企业不会一夜之间建成人机协同团队，从传统人类团队到人机协同的状态，必然经历一个演进过程。基于穆胜咨询的理论推演，与当前收集到的实践反馈，我们尝试提出人机协同团队组织熟度模型（MHCM，Moo Human-AI Collaboration Maturity）。

鉴于我们判断人机协同团队会走向平台型组织（或智能体组织），其组织设计自然会走向平台型组织（或智能体组织）的三台架构，我们参考了针对三台架构的四级成熟度模型（如图1-1）。在HACM中，我们也将企业的演进划分为四级，并匹配了平台型组织的成熟度分级。这一模型可直接用于企业在建设人机协同团队中的自评与路径规划。

图1-1:平台型组织成熟度模型，资料来源：穆胜咨询

01 第1级——工具级（Tool Level）

这类组织里，AI以“工具”形态存在，员工个人凭兴趣进行使用，组织无统一治理。自然，AI的输出也由个人负责，组织不追踪。

典型表现是，员工私下用AI写邮件、改文案、做表格；企业没有AI使用规范；出现了“影子AI”（Shadow AI）。这种状态自然会导致各类风险，如数据泄露、内容失真、算法偏见、责任不清。

例如，2023年，三星在允许半导体部门员工使用ChatGPT后，20天内接连发生3起泄密。员工为调试代码将核心源代码粘贴进去，为优化良率将产品数据完整输入，甚至将会议录音转文字后上传整理纪要。这些信息进入公共模型后无法收回，可能被用于后续训练，对于三星公司自然会造成风险。‌

再如，2025年，德勤澳洲在为澳大利亚政府部门撰写的237页福利津贴审查报告中，出现了捏造的法院判例、不存在的学术论文，以及无法在公开数据库中查到的专家观点。事件曝光后，德勤被迫退还约44万澳元（约人民币206万元）报酬，并在修正版中承认使用了Azure OpenAI等生成式模型。‌这一案例的特殊性在于，德勤当时正高调宣布将AI工具推广给全球50万名员工，而在同一时间，其向客户的交付物就出现了重大问题。

这个级别对应的是金字塔组织，由于员工被限制在“小方格”内，他们有大量的空间独自行动，自然也会为了省力、省时、出成绩而冒险使用AI。在这类组织里，如果没有统一、细致的监管，上述风险必然爆发。要跨越这个阶段，企业需要建立正式的AI使用规范与数据边界，从“默认容忍”转向“明确治理”，至少要出台组织内的《AI宪法》。

但遗憾的是，这个阶段的企业老板，并没有形成对AI这个生产力的系统思考。他们会在各种场合呼吁员工：“未来是AI的时代，我们要跟上”“你们年轻人要多尝试AI呀”。但这仅仅是口头上的呼吁，呼吁的也是别人。他们不会为了“AI化”而进行项目级的投入（最多意思一下，买点token），对于回报也持“随喜”状态。说穿了，这个阶段的企业老板，从心里把自己当“局外人”。

按照我们对人机协同团队的定义，这类团队显然达不到标准，准确地说，这是传统人类团队在走向人机协同团队之前的“浅水滩试水”。企业和人类员工在这个阶段，开始认识新技术，犹如原始人获得了火种，既有新可能，也有新风险。

02 第2级——助手级（Assistant Level）

这类组织里，AI被“组织化”地收编为“助手”，企业内人人有账号、有培训、有规范，但是，这个阶段AI作为助手仍不承担独立职责，也不进入核心工作流。

典型表现是，全员配备Copilot、work buddy这类工具；企业建立了AI培训体系，向员工普及使用技巧和使用规范，甚至将培训后的认证作为使用AI准入标准；但这个阶段，“AI提效”仍是个人层面现象，组织效率未同步提升。

这个阶段，老板开始带头用AI，企业开始考核token消耗量，能用AI的工作恨不得都用AI，甚至会发起大规模的裁员来表示“转型”决心，但预期之中的“效率爆发”并不会如约而至。相对于“工具级”的阶段，这个阶段的个体提效显然更加明显，但强势的考核压迫之下，token也在疯狂消耗，如果个体提效不能转化为组织提效，那在token上消耗的成本就收不回来。

亚马逊的案例很能说明问题。他们曾推出名为 Kirorank 的内部AI排行榜，依据Token消耗量给员工打分，初衷是推动AI应用。但员工很快发现漏洞，开始让AI执行大量无意义任务（如重复处理琐碎指令）来刷高Token消耗量，以提升排名。这导致公司算力成本急剧攀升，却没有产生实际业务价值。最终，亚马逊关闭了Kirorank排行榜，高级副总裁戴夫·特雷德韦尔也告诫员工 “不要为了用AI而用AI”。‌

