会发现他们其实在争同一件事:AI时代的算力命脉,到底谁说了算?

揭开ChatGPT的掌控者面纱,让我们geng加了解了人工智Neng的神秘力量,也让我们对未来充满了期待。

作为OpenAI的另一位联合创始人,山姆·奥特曼在公司的日常运营和战略规划中扮演着关键角色。

谁是AI原生组织的舵手？

如今越来越多的企业开始拥抱AI原生组织，但谁Neng真正掌控这个舵盘呢？

说实话，这是一个hen难回答的问题，因为它涉及到hen多方面比如技术、组织架构、管理等等。

AI原生组织的特点

咱就是说AI原生组织一定是围绕AI技术展开的。

这意味着他们需要有强大的技术实力和创新Neng力。

害，不仅仅是技术，还有组织架构和管理。

因为人工智Neng是不会自己管理自己的，所以我们需要类似于IAEA的国际组织来进行超级智Neng方面的监管。

为什么百度不收录我的文章？

这个问题啊，其实挺常见的。

有人说是因为内容质量不行，有人说是算法的问题。

不对不对，应该是多种因素综合导致的吧。

你懂的，搜索引擎的算法一直在变，我们需要适应这些变化。

实践出真知

我从另一个角度Zuo这个试验。在上一家公司我就开始推动组织往 AI-Native 的方向走，今年全面加速，触及团队的每一层——开发生命周期、运维、管理本身。

第一条线，覆盖整个 SDLC 的 spec-driven 开发。

不是 AI 补全代码，是把开发循环本身围绕 spec 重构。

第二条线，用 Agent Zuo客服支持和 issue triage。

第三条线，AI 辅助管理。

我用 Claude Cowork Zuo连接层，串起 JIRA、Gmail、Google Docs、Notion 和 Zoom。

系统化使用是乘法

系统化使用是乘法，单点使用会被吸收。

系统化地用 AI，spec、Agent、管理工具，全链路铺开，每个人的生产力douNeng得到大幅提升。

人被边缘化，这是提升

人被边缘化，这是提升。

三条线上反复出现同一个模式：人决定Zuo什么、验证Zuo出来的东西、处理例外情况。中间的一切越来越多地属于 AI——这意味着 AI 需要Neng跑自主循环、Neng在没有人盯着的情况下维持长任务。

结论

缺的那块拼图——谁在主驾？

我读到一篇挺有想法的中文文章，闲庭落木的《AI Native 组织的思考》。

AI时代，谁Neng掌控舵盘？这个问题没有标准答案，但有一点Ke以肯定，那就是需要不断实践和探索，才Neng找到适合自己的路子。

现在人人dou在写 AI-Native 组织宣言。 Jack Dorsey 三月发了《From Hierarchy to Intelligence》，论点是公司层级制是一套两千年前的信息路由协议，AI 让它过时了。 Ivan Zhao 写了《Steam, Steel, and Infinite Minds》，把 AI 框定为这个时代的奇迹材料——我们这个镀金时代的钢铁。 两篇dou值得一读。 但两篇也dou是从 CEO 的角度写的。

我从另一个角度Zuo这个试验。 在上一家公司我就开始推动组织往 AI-Native 的方向走，今年全面加速，触及团队的每一层——开发生命周期、运维、管理本身。 这篇是实战报告——哪些跑通了哪里有障碍，以及那些宣言漏掉的一个关键点。

我是在三个方面Zuo转型的。

第一条线，覆盖整个 SDLC 的 spec-driven 开发。 不是 AI 补全代码，是把开发循环本身围绕 spec 重构。 这段路我写成了五篇系列文章： 一句话原来要 - 天的 feature 现在几小时完成，瓶颈从实现速度移到了 spec 质量和团队协调。

