在 AI 原生企业大会上，Founders Space 创始人、硅谷创投教父 Steve Hoffman 带来了两场面向企业家的分享，主题集中在一个非常核心的问题：
企业到底如何真正把 AI 用进业务，并走向 AI 原生？
Hoffman 的分享没有停留在“用了哪些工具”这一层，而是从 AI 在组织里的角色、导入顺序、领导力机制、自动化基础设施和数据边界一路展开。他的判断很明确：AI 原生企业的关键，不是接入了多少模型或 agent，而是企业有没有把 AI 接进真正创造价值的工作流，并持续放大它。
第一步不是买工具，而是改变角色认知
Hoffman 首先提醒企业，AI 不应只被当作一个偶尔打开的工具，而应该成为经营和工作系统里的长期伙伴。
很多企业对 AI 的使用仍停留在浅层：查资料、问问题、生成内容，或者做一些局部辅助。但真正的 AI 原生企业，会让 AI 进入更深的业务场景，例如商业机会判断、战略讨论、客户角色模拟、文案和产品批判、数据分析以及市场研究。
换句话说，AI 不是一个独立工具箱，而是被拉进经营、决策和反馈系统里。它的价值不仅是省几分钟，而是扩大团队的思考半径、加快试错速度，并降低高质量研究与判断的成本。
AI 项目失败，常常不是因为 AI 不行
Hoffman 提到，很多 AI 项目失败，并不是因为 AI 本身不够强，而是企业部署顺序错了。
一个常见错误，是一开始就让 AI 直接面向客户，进入销售前台、客服前台或零容错环节。但 Hoffman 的建议恰恰相反：企业刚开始导入 AI，应该先从 back office 开始，也就是从客户看不到、内部员工可以监督和校正的后台流程开始。
这样做的目的，不是降低野心，而是提高成功率。企业需要先找到可靠场景，训练输出标准，校正错误率，观察工作流的真实变化，再逐步把 AI 推向更高风险、更高杠杆的位置。
第二个常见错误，是太早把人撤出流程。Hoffman 强调，AI 会犯错，也会幻觉，更重要的是，它并不知道对一家企业来说什么才是“好结果”。因此，在 AI 真正理解业务之前，人必须保留在流程中，负责监督、纠偏、定义输出标准和提供反馈。
第三个错误，是一次性上太多 agent。市场上每天都有新工具、新平台和新框架，企业很容易被带着跑。但 Hoffman 的建议是，先选 1 到 2 个真正适合业务的 agent，把它跑顺，把结果做稳，再逐步扩展。
AI 领导力不是口号，而是一套管理动作
Hoffman 对 AI 领导力的定义非常具体。它不是一句“公司要拥抱 AI”，而是领导层必须持续做出的管理动作。
首先，领导者要把“为什么”讲清楚。员工未必天然支持 AI，他们可能担心岗位被替代，也可能觉得 AI 难用或经常出错。领导层需要用真实案例说明 AI 为什么重要，它如何改变工作，又如何让人变得更有效。
其次，AI 不能只停留在倡议层面。如果 AI 不进入目标、绩效、激励和评价体系，员工很难真正采用。组织里多数人最终会优先做对自己最重要、最被评价的事情，所以 AI 采用率从来不只是文化问题，也是制度问题。
第三，领导者自己必须先用。Hoffman 特别提醒，如果领导者自己不用 AI，却要求团队全面采用，组织内部很难建立真正的信任。员工会从领导者的行为判断这件事是否重要，公司是否会长期投入。
最后，企业需要找出内部的 AI champion。每家公司里通常都有一批愿意尝试新技术、愿意折腾新工作流的人。把这些人找出来，给他们试验时间、认可和传播机制，比单纯组织一次培训更容易带来真实变化。
AI 原生企业的五个支柱
在另一场分享中，Hoffman 将 AI 原生企业拆成了五个支柱。
第一个支柱是 Agents。企业要使用 agent，不是为了追赶概念，而是为了让销售、获客、内容、支持等环节逐步具备可自动化、可协同、可扩展的能力。关键不是“有没有 agent”，而是 agent 放在哪里，如何协同，完成任务后由谁承接。