这个阶段更大的尴尬在于，虽然一定程度降低了使用AI的风险，也在局部形成了个体提效的效果，但组织模式没有改变，AI很容易在金字塔组织里造成“内部失调”。被提效的个体与未被提效的个体会出现协同冲突，最终短板决定高度，组织效率依然低下。不仅如此，当AI的使用以个体利益作为第一考量，个体之间的、部门之间的冲突会迅速爆发，大企业病在局部甚至会更加突出。因此，停留在第二级的企业，其AI投入的边际回报会迅速递减，token消耗越来越快，回报越来越小。

但这个阶段的好处在于，由于大量使用AI工具，相当一部分“无效跑动”的人类员工开始被替代，组织冗余得以被挤出，进入精简状态。与此同时，一部分精英奋斗者意识到AI工具可以带来无限可能性，开始自发优化作业单元，并推动跨部门协作，积极疏通工作流，客观上创造了客户价值的增量。企业老板意识到这种自发状态带来的好处，会采取默许的状态，也会提供部分支持，甚至会建立“试验区”。相对于平台型组织中的2级状态，即“灵活金字塔组织”，AI助手起到了放大器的作用，让金字塔更加灵活。从传统人效视角来看，冗员被AI替代，精英在“试验区”突破，自然会带来人效数据上的提升，此外，由于人类员工能使用AI助手，人力投入的边际回报会呈现递增。只不过，企业在这个阶段不太可能选择增人罢了。

这就出现了一个很吊诡的场景：AI加持的官僚主义，与精英驱动的人机协同共存；传统人效上行，token效下行；传统人效边际递增，token效边际递减，出现穆胜咨询称之为的“边际剪刀差”。

但老板们更愿意看到光明的一面。正是因为精英脱颖而出、人效持续上行的状态，让他们可能被误导，认为企业经营尚好，不需要继续推动组织升级，只需要静待“试验区”的种子自动开花结果。但这种想法是极其不理智的，人效的提升，是以牺牲token效作为代价的，不是人力投入减少了，而是人力投入变成了算力投入。不仅如此，如果对官僚主义不加抑制，金字塔组织的“内部失调”就会越来越明显，并逐渐吃掉精英奋斗者们的局部努力，token的无谓消耗也会让企业的投入泥牛入海。现实中，绝大多数企业都会被卡在这一级。

按照我们对于人机协同团队的定义，这类团队依然达不到标准，AI只是工具，尚未具备自主意识，尚未接管某些职能领域，可以说，这是传统人类团队在走向人机协同团队之前的“深水区探索”。企业和人类员工在这个阶段，开始逐渐掌握新技术，并将新技术融入了生产中。

03 第3级——编队级（Team Level）

这类组织里，AI智能体成为团队的“编内成员”，有明确职责、有权限边界、有人类所有者，企业通过组织变革，让AI智能体爆发出威力。结果是，在一定程度的升级后，组织里的大量作业单元越来越依靠AI支撑，企业开始围绕“人机协作”连接作业单元，并设计指向客户的工作流。

这个阶段，由于建立了三台架构，跨部门协作已经是常态，又由于AI智能体加入了跨部门协作，协作可以用API的方式进行标准化连接，效率大大提升，彼此贡献更加清晰，激励反馈也更加直接。此时，组织里的部门越来越虚，更像是一个个的“基地”，而不是部门长的“地盘”。部门长更像是生意人，而非行政长官，他们开始关注如何形成更多有竞争力的作业单元，并竭力将其连接到创造客户价值的工作流上，以此来追求专业能力的变现回报。正因为这种理念，客服、招聘、研发等场景出现稳定的“1人+多个AI智能体”结构；同时，企业也建立AI智能体的身份与权限管理，AI智能体的产出被纳入质量监控，换言之，在企业的《AI宪法》下，各种立法更健全，执行也更到位。

这个阶段的矛盾有两个：

一是迅速滋生的AI智能体与治理水平之间的矛盾。Strata Identity的2026年研究显示，仅18%的安全负责人认为其身份与访问管理系统权限能有效管理AI智能体身份，近80%无法实时追踪代理活动（Strata Identity，2026）。潘多拉的魔盒打开了，各类AI智能体迅速上线，企业的治理水平没有如期匹配。“不知道自己雇了多少AI员工”，是编队级最常见的失败原因。