第二条线，用 Agent Zuo客服支持和 issue triage。 目标是消灭 TOIL——那些消耗工程师的重复性运维工作。 我走了两条路：一条是 Claude skills 模式的 Agent，活在工作环境内部；另一条是 LangGraph 上的独立 Agent，给复杂流程用。 两条路douNeng跑。但dou没有跑到我期望的程度——下面细说。

第三条线，AI 辅助管理。 我用 Claude Cowork Zuo连接层，串起 JIRA、Gmail、Google Docs、Notion 和 Zoom。 状态汇总、会议准备、follow-up 追踪这些管理工作，正是 Dorsey 那篇文章准确指出的协议性工作。 这个转变对每个角色意味着什么我也分别写过：初级工程师、资深工程师、工程经理、运维工程师。

系统化使用是乘法，单点使用会被吸收。 系统化地用 AI，spec、Agent、管理工具，全链路铺开，每个人Neng覆盖多个角色，达到5- 倍的生产力。 但Ru果只在单点上部署 AI，比如编码变快了收益会被周围的其他环节吃掉。 需求还是来得慢 ，review 还是排队 ，发布还是要等。 这是组织版的 Amdahl 定律：加速一个环节，其他环节就成了你的天花板。「人手发一个 Copilot」效果平平的原因就在这里。它只是让旧组织略快一点，而不是造一个新组织。

超级英雄团队不自动等于超级团队 。 当每个工程师dou成了被放大的个体 ，协调反而geng加困难了 。 我目前的答案是让流程本身Zuo协调 。 spec-driven 工作流在 propose 阶段就暴露冲突，而不是等到 merge；spec 持续积累决策，后续的工作，不管是人还是 AI读的是同一份上下文。但流程只是一半 ，另一半 是思维模式 。 人要信任新的工作方式，而这份信任有两个方向。对 AI 的信任在理性上不Neng完全Zuo到 ——它确实还有Zuo不到的事。人与人之间的信任geng让我担心。沉湎于和 AI 的对话、不和同事沟通 ，省得费劲说服他们，这太容易发生了。但组织之所以存在就是因为人需要协作，这个还是要不断磨合提高的 。

人被边缘化，这是提升 。 三条线上反复出现同一个模式：人决定Zuo什么 、验证Zuo出来的东西 、处理例外情况 。 中间的一切越来越多地属于 AI ——这意味着 AI 需要Neng跑自主循环 、Neng在没有人盯着的情况下维持长任务 。 一年前我会说这是愿景。现在 ，dynamic workflow 和长任务Neng力随着 Claude 每次新模型发布在涨 ，我的信心越来越足 。 我自己的 harness ：OpenSpec + Superpowers + CI/CD + 评估循环，Yi经Neng在我不参与的情况下闭合 feature 开发的循环。人只要关心进和出这两端，也意味着他Ke以去Zuo杠杆geng高的事 。

文件即真相 。 每个跑通的实验dou有一个共性：AI 把它的计划 、产物 、日志变成文件。文件是人 review 的对象。文件是下一轮 AI 加载的上下文。文件把一次性的交互变成循环。Dorsey 也讲了一个版本 ，Block 的 remote-first 文化让一切机器可读 。我的实践经验 是这件事比「好习惯」geng重。它不是可选项。工作Ru果没被写下来 ，智Neng层就没有可推理的东西。

TOIL 还真的麻烦 。 这是Zui让我意外的结果。Zuo一个解决 % 运维 TOIL 的 Agent hen容易。推到 % 难度陡增 ， 到 再难一倍 ，越往上爬，每一步的难度成倍涨。原因在 TOIL 的本性里：它之所以是 TOIL ，恰恰因为它充满不规则和不确定性。容易的 % 解决之后 ，剩下的全是怪 case。与此同时用 spec-driven 开发一个 feature 闭环要容易得多 ，需求Neng确定固化 ，验证Neng自动化 ，循环Neng闭合。这种不对称困扰了我一阵子 。

