Token 越烧越多，利润却没涨：智能组织这道坎，福建企业怎么迈过去
一、先说结论
2026 百度世界大会上，百度创始人李彦宏抛出个几乎所有用 AI 的企业负责人都会遇到的难题：为什么 Token 花得越来越多，收入和利润却没跟着涨？
答案不是"换个更强的模型"，而是"重新设计企业组织"。核心判断只有一句：岗位是工业时代的单元，任务才是智能时代的单元。如果只是把 AI 当工具接进原有流程——人做原来的事，AI 帮忙写写文档、敲敲代码——生产力不会真正提升，因为生产线没重新设计，只是电机换了。
对福建中小企业来说，这比任何一款新模型的参数表都更有用：指向的改造动作（组织、流程、知识沉淀）不花钱，买模型才花钱。
二、这次到底变了什么
| 变化点 | 具体内容 | 来源口径 |
|---|---|---|
| 行业判断 | AI 价值兑现的瓶颈已从技术栈转向组织能力，智能体须深度嵌入销售、客服、研发等环节 | 大会公开发言 |
| 内部实践 | 每日活跃智能体（DAA）从约 5000 个增至 3.7 万个，增长约 6 倍 | 官方披露 |
| 任务量 | 每周有效工作任务数从 8.4 万个增至超 100 万个，增长超 11 倍 | 官方披露 |
| 知识沉淀 | 已建超 4300 个 Workspace，沉淀超 2 万个公司级组织 Skill | 官方披露 |
| 进化三原则 | 打破岗位边界、沉淀隐性知识、设计流程闭环 | 官方公开发言 |
| 岗位收敛 | 大致收敛为 Builder（创造）与 Seller（沟通与信任）两类 | 官方公开发言 |
| 进化公式 | 可衡量 + Looping = 持续进化 | 官方公开发言 |
百度自己也踩过两个坑，对福建企业更有借鉴价值：一是业务部门各自训练模型，基础模型一升级自建微调成果就落后了，后来收归专门部门统一负责；二是Agent 开发方向过于分散，哪个火各业务口就跟着做一个，资源被摊薄、成功率上不去，后改为按月复盘、主动砍方向。
会上联想集团董事长兼 CEO 杨元庆也提到，AI 转型需要自上而下规划与自下而上探索。反过来也成立：当 Token 账单明显上去了仍没看到回报，恰恰说明该谈投入产出了。
三、福建企业真正能用在哪
1. 销售线索的全流程跟单
把客户跟进从"销售记在脑子里"改成 Agent 可调用的标准流程：线索来源、联系记录、报价状态、下一步动作都落到可查询的地方。销售腾出时间谈客户，Agent 负责资料准备与闭环。
2. 售后与客服的知识资产化
中小企业最大的浪费，是老员工脑子里的经验没沉淀。报价口径、常见故障处理、客诉话术整理成组织级 Skill 后，新人上手周期缩短，老员工离职带走的能力留在企业里——这就是"组织智能是最深的护城河"。
3. 跨部门流程闭环
制造型或贸易型企业的报价单要经销售、财务、仓储多方确认。设计"可衡量 + Looping"流程：每轮输出有明确衡量标准，不合格自动回到上一步重做，而不是靠个人经验判断。
4. 研发与生产少走弯路
不必每个业务口都自己微调模型。由中心小组维护模型与工程规范，业务部门提需求，模型由专人统一保障版本跟进，避免重复投入——这正是百度踩坑后调整的路径。
5. 需求预测与备货
把历史订单、市场信息、库存数据接进 AI 做预测，再由人判断变化牵动全局后的采购与生产调整。预测是 AI 强项，最终决策权留给人。
四、可照做的四步
第一步：先做任务盘点，而不是工具盘点。
列出公司里"每周都在重复发生"的动作，按频次和耗时排序，只挑前 3 个试点。没有明确起点和终点的事，还不是可交给 Agent 的任务。
第二步：给每个试点定一条可衡量指标。
比如"报价单初稿从 40 分钟压到 10 分钟""客诉首次响应从 4 小时缩到 30 分钟"。没有指标的优化会变成玄学，指标就是 Looping 的锚点。
第三步：把每次执行沉淀成可复用的 Skill。
每轮跑完，把人工修正过的步骤、话术、模板固化成组织级技能，下一轮直接调用。跑 10 轮后真正值钱的是这批沉淀物。
第四步：按月复盘，砍掉方向。
哪些任务真在被使用，哪些方向投入了没产出，只保留少数跑通的方向。对资源有限的福建企业，"做更少的事"往往更划算。
五、三个坑
坑一：把"用了多少 Token"当成绩。
Token 消耗只说明用得多，不说明用得值。真正的成本指标是"每完成一项业务任务的综合成本"，以及完成率、返工率。单价降了账单反而涨，常见原因是任务被拆碎、上下文反复重传。
坑二：人人自建智能体，资源被摊薄。
这是百度公开复盘过的坑。允许各业务口自己搭 Agent，短期热闹、长期每个半途而废。至少要在模型训练、工具接入、知识库维护上设立统一归口，别让每个部门各搞一套。
坑三：把 AI 当成"少裁几个人"的工具。
从岗位视角看 AI，得到的必然是"岗位消失"，组织阻力巨大；从任务视角看 AI，得到的才是"一个人干三个人的活，但要重新设计协作方式"。想清楚这一层，企业才敢把流程交出去。
六、什么时候上、什么时候别上
适合上： 业务动作高频重复、有明确输入输出、结果可核对（报价初稿、对账、合同信息抽取、巡检记录整理）；已有数字化基础，系统里能取到真实数据；管理层愿意同步调整流程与分工，而不只是发账号。
暂时别上： 目标模糊、一次性任务、做完即弃，建 Agent 的投入收不回来；关键决策靠老员工未落地的经验支撑且短期无法显性化，先做知识梳理；连基础台账都不准的环节，此时上 AI 只会放大问题。
一句边界：会上明确提到，AI 目前还替代不了企业负责人出差见客户——面对面的沟通与信任仍是人的主场。AI 适合接手"可衡量、可循环、可复核"的那部分，真正需要拍板担责的环节，还留在人手里。
一句话收尾：Token 烧得旺不代表赚得到钱，先把"岗位"改写成"任务"，再把任务做成闭环，AI 的账才算得过来。