前幾天在X上刷到Freda Duan的一條長(zhǎng)推，她調(diào)研了大大小小公司的AI落地情況后發(fā)現(xiàn)：每家都在往現(xiàn)有流程里塞AI工具，但幾乎沒有人在問，這個(gè)流程本身為什么長(zhǎng)成這個(gè)樣子。

一個(gè)典型場(chǎng)景：公司買了Copilot，給全員開了license，CTO在all-hands上說"我們要擁抱AI"。三個(gè)月后復(fù)盤——代碼生成快了很多，文檔寫得順了一點(diǎn)，會(huì)議紀(jì)要自動(dòng)化了，但ROI并沒有真的被證明。為什么？因?yàn)榻裉斓慕M織架構(gòu)決定了AI只能做一些微小的賦能，真正的ROI需要重構(gòu)組織。

層級(jí)的真實(shí)功能

組織架構(gòu)的教科書定義是權(quán)力結(jié)構(gòu)——誰(shuí)向誰(shuí)匯報(bào)、誰(shuí)有審批權(quán)。但這只是表象。層級(jí)制度真正解決的問題是信息路由。

一家超過一定規(guī)模的公司，不可能讓每個(gè)人看到全貌。所以你安裝了一層層管理者，做兩件事：從一線聚合信號(hào)、提煉判斷、向上傳遞；把高層的戰(zhàn)略意圖翻譯成執(zhí)行動(dòng)作向下分發(fā)。周會(huì)、日站會(huì)、QBR、steering committee、跨部門對(duì)齊會(huì)——全是信息路由裝置。

但這里有一個(gè)很少被討論的結(jié)構(gòu)性悖論：部門和層級(jí)的存在是為了解決個(gè)體技能和產(chǎn)能的有限性——你一個(gè)人干不完，所以需要分工。但分工和層級(jí)本身又制造了新的瓶頸。信息每穿過一層管理就衰減一次，文化每跨過一個(gè)部門邊界就稀釋一次。組織越大，衰減越嚴(yán)重，于是你需要更多的會(huì)議、更多的流程、更多的中間層來補(bǔ)償衰減。更多中間層又制造更多衰減。這不是管理能力的問題，這是架構(gòu)層面的死循環(huán)。

過去幾十年，所有的管理創(chuàng)新——敏捷、OKR、扁平化、矩陣式——本質(zhì)上都是在這個(gè)死循環(huán)里做局部?jī)?yōu)化。沒有一個(gè)真正打破了它。

AI打破的是循環(huán)本身。當(dāng)信息路由的成本趨近于零，那些為了補(bǔ)償信息衰減而存在的組織結(jié)構(gòu)就失去了存在的前提。

真正的瓶頸是翻譯成本

看一個(gè)中等規(guī)模產(chǎn)品功能的交付流程：PM花兩三周寫PRD。設(shè)計(jì)師拿到PRD，理解PM的意圖，翻譯成視覺稿。工程師拿到視覺稿，理解設(shè)計(jì)意圖，翻譯成代碼，給出"八周"的排期。然后需求變了，PRD重寫。開發(fā)兩三個(gè)月。QA拿到代碼，理解預(yù)期行為，翻譯成測(cè)試用例。GTM準(zhǔn)備上市材料，培訓(xùn)銷售。端到端三到六個(gè)月。

表面上的瓶頸是速度。但真正的瓶頸是翻譯成本。PM腦中的想法被編碼成文檔，設(shè)計(jì)師解碼后重新編碼為視覺語(yǔ)言，工程師再解碼重新編碼為代碼，QA再解碼重新編碼為測(cè)試邏輯。每一次翻譯損失保真度，每一次翻譯需要對(duì)齊會(huì)議，每一次翻譯產(chǎn)生等待時(shí)間。不是因?yàn)槿寺?，而是因?yàn)樽屢粋€(gè)人的理解變成另一個(gè)人可消費(fèi)的格式，這件事本身就極其困難。

AI正在坍縮這些翻譯層。PM用AI一天走到可交互原型，PM與工程之間的翻譯層壓縮到接近零。AI在寫代碼時(shí)同步生成測(cè)試，開發(fā)與QA之間的交接消失。一個(gè)智能層實(shí)時(shí)綜合客戶信號(hào)和業(yè)務(wù)指標(biāo)，過去每周手動(dòng)聚合這些信息的中層管理者就得重新定義自己的價(jià)值來源。這不是每個(gè)角色各自變快了。是角色之間的縫隙——翻譯層、交接隊(duì)列、對(duì)齊會(huì)議——在蒸發(fā)。

真正的變化發(fā)生在workflow層面：不是讓每個(gè)環(huán)節(jié)各自提速，而是端到端地重構(gòu)整條鏈路。兩者的區(qū)別不是程度差異，是范式差異。