第二个支柱是 Automation infrastructure。如果没有自动化基础设施，agent 就只是一个个分散工具。企业真正需要建设的是工具连接、触发机制、数据流和工作流基础设施。只有这些底层连接搭起来，AI 才能接管业务的一部分。
第三个支柱是 AI-generated revenue。Hoffman 不只是在谈 AI 帮企业省钱，而是在谈 AI 能否直接生成收入。产品是否可以由 AI 生产或交付，服务是否可以由 AI 运营，收入是否能逐步脱离纯人力工时，这是传统企业和 AI 原生企业之间的关键差异。
第四个支柱是 Feedback loops and monitoring。AI 并不知道企业想要的好结果是什么，因此企业必须持续建立校正、反馈、监控和微调机制。反馈回路越完整，AI 在组织里的价值越大。
第五个支柱是 Distribution and compounding assets。Hoffman 提醒企业，不要只盯着一时提效，还要思考什么内容、数据、系统和流程会随着使用不断沉淀，成为可以复利增长的资产。
人和收入都会被重新定义
Hoffman 还特别强调，AI 原生企业会重写企业里“人”和“收入”的关系。
过去，企业收入扩张通常意味着多招人、多交付、多加班、多开线，收入增长和人力增长高度绑定。但在 AI 原生业务里，收入有机会不再与人力工时线性绑定。一个更小的团队，也可能因为 AI 工作流和自动化系统，承接更大的业务规模。
这也意味着人的角色会发生变化。Hoffman 用一句话概括：
你是系统的架构师，而不是任务的操作者。
未来更有价值的人，不一定是亲手完成所有任务的人，而是能够设定目标、设计系统、编排 agent、校正输出的人。
大胆上 AI，也要守住数据边界
在问答环节，Hoffman 也谈到企业非常关心的数据安全问题。他的态度并不是因为有风险就不做，而是企业必须更成熟地做。
面对敏感客户数据，企业至少需要考虑几种路径：使用更安全的私有或专属系统，明确客户可共享的数据范围，对敏感信息做抽象化处理后再向模型提问，并在关键流程中保留人为审核。
这也是 AI 原生企业成熟度的一部分：既要敢于让 AI 进入业务，也要清楚哪些地方可以放开，哪些地方必须设边界，哪些地方必须由人来监督。
企业最该带走什么
如果把 Hoffman 的分享压缩成几条给企业家的提醒，可以概括为：
- 把 AI 从工具升级为经营伙伴；
- 先从后台 workflow 跑起，不要急着面向客户；
- 人不要太早退出流程；
- 把 AI 纳入绩效、激励与领导者示范；
- 用 agent、自动化基础设施、反馈回路和复利资产去重做企业。
Hoffman 这场分享真正重要的地方，不在于推荐了哪些平台，而在于把一个关键判断讲清楚了：
AI 原生企业不是“用了很多 AI”的企业，而是把 AI 接进核心工作流，并让这些工作流持续创造价值、沉淀资产、放大组织能力的企业。
未来，MindsLeap x Founders Space 将持续举办面向企业家的前沿 AI 大会、AI 实战落地工作坊与 AI Hackathon，帮助企业家把 AI 认知转化为业务中的真实行动。
来源说明
本文根据 Founders Space 创始人空间公众号 2026 年 5 月 25 日发布的《Steve Hoffman ｜硅谷创投教父分享回顾》整理。
关于 MindsLeap 心智悦动
MindsLeap 心智悦动是硅谷知名孵化器 Founders Space 的中国区合作机构，长期致力于连接硅谷前沿创新资源与中国企业家的真实转型需求。我们聚焦 AI 战略、企业家社群、创新研学与高管培训，帮助企业在 AI 时代建立更强的认知、方法与行动能力。