AI原生团队的火箭模型操作手册

开篇：当数字员工加入团队，管理者的工具箱还够用吗？

过去两年，越来越多的团队开始引入AI Agent——它们能写代码、做客服、分析数据、生成报告。它们7×24小时在线，成本只有人类的十分之一，产出却相当稳定。

然后问题来了：这些“数字员工”算团队成员吗？如果算，它们向谁汇报？怎么考核？怎么激励？它们和人类成员之间谁优先级更高？当AI犯错，谁来负责？

传统团队管理框架——无论是OKR、敏捷还是各种领导力理论——都没有回答过这些问题。因为过去两千年的组织史，默认“团队”是由碳基人类组成的。

我们需要一个能同时容纳人类与AI的团队效能框架。这正是火箭模型（Rocket Model）的价值所在。

火箭模型的核心洞见

由Curphy博士与Nilsen基于20年、2500+团队数据验证的火箭模型，其核心洞见可以概括为三条：

1.系统性：团队效能不是由单一因素决定的，而是八个组件（情境、使命、人才、规范、认同、资源、勇气、结果）协同作用的结果。

2.层级依赖：下层组件是上层组件的基础。情境不稳，使命必偏；使命不清，人才难留；人才不配，规范难行……任何短板都会向上传导。

3.逆向诊断：当结果不达标时，不能在上层施压，而必须从结果倒推至底层，逐层定位根本病因。

这三条洞见在AI时代不仅没有过时，反而变得更加重要。因为AI放大了组织的速度和复杂度，下层的小裂缝会更快演变成上层的灾难。同时，AI也提供了前所未有的诊断能力——实时数据流和Evals（评估集）让“逆向诊断”从季度复盘变成持续感知。

但八个组件的操作手法正在发生本质变化。尤其是：

•人才：数字员工如何“配置”、如何设定“汇报结构”、如何“激励”？

•规范：人与AI如何沟通？如何问责？会议怎么开？如何自我迭代？

•认同：人类成员是否愿意把AI当作“队友”？“第一团队”的归属感如何扩展至数字员工？

本文将逐一回答这些问题。我们先建立一张总览表，然后深入每个组件的操作细节。

一、总览：八个组件的本质与操作手法变化

二、组件一：Context（情境）——从“会议同步”到“实时检索”

本质不变：团队仍需要对客户、竞争者、监管者等外部实体形成一致认知。

操作手法变化：

•不再每季度开“情境扫描会”。而是建立自动化情境感知管道：外部新闻、政策更新、竞品动态通过API实时写入向量数据库。

•团队成员和AI Agent在决策时，自动检索最相关的5条上下文。检索结果对全员可见，确保“共享心智”不是口号，而是可验证的。

•具体操作：使用RAG框架（如LangChain），设置每小时抓取，embedding模型选用text-embedding-3-small。首次搭建约2周。

三、组件二：Mission（使命）——目的不变，目标/计划/监控的操作手法进化

火箭模型原意：Mission是团队存在的根本原因，包含四个二级要素——目的（Purpose）：团队为何存在？目标（SMART Goals）：如何定义成功？行动计划（Action Plans）：如何一步步实现？绩效监控（Monitoring）：如何跟踪进度？

内涵不变：这四个问题，AI时代仍然需要回答。团队仍然需要知道自己为什么存在、要去哪里、怎么去、走到哪了。使命的本质——为团队提供方向感和衡量标准——没有任何变化。

操作手法进化：AI让后三个要素更可拆解、可追溯、可自动化。但目的（Purpose）仍由人类定义和传承，AI不参与“为什么存在”的决策，只辅助传播和提醒。

二级要素	传统操作手法	AI原生操作手法	变化性质
目的	领导宣讲、团队讨论、文化墙	人类定义；AI可生成故事、案例、提醒，辅助强化使命感知	本质不变，操作微调
目标	人写SMART目标、Excel追踪	AI自动校验目标是否符合SMART标准；实时追踪进度；偏差自动预警并@责任人	本质不变，操作进化
行动计划	甘特图、周会同步、邮件确认	AI将计划拆解为原子任务；自动分配给合适的Agent或人类；里程碑到期前24h自动提醒	本质不变，操作进化
绩效监控	周报、月会、翻报表	实时仪表盘；异常驱动告警（非异常不打扰）；AI自动生成偏差归因分析	本质不变，操作进化

