别再把 AI 当工具了,试试当它领导

微软去年搞了个大调研，31 个国家、3.1 万人，提了一个词叫前沿企业（Frontier Firm）。我一开始以为是说技术最牛的公司。看完发现不是——它说的是那些想明白了一件事的团队：AI 不是工具箱里多了把锤子，是办公室里多了一类”人”。

报告里有两个数放在一起特别扎眼：82% 的老板说要在一年半内引入”数字劳动力”扩团队，但只有 46% 的员工真拿 AI 当”思想伙伴”用。老板想得挺好，下面的人还停在”问一句答一句”的阶段。

这篇就聊聊，怎么把团队从”问 AI”带到”管 AI”。

一、大多数团队卡在了”工具思维”

THE TOOL TRAP

你的团队用 AI 了吗？废话，肯定用了。GitHub 的数据说，新注册的开发者里近 80% 第一周就装上了 Copilot。JetBrains 那边统计更夸张，90% 的开发者至少用了一个 AI 工具。

但你仔细看看大家怎么用的——写一半代码等它补全，拿 GPT 润色一下周报的措辞，让 AI 帮忙总结个会议纪要。说白了，就是个高级自动补全。

跑车买回来了，当自行车在骑。

问题出在哪？你给 AI 的定位就是”执行指令”——我说你做，做完拉倒。这种关系下，AI 能产出什么？只能是指令级别的东西。你不会指望一个从没参加过任何会议的临时工去理解你的业务战略，AI 也一样。你不给它上下文、不给它持续的交互、不让它深入参与，它就只能做表面功夫。

二、第一次跃迁：从工具到同事

FROM TOOL TO TEAMMATE

我们内部讨论过一个比方，后来变成了团队共识：别再想着自己是主角、AI 是配角了。你得把自己当导演，让 AI 去演。

导演不亲自上台，但片子是导演的。导演干嘛？选角、给方向、看完觉得不行喊 cut 重来。管 AI 其实也是这么回事——你不用亲手写每一行代码每一页 PPT，但你得知道要什么、什么算好、什么得打回去。

具体怎么操作？我们自己蹚过来的经验，归纳起来就三个词：信任、授权、培养。管人的那套，搬过来就能用。

图源：Pexels

▎信任：敢让 AI 出第一版

产品这边，我们试过一个做法：需求来了先让 AI 出方案，人不动手，只审。

一开始真的难受。有同事直接跟我说”AI 出的东西不靠谱，我审完还得重写，跟自己写有什么区别”。我也犹豫过。但硬着头皮坚持了大概两周，发现了一个有意思的变化：大家开始嫌弃的不是 AI 了，是自己以前写方案的效率。因为 AI 出的初稿，框架和信息密度其实不差，人要做的主要是砍冗余、补细节、纠方向。这个分工一旦跑通，速度快了不少，质量也没降。

研发也是类似的路子。Anthropic 今年那份《智能体编码趋势报告》有个数很实在：开发者 60% 的日常工作已经在跟 AI 协作了，但能真正”丢给 AI 不管”的活只有 0-20%。

说人话就是：AI 是个能干活的，但你还得盯着它。跟你带过的实习生差不多——不看着不行，看着了还挺能干。

▎授权：从做功能到做平台

这步是我觉得最多技术团队卡住的地方。

老流程大家都熟：接需求、写代码、提测、上线。AI 来了以后呢？很多团队的做法就是把”写代码”那一环换成”让 AI 写代码”。其他没变。这就跟换了支更好的笔但还是抄作业一样——提升有限。

我们后来想明白了一件事：研发的活应该从”做功能”变成”做平台”。不是替 AI 写代码，是给 AI 搭好舞台——把基础设施铺好、接口规范定好、CI/CD 流水线接好，剩下的让 AI 在上面跑。

这个方向已经有人走得很前面了。Google 超过 30% 的新代码是 AI 生成的，Anthropic 内部有技术负责人说自己 100% 的代码都交给 AI 了，YC 2025 冬季那一批创业公司里有四分之一，95% 以上的代码全是 AI 产出。

写代码这事，越来越不是人该花时间的活了。怎么让 AI 写得好、写得稳、写完能直接用——这才是人该琢磨的。

▎培养：知识沉淀是核心资产

同事要培养，AI 同事也得培养。不过这里说的培养不是”训练模型”——那是 OpenAI 们干的事——是做知识管理。

我们踩过一个坑。团队里每个人都有自己的经验和诀窍，但全装在各自脑袋里。AI 不知道我们的业务规则，不知道某个接口有个坑去年踩过一次，更不知道产品经理上周刚改了一版需求。你让 AI 干活，它只能给你一个”通用正确但具体来说不太对”的东西。

