Atlassian 与 Dropbox 如何推动有效的 AI 转型

在没有有效战略的情况下采用 AI 技术，估计每年会让《财富》500 强企业损失 1610 亿美元。* 企业正在这一领域进行大量投资，但却很难真正获得回报。

我们知道，这项技术的设计初衷是让企业变得更高效，但我们现在仍然看到相反的情况：大多数企业仍把 AI 仅仅当作一场技术转型来对待。问题也正是卡在这里。

在 Atlassian，我们把 AI 视为一场“人的转型”，而不只是技术转型。我们把创新放在效率之前，把文化放在工具之前，而我们也正在看到这种做法带来的不同。

好消息是，我们已经在自己身上验证了这些理念和策略。我们一直坚持“Customer Zero”策略，也就是先在自己组织内部实践未来的工作方式，再将其构建成面向客户的产品。我们为客户推出的每一个新产品或新的工作系统，都会先在 Atlassian 内部全面采用。

我很荣幸能在 Team ’26 大会上，与 Dropbox 人员运营副总裁 Allison Vendt 一起登台交流。Dropbox 也经历了一段非常精彩的 AI 转型旅程，我们得以对比彼此的经验。事实上，我们有一个共同的核心信念：那些以异步协作和丰富文档文化为基础建立起来的公司，在推动真正有影响力的 AI 采用方面，天然拥有优势。

在让组织适应 AI 时代的过程中，我们从这场转型中获得了一些重要经验。以下是我们讨论中的几个关键收获。

AI 不只是技术转型，更是文化转型

当 Atlassian 制定企业级 AI 战略时，最早出现的问题之一是：公司层面的 AI OKR，也就是我们的成功指标，应该由谁来负责？这个问题暴露了一个缺口：AI 转型不能只属于某一个职能部门。

我们当时面对的，正是许多组织现在仍然没有意识到的问题：AI 不只是一次技术变革。最重要的转型是文化转型。除非团队能够熟练使用 AI，有信心进行实验，并且被给予创新的空间，否则 AI 工具不会产生真正影响。把新技术融入既有工作方式，本质上是一场行为改变：帮助人们管理过渡过程，并在自己的岗位和团队中抓住机会。

这也是为什么我们把 People、IT、Data、Customer Tech Support 和 Atlassian Customer Engineering，也就是 ACE 团队聚到一起。我的角色也扩展为 Chief People and AI Enablement Officer。为什么是 Enablement？在我看来，转型是结果，而 enablement 是实现转型的方法。

Dropbox 在疫情期间适应新的工作方式，并推出 Virtual First 框架时，已经经历过一次以人为先的转型。People 团队主导了端到端的工作方式重设计。Allison 表示，这段经历以及向异步文化的转变，在一定程度上让他们为 AI 转型之旅的成功做好了准备。她解释了为什么领导力对管理这种变化如此关键：

“行为改变始于领导层。人们需要看到新的工作方式由高层率先示范，这也是为什么我们投资于培训和赋能，并与业务中的领导者密切合作。”

组织的上下文正在成为护城河，而它由文档构成

我经常把 AI 转型比作管道工程。只有当管道修好以后，水才能顺畅流动。因此，首先你需要投入更多时间来修好管道。

为了让公司层面的 AI 战略顺利流动起来，你需要深入思考企业内部的知识管理是如何运作的。那些拥有成熟知识管理和组织上下文的公司，更容易取得成功，因为它们已经建立了 AI 真正开展工作所需要的上下文层。现在，真正的护城河不是 AI 模型，而是上下文。

Dropbox 采取了类似的方法。Allison 表示：“异步优先对于大规模推动 AI 转型至关重要。在 Dropbox，我们拥有非常强的文档文化。这让我们能够快速创建和部署定制 AI Agent 与 GPT，用于支持入职培训和绩效评估等工作。如果我们没有既有的异步文化和完善记录的流程，就不可能推进得这么快。”

Allison 还分享说，Atlassian 的产品套件对他们的知识管理和异步优先工作方式采用都很有帮助。他们使用 Jira Cloud 进行规划和执行，并且是 Confluence 的重度用户，因为它非常适合大语言模型读取和利用。但 Allison 表示，Loom 才是最大的游戏规则改变者。

她说：“Loom 是我们的主要异步沟通工具。作为一种高度默认异步的文化，我们大量沟通都是通过文字完成的，尤其是在 Slack 上。Loom 为这些互动注入了人的温度，补充了单靠文字更难传达的上下文和连接感。”

Dropbox 通过自己的研究发现，大多数会议被认为是有效的，但员工仍然反馈，重复性会议、不一致的议程以及全球时区挑战持续带来摩擦。Loom 为 Dropbox 提供了一种有力的实时会议替代方案，同时保留了会议原本的影响力和意图。

