和通话质检，让人工继续与客户沟通，AI 在后面补位。相关应用需结合行业规定和企业要求确定边界，并保留人工承接方式。
Agent 的回答范围由企业划定。 它能答什么，取决于企业授权给它的知识、业务要求和模型能力共同决定的范围。即使模型本身具备更广泛的知识，也不意味着 Agent 可以越过企业设定的边界。
分群服务在技术上可行。 针对老年客户等不同客户群体，技术方案可以按客户要求配置不同的 Agent、沟通策略及服务路径。
06 AI的商业模式不必只有一种答案
收费随场景而变化
美敦力代表团的另一个问题是：客户买的到底是 Agent，还是按使用量计费，或者按结果付费？
百融介绍的方式是：收费随场景而变化——可以按业务成果、交易或已完成的任务计费，也可以采用服务费等方式。
收费随场景而变化
①
按业务成果 / 交易 / 已完成任务计费
②
采用服务费等方式
③
标准化 SaaS 与本地部署 · 成本结构不同
物流查件演示：Agent 承接的是「把一次查件跑完」，而不是回答一个问题。
计价单元的差别，正是交付形态的差别。
当天物流查件服务的演示里，Agent 承接的是"把一次查件跑完"这件事，而不是回答一个问题。计价单元的差别，正是交付形态的差别。
这背后是一个判断：企业级 AI 的价值，最终要以业务结果被验证，而不是以部署了多少个 Agent 被验证。
美敦力代表团带来的问题，对每一个做 AI 应用的团队都不陌生。它们共同指向同一个结论——企业级 AI 的下一段竞争，不在模型能力，而在组织能力：谁能把 AI 安排进真实的岗位，给它一个可考核的标准，并且把人和 AI 的责任、目标对齐。
被这样的代表团反复追问，本身也是一次检验：能不能把已经跑通的组织实践，讲成一套别家企业可以带走、复用的做法。
这也是百融过去几年一直在做的事——让 AI 从工具，变成组织里的一种劳动力。而当方法本身成为可交付物，企业与企业的差距，往往就不在参数表上，而在组织的设计图上。