二是迅速爆发的人机协同生产力与组织模式之间的矛盾。由于组织已经开始进化，人类员工可以搭建AI智能体，以此升级作业单元，并进入工作流。一方面，他们看到了更大的可能性，但组织升级尚未完成，生产力的进步距离他们的期待还有巨大差距，组织的灵活性和企业的赋能水平依然滞后；另一方面，他们的价值创造能力大量提升了，但却没有通过足够市场化的激励机制获得回报。

与此同时，企业开始普及“人机比”“token效”的管理概念，对人机协同团队（或智能体组织）的“人效”开始有新的理解，逐渐放弃传统人效指标（或仅仅把这类指标当作“辅助指标”），并形成新的人效管理理念和方法。当企业关注到“人机比”和“token效”，就会发现组织模式是阻碍这两项指标的最大障碍，所以，这个阶段的企业并不会像助手级（第2级）的企业一样被卡住，他们大概率会选择继续推动组织变革，企业的人机协同团队由此有希望进阶。

按照我们对人机协同团队的定义，这类团队已经达到了标准，AI不仅是工具，还具备自主意识，开始接管大量职能领域，可以说，这是人机协同团队已经在进行“深水区寻宝”。企业和人类员工在这个阶段，开始逐渐熟悉新技术，并将新技术大量融入了生产中，进入了一个全新的时代，迎来广阔前景。自然，这类“待爆发”的企业也会成为资本市场的宠儿，资本都在期待他们“看得见的未来”。

04 第4级——智能体组织级（Agentic Organization Level）

人机协同成为企业主流作业单元的主流形式，组织呈现“少量人类、大量AI；多中心动态网络；以客户为中心无限分形”的特征，企业升级为智能体组织。在组织结构上，三台架构完全成熟，“人类员工+AI智能体”的作业单元被随需调用，以API的形式进行标准化连接，形成丝滑的工作流，得以打穿业务场景，并针对不同垂类市场，形成客户价值的“指数级爆发”。

这个阶段，中后台以API提供服务，派出“人类BP+AI智能体（如采购智能体、绩效管理智能体）”的组合进入前台，前台由核心人类员工连接这些组合形成经营单元，驾驭指向客户的工作流，从形式上看，前台是一个个小型人机协作团队。与此同时，前台的经营单元会进行跟投、认领业绩、对赌分润。参与经营单元的人类员工通过跟投认领获得分润，而派出AI智能体的中后台则通过服务协议，获得标准化收费或利润分享。

这类企业已经形成了纯市场化的激励机制，并全面普及“人机比”“token效”的新一代人效管理模式，对这类人效的计量渗透到每个工作流、作业单元。企业成为一个投资平台，其基于人机比和token效的逻辑，投入资源支持各个职能搭建和运行AI智能体，并将其引向最能产生经济收益的工作流，确保效能最大化，经营收益最大化，利润最大化。不仅如此，企业的治理水平也更加成熟，由于组织模式简化了治理，他们只需要关注基础条款，监控核心指标。他们不是管得更细了，是管得更巧了。

此时，企业进入了指数级增长的良性循环，不再为大企业病而烦恼。换句话说，在这种组织模式里，人和机都会自动增效，他们开始瞄准市场反馈，人类争当奋斗者，而机器则会在人类的驱动下，为了自己的生存而努力。对于机器来说，如果没有业绩，或效能低于阈值，它们就会因为不能获得token的投入而被放弃。

按照我们对人机协同团队的定义，这类团队已经完全达到了标准，AI不仅具备自主意识，而且开始成为各个职能领域的核心支柱，可以说，此时的人机协同团队已经在全面进行“海洋资源开发”。企业和人类员工在这个阶段，对新技术驾轻就熟，在全新的时代里自由行动。当然，目前尚无企业被公认为完全达到第四级，这一级的价值不在于“是否已实现”，而在于它为企业提供了一个清晰的“北极星”。

05 人机协同团队成熟的脉络

将上述四个阶段进行汇总，我们可以清晰地发现人机协同团队的演化过程：

图1-2: 穆胜人机协同团队组织成熟度模型（MHCM），资料来源：穆胜咨询

这一过程中，企业有三个成长脉络：

一是AI技术的应用深度和匹配的治理水平。从把AI当作工具，到当作助手，到形成AI智能体并赋予员工身份，AI发挥的自主性越来越大，越来越履行“员工”的责权。与此同时，治理逻辑也从完全缺位，到全面覆盖，到抓大放小，从“管AI”到“管平台”的走向非常明确。

