AI 大模型热潮的第三年，这场直播给出了 4 个值得参考的判断 | 极客时间企业版

当大模型的热潮进入第三年，企业最关心的问题已经从"要不要做 AI"变成了"怎么把 AI 做进组织里"。工具、场景、人才、KPI……每一个问题的背后，都是一次组织能力的重塑。AI 原生组织不是把 AI 当作新工具叠加进现有流程，而是从部门墙、协作链路、考核机制乃至组织形态层面进行系统性重构。

6 月 16 日，由极客时间企业版主办的直播：如何让 AI 从"个人快"到"组织真正快"。来自快手、造物者咨询、前蚂蚁金服的 AI 落地实战专家轮番登台，摊开各自的"内部图纸"。当天下午，直播间里讨论的所有真问题，其实都是同一件事——当个体效率被 AI 拉到 10 倍以上，组织到底卡在哪里？

1 协调税才是 AI 时代最贵的成本

第一位上场的是快手磁力引擎风控技术负责人王东旭老师。他所在的团队是产运研闭环、近百人、跨后端 / 数据 / 算法多职能——这在大厂里并不常见。

他抛出的第一个判断就引人深思："AI 洗牌已经开始，被洗掉的是协调税。"

王东旭老师在快手的场景里拆解了传统产运研的协作：运营做风险感知和规则配置，产品经理做业务翻译和 PRD 撰写，研发按 PRD 编码、测试、上线——三个职能各有清晰的 job model，边界分明。但这种"职能流水线"恰恰是一堵隐形的部门墙：大家只能干自己那一段，跨部门沟通摩擦、信息茧房、彼此等待，吞噬掉了 AI 带来的执行红利。

“AI 时代来了之后，执行不再是瓶颈，跨部门之间的沟通和协调才是。"他援引 Andrej Karpathy 关于软件工程三个阶段的定义：1.0 工业化分工、2.0 Copilot 过渡、3.0 agentic/AI native，点出更深的判断——"技术的发展要比组织的发展快半拍。"每个月都有新范式出现，组织完全跟不上。

那什么样的组织能赢？王东旭老师给出的答案是"从固态变液态"。他用两个非互联网案例做隐喻：洛克希德·马丁的"臭鼬工厂"、亚马逊贝佐斯的"双披萨团队"——小而内聚、五脏俱全、决策链路极短。再叠加我军"师改旅"的逻辑——撤销中间层、让旅级作战单元麻雀虽小五脏俱全。

在快手，他所在团队把这套思路落地成了"AI 合成旅"：产品、运营、研发、算法不再有清晰的部门墙，所有职能围绕"数据"这个中心去构建协作网络。每个角色都在向价值链上游升级——产品经理用 vibe coding 直接做原型设计，运营不再只写规则而要写 prompt 编排 agentic workflow、做 RAG 知识库运营、甚至做小模型 SFT 训练，研发则被推上"前后端一体化 + CLI coding"的全栈超级个体路径。

在收尾时，王东旭老师提到："AI 转型不是一个一蹴而就的过程，里面有很多苦涩的回忆。"他把团队走过的弯路总结为三个字——试、推、升。先小范围设"特区"做局部破局，再平滑推开，最后全面做价值重估和组织升级。他特别提醒：技能可以被 AI 替代，但技能沉淀下来的"资产"才是组织真正的护城河。 团队考核也要从过去的"管理人力 + 时间"，转向两个新维度——token 的 ROI + Skills 的贡献。

最后一句话他留给所有技术 leader："如果不重构组织，我们最终交付的产出依然会带着旧部门墙的烙印。"——逆康威定律。

2 90% 企业陷入的“AI 虚假繁荣"

第二位上场的是造物者咨询合伙人、《学会运营》作者袁野老师。他上来就抛了一个让很多老板扎心的判断——"个人提效不等于组织提效。"

他用一个细节开场：陪跑一个做企业 IP 的客户，员工两分钟用 AI 写一条脚本，扔给主管，主管的时间被大幅占用——因为要看、要审、要负责。"你会发现很多人用 AI 去偷懒。"再比如 TOB 企业的内容生产 SOP——以前一天两三条，现在 AI 一开，一天 200 条，"但有效获客和有效客资没有增长，反而下降了"，因为平台 13 条以上就是滥发内容，会被限流。