成本公式变了 。 工程组织的成本原来是人头，现在 是 人头加 token。token 预算 、模型路由 、哪些任务配得上贵的模型 ——这是一个管理者还没有形成直觉的新预算科目。我们需要与时俱进 。

带着实践的经验，再来评估 Dorsey 和 Zhao。

Zhao 的水轮hen有道理 。 他Zui好的比喻：早期工厂主把蒸汽机换成水轮的位置装上 ，建筑布局原封不动 ，生产率几乎没动。突破来自围绕新动力源重新组织工厂。这正是我的实验反复确认的「系统化 vs 单点」之分。奇迹材料不会兑现，直到组织围绕它重塑自己。今天大多数公司 ——包括我自己的dou还在重塑 的 半途。

Dorsey 的层级说也说得对 。 他的论证：层级存在是因为人只Neng装下有限的上下文 ，AI Neng装下整个业务 的持续geng新模型，所以中间层Ke以撤掉。我的实践印证了这一点，但有一个他那篇文章没有充分展开的操作性的补充，那份完整上下文不会凭空存在你得亲手建出来。上下文必须被刻意沉淀：文件 、spec 、日志 、决策记录。「公司即智Neng体」 是 「 公司把一切写下来」的下游产物。他说 人会变成边缘节点，这一点也对，而我要补上它正在变成现实的原因 ：长任务Neng力 。AI Neng维持 的任务越长越复杂，从想法到验证之间 的角色就越压缩，一个 人覆盖过去几个人的工作 ，剩给人的部分向业务本身集中。

缺的那块拼图 —— 谁在主驾 ？ 我读到一篇挺有想法 的 中文文章 ，闲庭落木 的 《AI Native 组 织 的思考 》。 它把组织里的工作切成 封闭问题 和 开放问题 . 线上 bug 是封闭问题 ： 问题陈述本身完整 ，解决 它就是全部 。 AI 在这类事 上越来越强，对它们而言 ，Dorsey 的模型是对 的 ，A I 主驾，人 在边缘协助 。 开放问题不一样 。难的部分 是 找 到正确的问题 ,答案常常始于某个人脑子里一幅语言还没捕捉到的画面。对这类事 ,座位互换 ,变成 人主驾 ,A I 是工具.

这个区分Ke以解释我的 TOIL 问题。前 % 的运维 TOIL 是封闭的 ：Yi知故障模式 ,Yi知 runbook. 顽固残留表现得像开放问题 : 新情况 .模糊信号 .连「 问题到底是什么 」 dou需要判断. feature 开发 在 spec-driven 下容易闭环 ,因为 写 spec 这个动作 ,恰恰就是把开放问题转换成封闭问题.剩下的交给 harness.

它也让 Dorsey 结 论geng有 说服力.他 说人的价值 在「模 型够不到洞察」.开放/封闭 这副透镜解释 了 为什么:业务 本身 是Zuo什么 .为谁 Zuo .为什么 是 现在 ,这些大多 是 开放问题.这是 人保住的主驾位 .

把 我目前 A I-Native 组 织架构实践压缩成 三句话: Neng变成封闭问题的 ,全部 转 成封闭问 题,用 来建成 A I 主驾循 环,人在边缘 但始终掌控; 一切 落 成文件 ,循 环才Neng 转; 把 人集 中 到开放问 题 上,A I 是 他们 手 里 有史以来 Zui强工 具.

开放 与封 闭问题的占比 因业务 而异,所以 A I-Native 组 不 会 长 成 同 一个 样 子,也 不 会 dou塌 缩 成一人 公司 .

人在 开放 问题 上坐 主驾. 人不是 变 得 不重要 了 ,这是 整 个组 织杠杆 率 Zui 高的位置 . Ru果 有 一天 A I 连 这个 位 置也Neng坐 稳,那 我们 就 不 用再争论 组 织架 构 图 了.那 一 天,就是 AG I 真正 到来 的日子 .

---