前几天,我看到一篇文章。作者参加了 WorkBuddy 产品负责人的一场分享,回来后把现场的 PPT、问答和会后交流整理了出来。分享的题目是《从 0—1 打造 AI Native 产品背后的组织思考》。如果对这个产品不熟悉,可以先把 WorkBuddy 理解为腾讯云推出的一种 AI 工作台。我们过去使用的大多数 AI 产品,更像一个聊天顾问。人提出问题,AI 给出答案、建议或者一段生成内容。至于结果怎样进入实际工作,通常还需要人自己完成。WorkBuddy 想往前多走一步。它不只回答问题,也尝试调用工具、操作文件、处理更长的任务,并交付可以继续使用的结果。面向企业和团队的 WorkBuddy 企业版,又在个人工作台的基础上增加了知识、权限和协作能力。它试图连接腾讯文档、腾讯乐享以及会议产生的上下文,让内容生产、知识沉淀与能力复用发生在同一个工作空间里。但真正让我停下来的,并不是这些产品功能。是这场分享逐渐把问题从产品推向了组织。当 AI 大幅降低执行、试错和知识调用的成本以后,企业原来的分工与协作方式还成立吗?这个问题刚好碰到了我最近一直在想的一件事。过去一段时间,我们听到了很多关于“超级个体”的故事。一个人带着 AI,可以写代码、做设计、研究市场、制作销售材料,甚至独立搭起一个小产品。原来需要一个小团队完成的事情,现在可能由一个人指挥多个 Agent 完成。这些变化都是真的。但在企业里,我也看到另一种情况。某个岗位的产出变快了,整个流程却没有同步变快。销售方案生成得更快,但承诺与交付之间出现了更多返工。代码写得更快,测试、维护和架构一致性的压力却转移到了后面。客服回复速度提高了,一些原本由有经验的人识别的投诉升级信号,反而更容易被忽略。看起来是效率提升。实际只是把摩擦从一个环节移到了另一个环节。这让我意识到,AI 带来的变化可能不只是消除瓶颈。更多时候,它是在移动瓶颈。当执行变快以后,新的瓶颈可能出现在验证、协作、判断、信任和责任上。也正是在这里,WorkBuddy 负责人的分享提供了一个很有意思的观察框架。他把 AI 进入组织以后遇到的问题,分成了三个逐渐扩大的层次。第一个层次,是一个人怎样带着多个 Agent 工作。第二个层次,是多个被 AI 放大的个体怎样形成团队。第三个层次,是多个团队之间怎样交换能力、价值和资源。在分享中,这三个层次分别被称为 L1、L2 和 L3。这里不妨先把它们理解为三层协作协议:L1 是个人与 Agent 之间的协作。L2 是多个个体和 Agent 之间的团队协作。L3 是不同团队之间的能力流动和组织治理。它们不是 WorkBuddy 的三个产品版本,也不是可以一次性采购的三个功能模块。更像是 AI 逐渐进入真实工作以后,组织依次需要回答的三类问题。所谓 AI Native 组织,也不只是给现有组织增加一些 AI 工具。它意味着,当 AI 开始成为工作的实际参与者,我们需要重新设计任务怎样发生、信息怎样流动、结果由谁验证、经验如何沉淀,以及责任最终由谁承担。
一个人先快起来01 WorkBuddy 团队内部最早出现的“超级个体”,据文章转述,并不是来自一场自上而下的 AI 转型动员。团队里先有资深工程师做出了可用的 AI coding 客户端。后来,一个几个人组成的小团队在两个月左右发布了接近 80 个版本。数字本身不是最重要的。重要的是,这个工具并不只会生成一段代码。它开始接触真实的代码仓库、测试、扫描、命令、规则和 CI/CD,也开始保留任务上下文和执行状态。AI 进入了完整的工作流。工程师的工作位置随之发生变化。他不再亲自完成所有中间步骤,而是把更多注意力放在定义目标、拆解任务、审核结果和承担质量责任上。Agent 负责规划、执行、调用工具和自检。任务结束后,过程中形成的规则和经验,还可以被沉淀为 Skill 或 Memory,供下一次任务继续使用。Skill 可以简单理解为一套能够被 AI 重复调用的工作方法。Memory 则不只是一份知识文档。它还可能包含某项任务的历史、偏好、判断依据和执行状态,让下一次工作不必完全从头开始。分享中把这一层称为 L1,也就是个人与 Agent 之间的协作协议。它包含一个很重要的闭环:先规划,再执行,最后验证。分享中用 PEV 来概括,也就是 Plan、Execute、Verify。先把目标和完成标准想清楚。再让 Agent 承担中间执行。最后由测试、规则或者人的判断确认结果。如果验证没有通过,就修改计划或者重新执行,而不是把一个未经检查的结果直接交出去。这听起来像一个技术闭环,背后其实是一套责任安排。AI 可以承担越来越多的劳动,却没有自动获得定义目标的权力。它可以生成结果,也不能替人决定这个结果是否应该被接受。人仍然需要回答:什么值得做,怎样算完成,出了问题在哪里停止,以及这次任务留下了哪些可以复用的经验。所以,分享中对“超级个体”的理解,并不是一个人用了很多 AI 工具。更接近的表达是:一个人带着一组 Agent,在清晰的目标、工具和验证机制下,完成过去需要多人协作才能完成的工作。这也解释了为什么“一人公司”开始变得可能。过去一个人创业,常常不是某项能力不够强,而是整个商业链条太长。一个人可能懂产品,但不会设计;懂客户,但不会写代码;会做内容,却不懂财务测算。一个商业闭环里有很多环节。只要其中几个环节不及格,整件事就很难跑起来。AI 的价值,是把一部分原来不及格的环节补到了及格线。它没有让每个人都成为全才。但它让一个人的能力曲线不再那么容易断裂。
快起来以后02 事情到了这里,看起来很顺利。一个人可以完成更多任务,小团队可以做过去大团队才能做的项目,公司也可以用更少的资源获得更高的产出。但这只是第一层。WorkBuddy 分享里有一个很好的问题:如果一家公司已经有了十个超级个体,它就自然成为超级团队了吗?直觉上,我们容易回答“是”。每个人都变快了,团队当然也应该变快。但再想一步,就会发现事情可能恰好相反。以前,一个人一天形成一个方案,团队还有时间开会、讨论和修正。现在,几个人分别带着 Agent,一下午就可以形成十几个版本。每个版本都有自己的上下文、判断依据和实现路径。产出增加了,需要被理解和比较的内容也增加了。如果团队仍然依靠会议同步、手工汇总和层层拍板,个人节省下来的时间,很…