从工程师到全员、从个体到组织：快手拆解“企业AI生产力”实践路径

来源：环球网

10月16日，在QECon全球软件质量&效能大会上，快手企业AI生产力副总裁王诩发表《快手企业AI生产力：从研发提效到组织跃迁》主题演讲，系统回顾了快手过去两年从研发提效、全员AI到企业级AI生产力组织iWork的实践路径。

王诩在演讲中表示，个体提效并不等于组织提效。随着大模型应用从个人工具走向企业落地，如何把个体效率转化为组织效率，正在成为大型企业AI转型的关键命题。今年9月，快手成立 “企业AI生产力”（iWork）组织，试图将分散在各团队的AI实践沉淀为公司级能力，统筹通用Agent、企业上下文体系和企业信息系统的统一建设。

“我给你一辆法拉利，但如果你开在满是红灯的路上，这也没用。”王诩以此比喻快手得出的判断：如果研发、设计、测试等协作链条没有同步改变，单个环节的效率提升无法转化为整体交付速度。在他看来，研发效能不是单点问题，而是组织协同问题。

从“工程师”到“全民AI”：AI提效的个体探索

过去两年，快手的AI生产力实践首先从研发场景起步。2025年初，快手将各业务线CTO聚在一起形成“CTO效能”机制，以两周一次的频率探讨AI如何赋能研发，并沉淀出“三位一体”策略：先由个体持续实践，再把实践中沉淀的先进能力固化，最后从组织自上而下推动转型。

2025年至2026年一季度，快手整体遵从需求、设计、编码、测试、运维等经典研发链路引入AI工具。王诩介绍，快手观察到工程师使用AI的方式正在从代码片段辅助，逐步走向任务级开发和全链路开发。内部将这一过程分为L1、L2、L3三层：L1是片段级代码修改，工程师把代码片段交给AI修改后再嵌入代码库；L2是任务级交付，例如定义一张数据库表，描述需求后由AI生成完整语句；L3则是把PRD或Spec直接交给AI，以SDD方式引导其完成自主全链路开发。

基于当时基模与Harness能力尚不成熟的考量，快手没有直接追求L3全链路自动开发，而是选择以L2覆盖率作为阶段性指标，目标是在2026年底达到80%。在工具侧，快手通过Coding IDE、需求与CR管理平台KATE、重度编码助手Kwaipilot等产品串联各环节，把AI能力嵌入原有流程。

2026年二季度，门槛更低的通用智能体“小龙虾”热潮让快手看到AI从研发人群走向全员使用的更大机会。快手将内部编程助手CodeFlicker转型封装为通用智能体MyFlicker，插入大量领域知识和Skill，面向全员开放更多场景能力。HR可使用智能体进行招聘和人岗匹配，行政团队则将订餐、班车查询、理发预约等服务接入其中，普通员工也能直接享受AI化服务。

在推广过程中，快手还创新设计了一套Token积分体系，为员工发放积分，员工可在通用智能体上选择不同模型消费，自行安排用度。王诩谈及该体系的设计初衷，主要有两个目标：一是让员工优先选择品质高的产品；二是规避重复建设，AI产品有没有人真正在用、消耗多少Token，一目了然。通过上述努力，MyFlicker在快手内部的周活跃渗透率已达到约七成。

在推进“全民”AI的过程中，快手还举办了“AI蹭饭研判官”“司庆AI贪吃蛇大赛”“PDE集结令”等一系列活动，以此降低AI使用门槛，帮助员工提升AI认知与实践技能，并验证非技术人群构建工具的可能性。其中，AI贪吃蛇大赛前三名中第三名是来自非技术团队；PDE集结令最终收到4000余个作品。王诩认为，AI正在重新划分组织内部的能力边界，过去主要由工程师完成的工具生产，正在向更多业务人员开放。

从“个体”到“团队”：让AI进入协作

“全民AI”热潮后，快手在H1做了一次复盘，好消息是AI使用被快速拉起，认知初始化基本完成，内部也沉淀了大量Skill。但随着AI使用快速普及，新的问题也开始显现。

