大模型不是护城河，上下文才是：Atlassian 的 AI 转型实战复盘

Atlassian
7月23日
讀畢需時 4 分鐘

如今，85% 的知识工作者都在日常工作中使用 AI，但只有 6% 的高管能够看到清晰的企业级投资回报率。这一矛盾折射出许多企业面临的普遍困境：盲目追求 AI 工具的采用，最终换来的往往只是泛滥的“活动量”，而非真正的业务影响力。

作为将 AI 深度融入自身运营的“0号客户”，Atlassian 在过去几年中围绕 14,500 名员工的实际工作方式进行了全方位的重塑。近期，Atlassian 发布了全新白皮书——《以上下文引领：Atlassian AI 转型之旅的经验与教训》，深度复盘了我们在转型过程中踩过的坑、测试过的工作框架，以及如何通过“上下文”打破僵局。

核心洞察：大模型不是护城河，你的“上下文”才是

很多人认为，企业引入 AI 的关键在于选择哪家大模型。但 Atlassian 的研究表明：没有上下文的 AI，只会给出千篇一律的泛泛之答。

真正的竞争优势，来源于将 AI 与企业独一无二的知识资产、历史决策、项目工作流以及团队默契深度连接。Atlassian 采取了模型不可知（Model-agnostic）的策略，不绑定单一模型提供商，而是通过底层的 Teamwork Graph（团队协作图谱） 将跨工具、跨部门的数据织为一体。

打造 AI 优先的组织，需要协同推进三大核心支柱：

上下文（Context）： 确保机构知识被数字化结构化，让 AI 代理（Agent）能够理解项目的来龙去脉与业务背景。研究显示，看到更高 AI ROI 的团队，其数据与知识基础优化程度是其他团队的 7.3 倍。
文化（Culture）： 消除“使用 AI 就是偷懒”的污名化，鼓励心理安全与持续试验。
工作流（Workflows）： 拒绝生搬硬套，围绕真实痛点重新构想工作流程，利用 AI 加速成功。

驱动 AI 转型的五个关键问题

1. 如何驱动问责制？

技术与人文一把抓： 许多企业只投资工具、不投资人才（高管在技术上的投资意愿比团队技能开发高出 84%）。Atlassian 将首席人力资源官的职责扩展为首席人力与 AI 赋能官（Chief People & AI Enablement Officer），将 IT、数据科学与人力变革部门进行有机整合。
制定公司级 OKR： 将 AI 转型作为 CTO、CISO 和 CPO 的共同目标，并下沉至各业务部门，让业务领导者亲自推动成效。

2. 如何真正释放 AI 的 ROI？

打破数据孤岛： 通过 Teamwork Graph 接入 100 多款主流 SaaS 应用，让 Rovo、Claude、Gemini 等各类 AI 工具实时获取最准确的关联背景。
建立前瞻性规范： 鼓励“默认公开”的协作文化，通过给文档打上清晰的状态标签（如“草稿”或“已验证”），避免 AI 被低质信息误导；同时，将每一个项目与中央目标库（Goals app）中的业务目标紧密挂钩。

3. 如何让 AI 融入企业文化？

拒绝行政命令（Mandates）： 强推登录无法改变工作方式。Atlassian 通过高管直播演示、设立内部博客分享、以及定期举办“AI Builders Week”和黑客松（Shiplt），激发全员的主动探索欲。研究发现，当领导者在会议中现场演示 AI 时，其团队将 AI 融入日常工作的概率会提高 4 倍。
消除 AI 污名： 通过公开庆祝 AI 带来的业务突破，将员工从“使用 AI 是偷懒”的顾虑中解放出来，转而将 AI 视为团队和客户的强力协作伙伴。

4. 团队与角色将如何演进？

遵循“任务→技能→角色”的演进框架： 谈论岗位重组容易引发焦虑，因此 Atlassian 主张从日常“任务”切入，先厘清哪些是 AI 可以代劳的大规模常规工作、哪些需要人类的意图与品味，进而识别出新兴技能（如提示词设计、评估能力、叙事判断），最后再水到渠成地调整岗位结构。
精简团队结构： AI 赋能下的前沿团队正变得更扁平、更敏捷，5-6 人被证实是开展绿地项目（Greenfield projects）的最佳团队规模。

5. 我们该如何衡量成功？

超越简单的活跃度指标： 衡量 AI 价值不能只看周活跃用户数（WAU）或简单的 Token 消耗量（后者往往会奖励无效的工具膨胀）。
寻找职能型“超级用户（Superusers）”： 关注各职能部门中排名前 10% 的高频、深度 AI 用户，正是这小部分人正在重新定义未来的工作方式。同时，通过工程团队的 DX AI 测量框架，从利用度、影响力和成本三个维度综合评估生产力的实际提升。