不要只衡量 AI 使用率，而要开始衡量高级 AI 使用

从 AI 转型之旅开始以来，我们的衡量方式已经从只看 AI 采用率，发展到衡量“超级用户”。

我们知道，目前 99% 的 Atlassian 员工每天都在使用我们的 AI 产品 Rovo。但随着时间推移，我们发现真正的衡量标准不应该只是采用率，因为采用率并不能告诉你 AI 是否真的改善了我们的工作。

因此，我们演进了自己的衡量框架，将重点放在“超级用户”上，也就是那些真正利用 AI 推动组织正向变化的人，例如改善工作流。我们会在具体职能层面观察这一点，而不是用一条统一标准横跨整个公司。因此，工程团队里的超级用户，与 HR 团队里的超级用户，看起来并不一样。

我们关注的是，一个人是否在自己的岗位相关工作流中，每周至少 40 次使用高级 AI 功能，包括第一方和第三方工具。目前，我们大约 30% 的员工已经达到这一水平。

从采用到影响：我们的 AI 熟练度框架

基于 Atlassian 的实践，我们建议通过以下三件事，帮助团队更精准地使用 AI。

1. 在任务、技能和角色层面理解工作

我们首先会从非常细的任务层面开始。这个任务在 AI 参与下会变成什么样？今天实际发生了什么变化？我们如何用证据支撑这些变化？当你把讨论建立在任务层面，它就会变得实际、具体、可操作。

然后，你再放大到技能层面，开始思考人们需要建立哪些新的能力，才能拥抱创新。

最终，你会进入一个更大的问题：角色本身是否正在发生变化。我们正在和行为科学家团队 Teamwork Lab 一起，在不同岗位族群中开展实验，理解这种变化如何发生。例如，我们正在探索“设计技术专家”这类角色的有效性。

2. 重新设计工作的发生方式

我们是异步优先的组织，因此组织中的知识、决策和上下文已经被文档化、可搜索，并且可以被 AI 访问。这对任何正在推进 AI 旅程的企业来说都至关重要。

我们内部还使用另一种方法来引导各个团队负责任地使用 AI，那就是制定 AI Working Agreements，也就是 AI 工作约定。这类文档包含共享的准则和原则，定义团队应该如何安全地使用 AI，以及哪些地方不应该使用 AI。

我们也经常开展 AI Retros，也就是 AI 复盘。团队会评估在不同项目、工作流和任务中，AI 的使用是否有效，并将经验更广泛地分享出去。

3. 建立实验文化

当你给团队合适的工具，并鼓励一种实验文化时，真正神奇的事情就会发生。

在 Atlassian 内部，我们举办一个名为 ShipIt 的黑客松活动，员工可以使用 AI 工具，构建任何他们想要的东西，用来解决业务中的核心问题。今年，我们有意推动每一位 Atlassian 员工参与，而不仅仅是技术团队。借助 AI，每个人都可以成为构建者，但你必须为此创造环境。这个方法奏效了：我们 People 团队中约三分之一的人构建了东西，而此前这一比例不到 1%。

今年，我们还推出了 AI Innovation Days，也就是专门安排、精心策划的动手实验时间，并与 Dropbox 合作举办了一次。再加上内部 Slack 社群和遍布业务各处的 AI champions，这些举措向员工传递了一个来自高层领导的明确信号：这件事很重要。

Dropbox 团队也有类似经历。Allison 表示，在 AI 转型时代，实验心态至关重要，因为技术变化非常快。她鼓励领导者使用数据来识别组织中的“协作热点”，并为创新创造空间，用来解决真实业务挑战。

她说：“设计一个锚定在问题陈述上的实验，衡量结果，捕捉洞察，并把这些学习转化为行动。组织越是拥抱这种方法，就越能为创新积累动能。”

接下来该怎么做？

每个人都正在被要求改变自己与 AI 协作的方式。以下是一些可以帮助你推进这段旅程的实际步骤：

把 AI 视为人的转型，而不仅仅是技术转型。

不要再只问“我们应该使用哪个 AI 工具？”，而要开始问：“我们的知识管理是否已经为成功做好准备？”

写下一份 AI Working Agreement。明确 AI 应该用于哪里、不应该用于哪里。

定义你所在团队中的“超级用户”是什么样的，以及他们如何把自己的知识分享给其他人。

思考哪怕只是改善一个小型工作流。它可以简单到一张发票需要从这里处理到那里，然后思考这个交接过程应该如何发生。

在 AI 时代取得成功的组织，不会是那些仅仅购买了最佳技术栈的组织，而是那些愿意重新设计工作方式，并让这些方式真正服务于员工的组织。