二是组织变革的深度，包括三台架构、激励机制和赋能机制。这条脉络里，金字塔组织到平台型组织的变迁依旧，与我们描述的平台型组织成熟度模型完全一致。为了让AI发挥威力，企业只有建立最开放、灵活的组织，别无他法。我们也强调，这条脉络才是人机协同团队演化的核心脉络。

三是对于效能的理解深度。最初，企业把AI当工具，投入自然有限，当然不需要关注这个领域的投产比；而后，AI成为员工，投入逐渐增加，人力投入逐渐变成算力投入，关注“人机比”和“token效”成为了主流。只有转化效能视角，关注在AI上的投产比，合理配置投资筹码，才能让AI释放出最大生产力。在这个方面，硅谷的反应是最迅速的，从2025年开始，大量经营稳健的硅谷企业开启了若干以“AI替代”为名的裁员，最直接的原因就是在取悦华尔街（泛指资本市场）。因为，资本并不看好那些大量囤积员工而非GPU的科技企业。

面对这样的进化规律，中国企业又会作何反应呢？穆胜咨询研究院预测，中国大型企业将在2027年前后普遍完成从一级到二级的跨越；2028—2030年间，则可能出现一批进入三级的企业；但在2030年前，进入四级的企业仍属少数，只不过，其示范效应将加速行业整体演进。需要特别指出的是，跨越级别不取决于AI投入的多少，而取决于组织变革的深度——这是本报告在第一部分反复论证的核心命题。

关于人机协同团队相关的成熟度模型，其他企业与研究机构也有相关的表述，如联想和中国人民大学商学院联合提出了五级划分；阿里巴巴、字节跳动、百度、海尔都提出了各自的三级划分；美团提出了四级划分。但是，我们坚持使用上面的分级，并认为这个模型更能指导企业走向正确的实践。

这些分级里，影响最大的应该是联想和中国人民大学¹的分级体系。2026年9月，两家机构联合发布了《AI原生组织转型指南》，并提出了L1到L5的五级成熟度划分：L1（“+AI”局部尝试）→L2（“+AI”广泛应用）→L3（混合AI底座）→L4（“AI+”运营重构）→L5（AI原生成熟）。这个模型指出，“从‘+AI’走入‘AI+’”，对应的是L3到L4之间的“惊险一跃”。

在联想自己的语境里，其智能体确实达到了L3级“有限自主”，能自主规划、拆解任务并反向影响流程。而联想的确也在“AI底座”上做了大量工作：自研“擎天5.0”混合AI底座、Agent OS统一运行体系、将Token成本压至极低水平。从这个角度看，它具备L3的技术基础设施特征，是中国企业里的先锋代表。但深入其治理机制会发现，AI智能体的“自主”仍然被严格框定在“执行”层，“决策权”并未实质让渡。如果按照上述五级分类，应该是技术应用到了L3，组织治理停留在L2。

事实上，这种表象与实质的矛盾，正是我们坚持采用MHCM的原因。市面上大量的分级模型都存在一个鲜明导向²：它们本质上是“技术应用成熟度”模型，而不是“组织变革成熟度”模型。而用技术应用程度做标尺，会把“工具用得好”误认为“组织转型深”。事实上，我们完全理解企业选择这类分级模型的原因——因为组织变革太难量化、太痛苦、太触及利益。或者这样看，说“我们部署了100个智能体”比说“我们把某个决策权交给了AI并承担了相应风险”容易得多。再说白一点，技术标尺让企业可以在不触动权责结构的前提下，宣称自己“正在转型”。

MHCM跳出了技术执着，回归了组织进化的本源，它坚持认为——真正有参考价值的阶段划分，必须把决策权转移、责任追溯机制、组织结构重塑、激励体系重构、效能理念升级等要素作为核心判据，而不仅仅是智能体数量和自主级别。

¹ 该《指南》由中国人民大学世界一流企业研究院与中国人民大学商学院牵头，联合联想集团共同完成。这是一个产学研深度融合的团队，联想提供了其三年转型的实践样本，而人大方面则负责学术框架的提炼与构建。‌该研究团队的学术领衔者，是中国人民大学商学院副院长、世界一流企业研究院执行院长张瑾教授。

² 陈春花与李志勇提出了AI辅助→AI原生组织→AI智能体经济的三级划分，重点关注了组织层面的进化，但其一二级之间颗粒较粗，对于实践的指导还需要进一步明确。