企业里的新创造，常常起于一个很具体的发现。技术人员看见旧方案还能处理另一类问题，销售发现客户真正担心的事情与现有介绍不同，经营者意识到一种经验可以发展成新的服务。这些认识具有专业价值，但从想到、说出，到真正影响企业运行，还有一段需要组织的工作。
企业智能需要支持这段过程。人提出新的解释与方向，AI帮助研究、比较和细致执行，真实反馈继续回到人的判断；得到确认的方法进入日常工作，新的问题又带来下一轮创造。已有积累为创新提供基础，组织也要给新的认识留下改变原做法的空间。
新认识先需要被理解，而后才能展开
专业人员提出想法时，常会省略自己已经熟悉的背景。一个技术判断可能来自许多项目，一个新服务构想可能来自数次客户沟通。其他人听到的只有结论，还不足以理解为什么值得做、适用于谁，以及它相对原做法改变了什么。
AI可以帮助将这些隐含背景展开。追问观察来自哪里、原来怎样处理、哪些条件发生变化，将经验与相关资料联系起来，使创造形成可以讨论的认识。专业人员继续纠正解释，确认哪些是事实、哪些是推断、哪些仍需要研究。
这个过程保留创造者的专业判断。AI能够提供比较和补充视角，但一个方案值得怎样发展，涉及企业的意愿、资源与责任。关键取舍由相关人员作出，研究帮助其看得更充分。
微软关于Frontier Firm的官方讨论，描述了人确定方向、Agent参与持续工作并在需要时向人寻求指导的组织安排。[1] 这里借鉴的是人机分工关系，企业自己的创新任务仍需依照实际背景设计。
把想法转成值得研究的问题
新认识通常包含尚未证实的关系。例如，“客户需要这种服务”可能来自少数沟通，“现有经验可以复用”可能尚未核对新场景。把这些关系明确写成待研究的问题，团队才知道要补什么依据。
研究需要同时看内部与外部。内部核对已有能力、项目和资源，外部理解客户任务、替代方案与进入条件。比较的目的，是帮助人辨认哪里具有真实价值、哪里还缺条件，以及是否值得继续投入。
研究结论也应当保留不同解释。客户没有采用某项方案，可能因为价值不足，也可能因为实施时点、资源或服务安排不适合。相关人员需要沿实际事实继续判断，避免把一种现象过早固定成通用规律。
得到更多认识后，方向可以更清楚：当前准备服务什么对象，希望解决什么问题，采用什么方法，还需要形成哪些能力。它向下一步交出的，是有条件、有理由的选择，使执行有明确来由。
任务要保留创造中的关键含义
新方向一旦转成任务，很容易只剩动作。专业人员希望改善客户理解，任务却变成增加文章数量；经营者希望探索一种服务，执行却只做出宣传介绍。动作已经发生，创造最初要改变的关系仍未实现。
任务需要继承目标与理由。研究回答哪些问题，方案核对哪些条件，试行观察什么，成果将交给谁使用。AI据此准备材料、组织比较、形成文件和接续工作，相关岗位也能够判断自己的产物是否支持原来的选择。
依赖关系决定推进方式。可以独立查证的信息分别研究，需要同一技术结论的方案采用共同依据；当专业人员修改关键条件时，受到影响的任务同步调整。并行工作围绕真实依赖组织，成果才有条件组合。
例如马良Harness关于人机组织的公开论述，把专业创造、个人AI团队与跨团队成果接续联系起来。[3] 它提供了一种实践参照：人的新想法能够进入明确工作环境，由不同团队分别准备和推进，再把新问题交回对应人员。
验证让创造得到现实中的回答
一个新方法是否有用，需要在与其目标相符的工作中核对。准备改善方案理解，就应当观察使用者能否理解条件并继续判断；准备减少交接遗漏，就应当看接收方能否沿成果推进；准备提供新服务，则需核对真实承担与客户使用。
验证前要清楚哪些观察可以支持什么结论。文件形成说明准备完成，实际使用反映可用性，客户后续行动还受多种条件影响。把这些结果分别解释，有助于看清创造当前取得的进展与仍需研究的地方。
Anthropic关于长期应用开发的实验，讨论了生成与评价如何配合，以及评价要求怎样帮助后续改进。[2] 这一工程参照启发企业把“准备成果”和“观察成果是否满足用途”联系起来，具体判断仍由所涉业务决定。
现实也可能改变原想法。某种方法在一类条件下适用，在另一类条件下需要调整；现场的新发现可能引出更好的方案。验证的价值，是让创造获得具体回答，并为人的下一轮认识提供依据。
得到确认的认识怎样成为共同方法
当一种做法已经形成相应依据，就可以把适用条件、工作方式与观察重点归入企业的方法积累。后来的人和AI团队可以在相关任务里采用，不必每次重新走过全部探索。
方法需要保留来由。它解决什么问题，依赖什么事实，在哪些条件下得到验证，现实出现什么变化时需要重新判断。这样的积累既方便使用，也帮助后来者理解何时需要提出新的做法。
新的专业认识还可能要求能力建设。企业决定发展一种服务，可能需要培训、工具、伙伴或新的协作分工。AI可以支持研究与任务组织，实际资源和承担方式由相关人员形成。能力建设取得的成果再进入知识、方法和后续使用。
同一平台中的自然沉淀，使创造与正常工作保持联系。最初的讨论、研究依据、重要决定、实际产物和反馈可以共同留下，下一次任务取用适用内容。今天的创造由此有条件成为明天可使用的基础。
假设情境：一种现场经验怎样发展为服务
假设一家设备企业的技术负责人发现，一些客户的问题可以通过调整现有设备协同方式处理。过去企业主要销售单机，他提出研究一种评估与改造服务。AI团队先整理已有项目，帮助解释这项认识来自什么工况，又有哪些条件尚未明确。
市场与技术分别研究客户任务和实施需要，服务同事补充人员与维护安排。研究显示，部分客户可能适合这种方式，但现场资料不足时不能直接比较方案。负责人据此决定先完善评估方法，再围绕合适对象开展实际工作。
任务随后包括形成资料要求、评估说明、方案比较与交接材料。使用过程中，业务人员发现客户很难提供某项数据，技术人员据此调整取得依据的方式。得到确认的新做法进入方法积累，仍未确定的情况继续保留给专业判断。
这个假设过程展示了从经验到任务再到能力建设的连续关系。它并不预设新服务必然获得市场成功；真正值得保留的，是企业能够沿现实推进创造，并用结果继续改进的能力。
创造与积累需要相互支持
评价新的创造是否进入企业运行，可以看它有没有改变真实任务和采用依据，相关团队是否能够接续，实际使用是否带回可解释的反馈，以及新认识是否进入后续工作。一次讨论得到认同，是过程中的重要输入，持续使用还需要更多工作。
已有经验使企业能够更快理解新问题，也可能让人习惯于原来的解释。保留来源与适用条件，让新事实可以修订旧认识；保留专业差异，让不同岗位可以提出新的可能。积累因而能够支持创新，同时保持开放。
AI的作用，是把人的专业创造带入更广、更细、更持续的研究与执行，又把现场变化送回判断。企业通过这种往返不断形成新的方法、服务与合作选择，人的本领也在共同工作中继续发展。
参考资料
- Microsoft．The CEO’s guide to building a Frontier Firm．2025年5月14日。
- Anthropic．Harness design for long-running application development．2026年3月24日。
- 马良点睛．人机组织与Agent协作：让专业创造与持续执行相互支持。