更狠的案例来自标书：一家 TOB 企业用 AI 拆解招标文件，AI 把"包括不限于营业执照、合同和发票"理解为"准备这三项就行"，结果一张发票缺失，几百万的项目直接废标。C 端也有反面教材：高考前一家知识付费公司用 AI 生化学冲刺课课纲，出来的全是"深呼吸、别紧张、吃巧克力"这类通用型废话，口碑直接崩盘。

袁野老师把这类现象命名为"AI 虚假繁荣"——工具进了企业，但人效表没动。他的核心观点是："做了和做到，真的是完完全全的两回事。"

那怎么解？袁野老师给的答案是"四化"。

• 第一步是个人工具化，在重复高频环节用 AI 辅助提效。比如用 ChatGPT Plus（25 美元 / 月）把手机随手拍的粗糙产品图一键生成精致详情页，替代 2 万马币 / 天的实拍；用 Runway（28 美元 / 月）配合剪映，将静态图转为带货视频。关键是不追求一个工具解决所有问题，而是组合使用各自擅长的工具。

• 第二步是岗位标准化，必须给 AI 设立“红绿灯”。每个企业都要梳理自己的业务流，明确哪些环节能用 AI、哪些不能用。主交付物、最终审核、个性化决策等核心环节建议禁止或少量使用 AI；而数据爬取、初稿生成、素材混剪等重复劳动可以大力用。同时规定 AI 修改次数上限（如两次），防止越改越乱。

• 第三步是流程自动化，让 AI 成为流水线而非单点工具。我们服务香港雍记酒家时，先花 2 小时用 AI 为“至尊叉烧”训练出一个视频模板，之后所有菜品（如飞天烧鹅）的推广视频，每 15 分钟就能批量生成一条，风格统一且质量稳定。第一个模型跑通后，批量复制成本极低。

• 第四步是组织智能化，把决策者的经验“复制”给 AI。训练超越通用模型的 AI，核心是投喂高质量的内部数据——收集老板 / 专家所有的会议记录、决策思考、课程录音，再结合平台规则（真实、专业、有趣）进行训练。这样 AI 不仅能给参考信息，还能给出符合决策者风格的更优建议。

在整个过程中，判断哪些环节值得投入 AI，要看三个维度：看影响范围是个人还是全公司，看商业价值不仅算当下成本更要算未来潜力，看实施难度要结合自身团队能力。同时，深刻理解销售和内容传播渠道的运行规则，是让 AI 发挥最大效用的前提。平台规则、营销感分级这些"信息差"才是组织真正的护城河。AI 时代企业的竞争力，不是有多少人会使用 AI，而是看整个组织如何制定规则、防止 AI 虚假繁荣、把 AI 融入流程实现整体提效。

3 一份报告三个洞察：2660 份样本里的“工程化人才"

第三位上场的是极客邦双数研究院副院长赵钰莹老师，带来《2026 中国智能体工程化人才与组织发展报告》的首次公开解读。这份报告调研了 2660 份有效样本，覆盖一线 + 新一线约 70%，互联网、金融、制造、能源、通信各行业皆有。

报告里几个关键数字值得每个工程化团队 leader 记下来：

• 工程团队规模在收缩和收敛：部分团队半年内缩减比例高达 40%，但人效显著提升——因为工程化团队承担的工作量也在增加（智能体改造、数据平台搭建）。

• AI 算法和架构类人才占比相对不足，主要靠内生培养——外部招聘困难，头部互联网公司和 AI 创业公司已经"垄断"了这批人。

• 复合型人才 24%：相比于 2024 年不足 15%，两年间行业 know-how 与 AI 技术的复合度正在快速上升，但复合人才培养路径未统一。

• FDE（前沿部署工程师）这个新角色开始在国内被讨论，本质上是行业 know-how + AI 技术的复合体。

赵钰莹老师特别强调，组织架构会越来越扁平化、小型化、AI 专项化。"AI native 的企业就是一个更加动态、更加有流动性的组织模式——决策更简单、更扁平、层级更少，做一件事需要的团队规模更少。"但她提醒大企业不必一刀切——更可行的做法是抽调业务 / 产品 / 研发骨干，成立小团队集中做智能体改造，不影响原有业务。

最后她给出一个工程化人才培养的"六位一体"框架——标准、场景、评估、实战、平台、运营。其中最容易被忽略的是"场景"——课程讲得再热闹，闭环不到业务就只是知识；以及"评估"——六维度就绪度自评，帮企业先看清自己站在哪。