所以我们搞了一套”团队 Skills”——把领域知识、踩坑记录、最佳实践结构化地喂给 AI，让它带着我们团队的上下文去工作。效果嘛，简单说就是用的人越多、喂的料越多，AI 越懂我们在说什么。

有个附带好处是我没预料到的：做这件事的过程中，团队知识孤岛的问题反而被解决了一大半。以前喊了很多次”把经验写下来”，没人动。现在大家知道写下来 AI 就能用上，动力完全不一样了。

三、第二次跃迁：从同事到组织

FROM TEAMMATE TO ORGANIZATION

到了”同事”这一步，其实已经比大多数团队走得远了。不过还有人玩得更大：直接把 AI 当一个组织来管。

前段时间 36 氪写了篇月之暗面（就是做 Kimi 的那家）的深度报道，里面有个细节我印象很深。他们一个产品经理 Leo，早上要整理 5 个国家的用户反馈，他不是自己翻 Excel，是拉了三个 Agent 干活——一个筛需求优先级，一个处理多语言情绪分析，一个盯竞品最新动态。Leo 干嘛呢？纠偏、标记、拍板。一个半小时，PRD 出来了，连技术原型的基础框架都让代码 Agent 搭了七成。

300 多人的公司，估值 1200 亿，人均扛 4 亿。你说靠什么？靠的就是一个人能调度一支 AI 队伍。

这个模式说穿了也没多神秘——

到这个阶段，你脑子里想的问题跟以前完全不一样了。不是”这个 AI 工具怎么用”，是”我这几个 Agent 怎么分工、怎么配合、谁兜底、出问题了人什么时候插手”。

Anthropic 在报告里也在说这个事：行业正在从”一个 AI 助手”走向”多个 Agent 组队干活”。一个调度器把任务拆了丢给不同的子 Agent 并行跑。你想想这像什么——项目经理拆 Jira 任务分给组员，不就是这么个事吗。

管 AI 组织跟管人的组织，说到底套路差不多：分工、协作、盯质量、共享知识。区别就是 AI 不用开周会、不用搞 team building、不会跟你提涨薪。多好。

四、转型的真正卡点：不是技术，是信任

THE REAL BOTTLENECK: TRUST

图源：Pexels

前面说的这些，道理层面你可能都认同。但真到团队里推的时候，你会发现有种说不清的阻力，像一堵软墙——不拦你，但推不动。

那堵墙叫信任。

说一组挺拧巴的数据：96% 的开发者说他们不完全信任 AI 生成代码的正确性。合理吧？但只有 48% 的人每次提交前会认真审查 AI 写的代码。也就是说，一半人嘴上说”不信”，手上也没查。这就不是信不信的问题了，这是集体回避。

回避什么？我觉得更深的东西是身份焦虑。”代码都是 AI 写的了，我干嘛的？”——我听好几个开发同学私下说过这话。产品的人也有类似的：”方案 AI 都能出了，公司还要我？”

我当时给团队说了一句，不知道对不对，但至少大家听进去了：你的价值从来不是因为你手快，是因为你知道该往哪个方向跑。Anthropic 报告里总结得比我好——”开发者的核心竞争力从 How 回归到 What 和 Why”。写什么、为什么写，比怎么写重要得多。

要破这堵墙，急不来。我们的做法是：

先挑个小场景试水。别上来就”全面 AI 化”，找个风险低的活——比如一个内部工具的 PRD、一段不太关键的代码——让 AI 出初版，人来审。让大家亲眼看到”这玩意儿确实能用”。

然后把 AI 的能力边界摸清楚。哪些活它做得好、哪些活它一做就错，记下来，团队共享。不是”AI 万能”也不是”AI 垃圾”，是一个越来越清晰的能力画像。

最后写成规范。什么环节 AI 主导、什么环节必须人看、审核标准是什么，落到文档里。靠嘴说”大家放心用”没用，靠制度给安全感才行。

这三步走完，团队的状态会从”将信将疑”慢慢变成”用着顺手”。转型到这一步，才算真的转过来了。

五、你的团队在哪个阶段？

WHERE ARE YOU NOW?

最后拉回来看看这三个阶段——

微软那份报告预测 2030 年 70% 的工作技能会洗牌，Gartner 说 2028 年 90% 的开发者都会用 AI 编码助手。这些数字看着远，但你想想两年前 ChatGPT 刚出来的时候大家还在说”AI 写的代码不能用”——现在呢？

挡在路上的从来不是 AI 够不够好。2026 年的 AI，坦白说，已经够好了。挡住的是我们自己——习惯了事事亲力亲为，习惯了不放心别人做的东西，习惯了把”什么都自己干”等同于”负责任”。

其实用好 AI 比自己干难多了。因为你得想清楚做什么、不做什么。你得当裁判而不只是运动员。你得为结果负责，哪怕过程不是你亲手完成的。

这就是领导力——不管你带的是人还是 AI。