在企业中，AI 用户正明显分化为两类：一类是积极拥抱高级工具的“重度用户”，另一类是仅使用基础聊天机器人的普通用户。大型企业普遍依赖功能受限且表现不佳的微软 M365 Copilot，其封闭的 IT 环境和缺乏内部 API 进一步阻碍了 AI 的有效应用。相比之下，没有历史包袱的小公司正利用 AI 实现生产力飞跃。未来的工作趋势将是由熟悉业务的小团队自下而上地构建 AI 辅助流程，这标志着知识工作方式的根本性变革。
AI 用户分化：重度用户与普通用户
目前存在两种截然不同的 AI 用户，这种差异也体现在他们所在的企业中。
重度用户： 他们全面拥抱新的 AI 技术，例如使用 Claude Code 来处理复杂的非编程任务。出人意料的是，许多重度用户并非技术人员，例如财务人员正通过 Python 和 AI 代理，极大地拓展了传统 Excel 的能力边界。
普通用户： 这个群体数量庞大，他们的使用场景通常仅限于与 ChatGPT 等基础模型进行对话。
M365 Copilot 的局限性
微软的 M365 Copilot 在企业市场占有率极高，但其表现却令人失望，感觉像是 ChatGPT 的一个劣质仿制品。讽刺的是，微软自己也在内部团队中推广使用竞品 Claude Code，这足以说明其自身产品的不足。
对许多企业而言，这正在成为一个生存风险。高层决策者在使用这些糟糕的工具后，很可能会对 AI 的潜力产生误判，从而错失良机。
在大型企业中，Copilot 往往是唯一被允许使用的 AI 工具。这导致员工被迫忍受其各种问题：
- 运行速度缓慢。
- 代码执行功能常常在处理稍大的文件时失败。
- 功能相比专门的 AI 代理工具（如 GitHub Copilot CLI）显得非常可笑。
大型企业为何面临风险
大型企业的 IT 政策形成了一种灾难性的组合，从根本上限制了员工使用更前沿的 AI 工具。
- 严格锁定的 IT 环境： 员工通常无法在本地运行任何脚本，连最基础的脚本解释器都没有。
- 缺乏内部 API： 企业使用的多是传统软件，核心工作流程没有对内的 API 接口，导致 AI 代理无用武之地。
- 孤立的工程部门： 技术团队往往与业务脱节（甚至完全外包），导致企业内部没有人能够搭建安全、可控的 AI 基础设施。
小公司的效率飞跃
没有上述历史包袱的小公司，正在借助 AI 实现惊人的发展。当一个非技术的管理者学会使用 Claude Code，他几乎可以瞬间将一个包含 30 个工作表的复杂 Excel 财务模型转换为 Python 代码。
一旦模型进入 Python 环境，就相当于拥有了一个随身的数据科学团队。
- 可以轻松运行蒙特卡洛模拟。
- 可以接入外部数据源。
- 可以构建网页仪表盘来分析业务。
这种变化使得小公司的员工能够比大企业的同行高效得多。过去，小公司羡慕大企业的资源；而现在，情况正在反转。
未来工作的趋势
未来的工作模式正在变得清晰，它并非来自顶层设计，而是源于员工的自发创新。
- 自下而上的变革： 真正的生产力提升，来自最了解业务流程的小团队自发构建的 AI 辅助工作流。这与过去大多数“数字化转型”项目完全相反。
- API 是关键： 拥有内部系统 API 的公司将获得巨大优势，因为 AI 代理可以连接这些 API 来执行任务。
- 安全可控的环境： 未来的方向是为员工提供安全的托管环境（如虚拟机），让他们可以在受控的网络中运行 AI 代理进行数据分析和报告。
- 敏捷性胜过规模： 将编程语言、API 访问和 AI 代理结合起来，能为非技术用户带来惊人的成果，足以替代大多数传统的办公软件。
历史上可能从未有过这样一个时期，一个小团队能够如此轻易地在竞争中胜过一个规模是其千百倍的公司。