最近聊的一個(gè)startup founder跟我描述了一個(gè)特別有意思的連鎖反應(yīng)。他的開發(fā)團(tuán)隊(duì)用AI把三個(gè)月的開發(fā)流程壓到兩周。第一反應(yīng)是興奮。第二反應(yīng)是發(fā)現(xiàn)QA原本兩周的審核周期突然變成了跟開發(fā)一樣長(zhǎng)的瓶頸——于是QA被消滅，測(cè)試嵌入開發(fā)。接下來PM和設(shè)計(jì)之前來回一個(gè)月的定稿流程暴露為新瓶頸——PM團(tuán)隊(duì)只留最全能的人。然后GTM三到六個(gè)月的準(zhǔn)備周期在兩三周的產(chǎn)品周期面前顯得荒謬——GTM大部分AI化；和開發(fā)并行。整個(gè)組織小了80%，端到端交付從接近一年壓到一兩個(gè)月。

這個(gè)故事的重點(diǎn)不是"AI讓人更快"。重點(diǎn)是翻譯層消失之后暴露出的連鎖瓶頸效應(yīng)：每砍掉一個(gè)翻譯層，下一個(gè)最慢的環(huán)節(jié)就暴露為新瓶頸。這個(gè)過程不會(huì)停，直到整條串行鏈路被壓扁為并行的、極小團(tuán)隊(duì)的端到端流程。如果你只在一個(gè)環(huán)節(jié)部署AI，你看到的收益會(huì)很小，因?yàn)槠款i只是轉(zhuǎn)移到了下一個(gè)翻譯層。你必須端到端地重構(gòu)，否則就是在最窄的管道前面加了一個(gè)高壓水泵。

大部分公司卡在哪

如果拿一個(gè)三階段模型來看——

第一階段：老事老方式，換了個(gè)工具。這是絕大多數(shù)公司現(xiàn)在的位置。對(duì)應(yīng)組織里AI的角色：AI在底層，是工具，幫員工干活，組織結(jié)構(gòu)紋絲不動(dòng)。

第二階段：老事新方式，流程重構(gòu)了。上面那個(gè)founder的故事就是第二階段。產(chǎn)品還是同一個(gè)產(chǎn)品，串行變并行，大團(tuán)隊(duì)變小隊(duì)，翻譯層被消滅。AI的角色移到了中間層——開始承擔(dān)信息路由、綜合判斷、跨職能協(xié)調(diào)，過去這些是中層管理者的活。組織開始變平。

第三階段：做以前做不了的事。Jack Dorsey講過一個(gè)例子——一家餐廳的現(xiàn)金流在季節(jié)性低谷前開始收緊，系統(tǒng)檢測(cè)到模式，自動(dòng)打包一筆短期貸款并調(diào)整還款計(jì)劃，推送給商戶——在他們自己都沒想到要找融資之前。沒有PM決定做這個(gè)功能。系統(tǒng)識(shí)別了時(shí)刻，組合了已有的能力模塊，涌現(xiàn)出了一個(gè)新產(chǎn)品。AI在中心，不再輔助人類決策，而是參與需求識(shí)別、方案組合、資源調(diào)配。組織圍繞AI重新排列。

大部分公司卡在第一到第二階段之間，原因不是技術(shù)——技術(shù)已經(jīng)ready了。原因是組織慣性。重構(gòu)workflow意味著動(dòng)人的位置：中層管理者會(huì)失去信息路由的壟斷權(quán)，職能部門會(huì)失去存在的獨(dú)立理由，審批鏈會(huì)被大幅縮短。每一步都在動(dòng)既有的權(quán)力結(jié)構(gòu)。這就是為什么最成功的AI轉(zhuǎn)型只能發(fā)生在Founder-led公司里——這就是再創(chuàng)業(yè)一次。

新組織的骨架

把組織拆到底層，只剩三個(gè)要素：信息、決策、動(dòng)作。傳統(tǒng)組織用層級(jí)處理信息，用審批鏈處理決策，用部門分工執(zhí)行動(dòng)作。AI同時(shí)改寫了這三者的成本結(jié)構(gòu)，所以組織骨架必須重搭。

從接力賽到籃球賽。串行交付——PM→設(shè)計(jì)→工程→QA→GTM——讓位于三到五人小隊(duì)，技能全覆蓋，同步推進(jìn)。絕大多數(shù)決策在小隊(duì)內(nèi)完成，只有方向性賭注上升。

背后的邏輯是：AI讓個(gè)體的能力覆蓋面急劇擴(kuò)大。一個(gè)足夠好的PM+AI可以做過去PM+設(shè)計(jì)師+初級(jí)工程師的工作。個(gè)體變成了長(zhǎng)程選手——覆蓋的鏈路更長(zhǎng)。當(dāng)個(gè)體是長(zhǎng)程的，組織就可以是短程的——更少的環(huán)節(jié)，更少的交接，更快的端到端。類比軍事：從navy到navy seal。不是人更多的大部隊(duì)，是每個(gè)人都能力極強(qiáng)的精銳小隊(duì)。