具体操作示例：

•目的：每季度召开一次“使命回顾会”，人类成员分享“我们为什么存在”的故事。AI助手提前收集客户感谢信、失败教训等素材，供会上讨论使用。

•目标：将年度OKR接入AI追踪系统。例如“Q3客户满意度提升至92%”，AI自动计算每日NPS，低于90%连续3天则发送预警。

•行动计划：项目经理用自然语言描述计划，AI自动生成任务分解结构（WBS），识别依赖关系，估算资源，并分配给对应的Agent。

•监控：取消周报。AI每周一早上推送“上周关键指标摘要”和“本周需关注的3个风险点”。人类只处理异常项。

新的诊断问题：

•我们的目的是否被全员（包括AI）清晰理解？AI在辅助传播时是否保持了信息一致性？

•SMART目标是否接入了自动化追踪系统？预警阈值设置是否合理？

•行动计划是否被AI拆解到可自动分配的最小粒度？

•监控是否从“周频”升级为“实时异常驱动”？误报率是否可控？

新的干预处方：

•目的强化：建立“使命素材库”，AI自动从客户反馈、项目复盘、团队故事中提取与使命相关的片段，供人类在回顾会上使用。

•目标自动化：用OKR软件接入AI分析引擎，设置目标置信区间（例如80%概率达成），自动识别“最可能偏离的目标”。

•计划拆解：使用Task分解Agent（如AutoGPT + 项目管理工具），初始拆解后必须经人类DRI审核修正，逐步建立“人机计划共识”。

•监控仪表盘：采用“红黄绿灯”机制，绿色不打扰，黄色推送到频道，红色立即@相关人。每月回顾一次误报/漏报率，调整Evals。

四、组件三：Talent（人才）——数字员工如何配置、汇报、激励？（重点）

本质不变：团队仍需关注规模、技能、结构、角色、集体导向、奖励机制。但“成员”的定义从“人类”扩展为“人类+数字员工（AI Agent）”。

4.1 团队规模：从“5-9人”到“5-7人 + N个Agent”

火箭模型指出，超过9人的团队沟通成本指数级上升。AI原生团队中，这个阈值依然适用——但指的是核心人类成员数量。每个核心人类可以携带5-20个AI Agent。因此有效团队规模变为：5-7个核心人类 + 数十个Agent。

4.2 技能矩阵：人类标注“专业能力”，Agent标注“能力边界”

•人类成员的技能矩阵：除传统技能外，新增“AI编排能力”——设计工作流、编写Evals、调试Agent行为。

•Agent的技能矩阵：每个Agent需标注：擅长任务类型、输入输出格式、依赖的外部工具、已知失败模式（Evals未覆盖的边界）。这类似于“数字员工简历”。

4.3 汇报结构：人-Agent混合汇报链

传统RACI模型需要扩展。我们定义四种关系：

•Owner（负责人）：只能是人类。最终对任务结果承担责任。

•Operator（执行者）：可以是人类或Agent。负责具体操作。

•Reviewer（审核者）：通常是人类，但低风险任务可由另一个Agent自动审核。

•Informed（知会者）：包括相关人类和Agent。

汇报关系示例：某客服任务，Agent执行 → 另一个Agent初审（通过率>95%自动过） → 人类DRI抽审5% → 重大异常升级到团队会议。

4.4 集体导向：人类与Agent的“协作文化”

火箭模型强调“拒绝独行侠”。AI原生团队需要拒绝“只信任自己手写代码，不信任Agent输出”的人类成员。建立协作文化的具体做法：

•“配对编程”的AI版本：人类与Agent共同完成任务，人类负责意图定义和最终审核，Agent负责生成初稿。

•Agent使用率公开：每个人类成员的“Agent调用次数”作为团队协作指标之一，但不是强制考核，而是用于识别培训机会。

4.5 奖励机制：混合激励（Token预算 + 人类认可）

激励数字员工（Agent）：

•Agent没有情感，不需要“奖金”。但需要资源激励：高性能Agent获得更多Token配额、更高优先级算力、更少的速率限制。

•通过Evals排行榜：哪个Agent的Evals通过率最高、覆盖边界最多，就能获得更多调用机会（类似“数字员工晋升”）。

激励人类成员：

•将“AI编排能力”纳入晋升考核。例如：成功将某个工作流自动化并转移给Agent，节省的人力时间折算为“创新积分”，可兑换培训或项目主导权。

•设立“人机协作奖”：奖励那些设计出高效人-Agent协作流程的成员。

•关键原则：不能因引入Agent而裁撤人类。必须承诺“自动化释放的时间100%用于更高价值工作”。否则无人愿意主动自动化。

五、组件四：Norms（规范）——人与AI如何沟通、问责、开会、迭代？（重点）

本质不变：团队仍需建立会议、沟通、决策、责任、自我调整五大规范。但规范的对象从“人–人”扩展为“人-Agent”和“Agent-Agent”。

5.1 沟通规范：结构化Prompt + Evals作为通用语言

•人→Agent的沟通：必须使用结构化Prompt模板（包含角色、任务、格式要求、边界条件）。自由文本沟通只用于探索阶段，正式任务必须结构化。

•Agent→人的沟通：必须遵循“结论先行”格式。例如：“任务完成，通过率98%，失败案例为XXX，建议人工复核。”