4 “个人快、组织慢"：AI 转型的 3 个真痛点和 3 个真行动

第四位压轴的是前蚂蚁金服 P9、AI 转型专家右军老师。他 2001 年入行，在蚂蚁金服待了十几年，是成都研发中心初创成员，经历了异地内部创业的全过程。，做过营销工具、支付、法务、业财一体——是真正从 0 到 1 跑通过的人。

他用一个反直觉的案例开场：一个小红书高客单获客团队用 Agent 赋能销售后，5 个程序员写代码的速度提升了好几倍（原本两周的需求两天写完），但整个项目反而延期了。原因是：业务方不 buy in、PRD 描述澄清延迟、AI 生成的代码质量需要新增"AI 检测"岗位来验收。

“个人效率飙升和组织进度滞后"——这是右军老师的核心命题。深层原因是康威定律——组织架构决定系统架构。如果不重构组织，AI 红利会被部门墙吞噬殆尽。

他用一句话总结 AI 转型三个痛点：

• 大模型怎么选？ 老板买的一体机可能只解决"局域网对话"，知识库、智能体框架又是另一套。

• 团队如何转型？ 不可能让业务人员都去学 Python，更可行的路径是培养"AI 业务分析专家 +AI 项目经理" 这种新角色。

• 场景如何切入？ 关键词是小切口、快速验证、快跑起来——不要等半年看效果。

他举了两个标杆案例：

• 美国 Block 公司：AI native 转型裁员 40%，股价反而涨了——因为团队更小、更扁平、小团队高自主权、减少层级和行政开销。Meta 紧随其后，减员大几千、7000 人转岗到 4 个新的 AI 组织。这次步子迈得太大，公司舆情上了新闻。

• 四川某综合集团客户：原本是成本中心的支撑团队（IT/ 法务 /HR），在 AI 培训和业务改造后，从成本中心变成了销售利润中心——对外提供咨询和智能体解决方案。

那"今天就能做"的 3 件事是：

• 选一个见效快、成本低的小场景——高频重复、规则明确、容错率高，比如文档生成、智能客服、营销文案；

• 建小功能团队——不是建一个大 AI 部门，而是业务专家 + 产品经理 + 提示词工程师 + 智能体工程师的"AI 特战队"；

• 让业务 leader 背 AI 的 KPI——否则就是"来了几个人帮我干活"，没有严肃对待。

最后他分享了一个四象限判断法（认知 × 意愿）——高认知高意愿动作要大、中台 +SOP+ 评价体系都上；高认知低意愿做小场景闭环；低认知低意愿先培训；低认知高意愿边做边教、搭能力再扩系统。配套方法论是 4D：诊断、评估、方案、决策。

右军老师给管理者的转型建议尤其值得听："今天的管理者要花更多精力识别机会、定义成果、提出问题、做判断——真正的执行没那么难，因为代码 AI 都能写。"

现场没有标准答案。但抛出的真问题远比给出的解法多——协调税怎么解？场景怎么选？小团队怎么建？大企业怎么选 AI 落地种子选手？2660 份样本里的组织转型路径能否复制？

有一件事越来越清晰：个人飞得越快，组织越要重新设计。当组织真正变成 AI native 的那一天——决策更简单、更扁平、层级更少、团队规模更小——"协调税"才有真正的解药。

本次直播回放已上线，扫码即可获取回放链接，还可领取《2026 中国智能体工程化人才与组织发展报告》完整版。

关于极客时间企业版

极客时间企业版是极客邦科技打造的企业级 AI 与数智化人才赋能平台。我们致力于通过“体系化课程 + 智能化平台 + 场景化服务”的一体化交付模式，为企业构建面向 AGI 时代的实战型人才体系。

平台聚焦 AI 实战能力培养，深度融合行业前沿实践，课程覆盖大模型应用、AI Agent 开发、智能体架构、数据治理和分析等核心数智技术领域。我们不仅提供从全员 AI 通识到团队 AI 工程化的全链路学习方案，更通过基于企业真实场景的 AI 训战项目，帮助员工掌握将 AI 工具融入工作流、以 AI 思维解决业务问题的关键能力。

我们始终围绕“从学习到落地”的核心目标，助力企业将 AI 技术转化为实际生产力，最终驱动业务实现创新与智能化转型。