王诩及其团队发现，“全民AI”之后仍存在三类问题：Skill质量参差不齐，部分成为消耗数千积分的“Token黑洞”，个体提效受限于原有工作流，PRD半天写完但下游协作链未同步变化；个体AI能力差异悬殊，高手经验难以沉淀为团队资产。

针对上述问题，王诩在年中复盘时将问题抽象成一张“个体提效 × 组织提效”坐标图，核心判断是如果组织层面不发生变化，个体提效的天花板依然很低；只有超级个体而缺乏协作，则会形成效率孤岛。真正有价值的路径，是让个体能力和组织能力同步提升。

快手由此将AI生产力的演进路径进一步明确：先完成员工使用冷启动，再把高手经验沉淀为团队基线，随后将团队公共知识、业务资产和协作规则转化为Agent可消费的上下文，最终让Agent成为独立工作单元，进入人与Agent、Agent与Agent的协作链。

2026年三季度，快手将AI提效重心从个体推进到团队。一方面，发力知识库建设，将过往项目、代码和核心工作流沉淀到公共基建平台，使Agent可以直接消费团队上下文。另一方面，把公共知识与Skill封装成可独立工作的Agent，并通过一个负责全局协调的超级Agent，将产品经理、设计师、全栈开发等子Agent注册到pipeline中，实现7×24小时持续迭代的协作网络。同时设置了质量、权限和幻觉等安全闸门，当Agent遇到风险或不确定问题时，会唤醒人工介入。

“自4月以来，团队已累计完成2000余个任务，AI一次任务率超过60%，80%的任务可在两次内完成，即一次AI加一次人工校准。”王诩透露，非技术场景也在同步推进。内容运营团队已基于相关知识库和高频工作流Skill集成到Flicker背后，用于热点拆解、内容分析等任务，并在内容运营线推广使用。AI的价值正在从“个人助手”走向“团队专属生产力工具”。

从“团队”到“组织”：走向企业AI生产力（iWork）

随着各团队AI实践不断涌现，新的挑战也随之出现：优秀经验如何变成公司标准？如果每个团队都基于自己的业务数据和系统出口各自构建AI应用，短期看可以快速解决问题，长期则可能造成重复建设、企业上下文割裂以及安全风险。

面对这些问题，王诩将iWork的成立视为快手AI生产力路径第四阶段的开启。他表示，这条路径快手已经走完了三个阶段，刚刚开启第四阶段的探索。今年9月，快手成立 “企业AI生产力”（iWork）组织，整合企业内部通信平台、在线文档协同、通用Agent以及内部信息系统能力，将分散在各团队的AI实践推进为公司级能力建设。其建设思路包括两个方向：一是打造更强的通用Agent，使其具备更强推理能力，同时安全、受控、可监测，持续提升员工个体效率；二是建立统一的企业语义框架，将文档、数据、代码、流程状态、会议记录等分散信息，组织为Agent可以理解和调用的上下文。

王诩称，过去很多Agent都在各自系统内消费局部数据，容易形成“小烟囱”。因为iWork要解决的是让Agent看见更完整的企业上下文。未来，底层信息系统将逐步开放可调用接口，让AI真正进入业务流程。快手也将以FDE方式向业务赋能，重点探索内容运营、内容理解、安全、直播等更多场景。

在演讲最后王诩总结称，研发效能从不是个体问题，而是组织协同问题。一个系统的效率最终会被最慢的模块限制，只有将AI技术能力、内部业务场景和组织协同机制连接起来，AI才能真正进入业务流程，成为推动组织效率升级的力量。

值得一提的是，为了让行业更直观地了解这套从一线实践到组织级跃迁的完整路径，快手将于10月31日举办以“从研发效能走向企业AI生产力”为主题的技术沙龙，进一步披露iWork的架构拆解与落地案例。（心月）