從部門到能力原子。不按職能組團(tuán)隊(duì)，拆成獨(dú)立的、可組合的能力單元——風(fēng)控評(píng)分、身份驗(yàn)證、催收、儲(chǔ)蓄——每個(gè)自包含，每個(gè)有清晰的API和數(shù)據(jù)接口，可自由組合。

當(dāng)能力原子化完成，系統(tǒng)就可以自己生成Roadmap?；氐紻orsey的例子——系統(tǒng)組合了貸款、還款調(diào)整、推送通知等已有的能力模塊，自動(dòng)涌現(xiàn)出產(chǎn)品。PM的角色從翻譯者變成架構(gòu)師——定義能力原子的邊界和質(zhì)量標(biāo)準(zhǔn)，而不是在人與人之間搬運(yùn)信息。

質(zhì)量從關(guān)卡變成護(hù)欄。QA不再是開發(fā)之后的獨(dú)立審核環(huán)節(jié)，而是嵌入式約束，貫穿整個(gè)過程。

發(fā)布從大版本變成持續(xù)流。不再有"Q3上線v2.0"。每天發(fā)小改進(jìn)。用安靜的持續(xù)交付替代大版本發(fā)布的躍進(jìn)式節(jié)奏。

AI作為超級(jí)員工：被忽視的二階效應(yīng)

上面講的還是流程層面的變化。更深的沖擊在于：當(dāng)AI開始承擔(dān)實(shí)質(zhì)性的產(chǎn)出——不只是輔助，而是做出東西——組織的軟件也得重寫，不只是硬件。

生產(chǎn)關(guān)系變了。傳統(tǒng)團(tuán)隊(duì)是人與人的協(xié)作。當(dāng)AI成為一個(gè)核心產(chǎn)出節(jié)點(diǎn)，管理者面對(duì)的是human-AI混合團(tuán)隊(duì)。誰(shuí)為AI的輸出質(zhì)量負(fù)責(zé)？當(dāng)AI寫了90%的代碼（Anthropic的現(xiàn)狀），code review的對(duì)象是誰(shuí)？

資源分配的單位變了。傳統(tǒng)resource planning是headcount-driven——這個(gè)項(xiàng)目需要幾個(gè)人、幾個(gè)月。當(dāng)兩個(gè)人+AI的產(chǎn)出等于過去二十個(gè)人，headcount就不再是衡量投入的正確單位。Zuckerberg的原話："過去需要大團(tuán)隊(duì)才能完成的項(xiàng)目，現(xiàn)在一個(gè)足夠優(yōu)秀的人就能做。"

OKR可能反而更重要了。這是一個(gè)反直覺的判斷。AI讓每個(gè)人能做的事多了十倍，但"能做"和"應(yīng)該做"之間的gap也大了十倍。過去一個(gè)人一個(gè)季度能推三件事，方向偏了損失有限?，F(xiàn)在一個(gè)人+AI一個(gè)季度能推三十件事，方向偏了損失也是十倍。確保所有人做的是對(duì)的事，在AI時(shí)代不是變得不重要了，而是成了最關(guān)鍵的瓶頸。OKR作為方向?qū)R機(jī)制而非績(jī)效考核工具，價(jià)值前所未有。

文化沖擊是最隱蔽的。當(dāng)個(gè)體產(chǎn)出可以是過去的五到十倍，傳統(tǒng)的晉升階梯、title體系、薪酬帶寬都會(huì)顯得不合適。一個(gè)用AI做了十倍產(chǎn)出的IC，和一個(gè)管二十人但團(tuán)隊(duì)產(chǎn)出相當(dāng)?shù)膍anager，誰(shuí)的價(jià)值更大？傳統(tǒng)組織沒有框架處理這個(gè)問題。

大廠：從沒這么大/多變化；但還沒AI原生

一個(gè)投資的"秘密/技巧"，一直以來都是選股這些正在經(jīng)歷組織重構(gòu)的公司——大型reorg之后通常會(huì)有增速和margin的正向驚喜。市場(chǎng)傾向于高估重組的混亂、低估重組釋放的效率。今天市場(chǎng)上重組的公司從來沒有這么多過；發(fā)生的變化也從來沒有這么大過。投資的角度可以說是"遍地可能candidates"，但目前還沒見到讓人眼前一亮的真正AI原生架構(gòu)。

Meta推50:1的工程師-管理者比例，一年之內(nèi)重組了無數(shù)次：把AI從聯(lián)邦化架構(gòu)整合進(jìn)MSL。成立Meta Compute集中算力規(guī)劃。組織重心徹底遷移。

Nadella說22萬(wàn)員工是"AI競(jìng)賽中的巨大劣勢(shì)"。18個(gè)月三次AI相關(guān)重組?？持袑雍吐毮埽y(tǒng)一Copilot架構(gòu)，合并內(nèi)部模型開發(fā)。微軟的employee cost大約550-650億美元一年，當(dāng)AI讓每個(gè)人的產(chǎn)出提升哪怕50%。最近一次是2026年3月統(tǒng)一Copilot架構(gòu)，合并內(nèi)部"超級(jí)智能"模型開發(fā)，提拔年輕的高管負(fù)責(zé)Copilot，動(dòng)作不可謂不大。

Shopify去年一年八位高管紛紛（被）離職，總法律顧問升COO。產(chǎn)品圍繞商戶數(shù)據(jù)和AI結(jié)賬重構(gòu)。從地理維度切到垂直行業(yè)維度——這本身就是一個(gè)信號(hào)：當(dāng)AI讓你能更深地理解每個(gè)垂直行業(yè)的獨(dú)特需求時(shí)，按地理劃分就不再是最優(yōu)的信息路由方式。

Apple不止有Cook的退休，更是大舉砍掉了AIML整個(gè)大org，把Siri移到Federighi的軟件工程組織下。AI領(lǐng)導(dǎo)層向iOS/macOS交付團(tuán)隊(duì)匯報(bào)。設(shè)計(jì)重新錨定到硬件工程。Apple的信號(hào)最明確：AI是交付工具，不是探索性研究。是巨大的reorg。

共同模式：系統(tǒng)性壓縮信息路由層。但坦率講，這些還是大廠在痛苦地從第一階段向第二階段挪。真正的AI-native組織可能還不存在。

組織的邊界在模糊

到目前為止的討論都在"公司內(nèi)部怎么重組"的框架里。但AI的沖擊不止于此——AI不止影響內(nèi)部，還影響組織和外部的溝通。

當(dāng)AI agent可以自動(dòng)發(fā)現(xiàn)服務(wù)、比較選項(xiàng)、完成交易、處理支付——"公司"和"用戶"之間的翻譯成本也在坍縮。過去你需要銷售、客服、marketing來跟用戶做翻譯——解釋價(jià)值、處理疑問、完成轉(zhuǎn)化。Agent時(shí)代，這些環(huán)節(jié)大部分被自動(dòng)化。

這意味著組織設(shè)計(jì)的邊界延伸了。不只是內(nèi)部結(jié)構(gòu)的問題，還有：你的服務(wù)能不能被agent發(fā)現(xiàn)和調(diào)用？你在agent的discovery層排第幾？這些問題會(huì)變得跟"你在Google搜索排第幾"一樣重要——甚至更重要，因?yàn)閍gent不只展示選項(xiàng)，它直接替用戶完成交易，conversion rate是搜索廣告的數(shù)倍。

護(hù)城河的遷移

過去十年，競(jìng)爭(zhēng)優(yōu)勢(shì)的核心敘事是執(zhí)行速度——誰(shuí)能更快把更好的產(chǎn)品交付到用戶手中。

現(xiàn)在護(hù)城河從執(zhí)行速度遷移到學(xué)習(xí)速度——組織能多快吸收AI帶來的新可能性，圍繞它重構(gòu)自己。

絕大多數(shù)公司在做的事是用AI讓現(xiàn)有結(jié)構(gòu)跑快一點(diǎn)。有價(jià)值，但沒觸及根本。真正拉開差距的問題是：如果今天從零開始，知道AI能做什么，你會(huì)怎么建這家公司？答案不會(huì)是"現(xiàn)有組織 + AI工具"。

答案是一個(gè)我們還沒見過的形狀——個(gè)體是長(zhǎng)程的，組織是短程的，能力是原子化的，信息路由是自動(dòng)的，產(chǎn)品是涌現(xiàn)的。到達(dá)那里的路徑不是一次性的重組，而是持續(xù)地問同一個(gè)問題：這個(gè)環(huán)節(jié)還需要人做翻譯嗎？如果不需要了，我們?yōu)槭裁催€保留著它？

結(jié)尾

也歡迎大家留言討論，分享你的觀點(diǎn)！

覺得內(nèi)容不錯(cuò)的朋友能夠幫忙右下角點(diǎn)個(gè)贊，分享一下。您的每次分享，都是在激勵(lì)我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。

- END -

兩個(gè)“特別坑”的AI產(chǎn)品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時(shí)代唯一的護(hù)城河

a16z重磅預(yù)測(cè)：Vibe coding贏者通吃？錯(cuò)了，垂直專業(yè)化才是未來