•Agent↔Agent沟通：通过API协议，不涉及自然语言。所有协议版本纳入Git管理。

5.2 决策规范：RACI + 授权阶梯

•明确AI可自主决策的范围（权威清单）：例如退款<100元且风险分<0.3 → AI自主；其他转人工。

•授权阶梯：随着Evals通过率提升，逐步扩大AI自主范围。每季度审查一次授权清单。

5.3 责任规范：问责链（Accountability Chain）

当AI出错时，谁负责？这是最敏感的问题。

问责链设计：

1.第一责任：AI本身（但AI无法被“问责”，所以转为“修复Evals”）。

2.第二责任：编写该Evals的人类DRI。如果错误是因为Evals未覆盖边界案例，DRI负责补充测试用例。

3.第三责任：审批该授权的管理者。如果错误是因为授权范围过大，管理者负责收紧。

4.免责条款：只要人类按照规范操作（使用了正确的Evals版本、未越权），不追究个人责任。心理安全是勇气的前提。

5.4 会议规范：人类只开“异常会”

•站会消失：AI自动生成异步状态报告，人类随时查看。

•周会转型：不再同步进度，而是回顾Evals失败案例 + 讨论授权边界调整 + 人机协作流程改进。

•会议时长：核心团队每周不超过60分钟。其他时间都是异步 + 异常驱动。

5.5 自我调整规范：Evals回归测试驱动迭代

•每次迭代：人类团队和Agent共同回顾过去周期的Evals失败记录。

•规范更新：将新的边界案例补充进Evals，重新跑通全部回归测试。

•版本管理：所有规范（Evals脚本、Prompt模板、授权清单）纳入Git，每次变更需经过“人-Agent联合Code Review”。

六、组件五：Buy-in（认同）——“第一团队”如何包含数字员工？

本质不变：认同 = 动机方向强度 + 集体效能感（“我们能赢”）。

操作手法变化：集体效能感的对象从“人类团队”扩展为“人+Agent混合团队”。这引出一个关键问题：数字员工算“第一团队”成员吗？

6.1 数字员工的归属：作为“工具成员”，而非“伙伴成员”

火箭模型的“第一团队忠诚”指的是：当多个团队争夺成员的精力时，成员应优先投入本团队。对于数字员工，它们没有“精力分配”问题——它们可以同时服务于多个团队。因此，数字员工不应享有与人类同等的“第一团队”归属地位。

更准确的定位是：数字员工是团队的“高能动工具”。人类成员需要对其建立操作信任——相信它在授权范围内能可靠执行，但在边界情况和异常面前，人类仍然拥有最终判断权。

6.2 建立对AI的集体效能感（“我们（人类+AI）能赢”）

•快速胜利：选择2-3个低风险、高频、AI明显擅长的任务（如周报生成、数据清洗），让AI在1周内跑通，Evals通过率达到95%以上。公开庆祝。

•透明度：展示AI的每一次成功和失败。失败时，不是指责，而是团队一起修复Evals。这强化了“我们共同拥有这个系统”的感知。

•人类的价值重锚定：明确告诉团队——AI负责执行，人类负责定义边界、处理异常、做出价值判断。人类不是被替代，而是升维。

6.3 诊断问题（Buy-in健康度）

•人类成员是否主动将任务交给AI，还是习惯性手动完成？

•当AI出错时，团队的反应是“修复系统”还是“再也不信AI了”？

•成员是否认为“人+AI”的组合比“纯人类”更强？

七、组件六：Resources（资源）——从“预算人力”到“算力与权威”

本质不变：资源是团队取得成功的基石。火箭模型特别强调权威是最关键的资源。

操作手法变化：

•核心资源：算力（GPU时长）、Token配额、高质量数据、API速率限制取代人力编制成为最稀缺资源。

•权威资源：必须明确列出“AI可自主决策”与“必须人类审批”的边界。没有清晰的授权清单，AI要么被锁死，要么失控。

具体操作：

•建立资源仪表盘：追踪Token消耗与业务产出的比例，识别“低效Token”（例如反复调用同一错误Prompt）。

•每季度审查权威清单，根据Evals通过率逐步扩大AI自主范围。

八、组件七：Courage（勇气）——敢于自我替代的组织保障

本质不变：勇气是团队信任与心理安全的结合体。

操作手法变化：AI原生团队中，勇气的新内涵是敢于将核心任务交给AI，并接受AI的错误。这需要比传统“面对冲突”更大的胆量。

结构性保障（否则无人敢做）：

1.领导者承诺：公开承诺“无人因AI失业”。自动化释放的人力100%用于内部创新或培训。

2.自动化失败免责：只要人类按照规范操作（使用了正确的Evals版本、未越权），AI决策失误不追究个人责任。

3.勇气审计：每季度匿名调研成员对AI的恐惧程度，识别制度障碍。

具体操作：

•每个季度举行一次“自动化挑战赛”，鼓励成员将最头疼的重复工作交给AI，胜出者获得额外算力配额。

•设立“自动化红利分享”：员工每自动化一个工作流，节省的时间折算为“创新积分”，可兑换培训、项目主导权或额外假期。

九、组件八：Results（结果）——从“产出物”到“系统自治能力”

本质不变：结果是团队效能的终极标准，包括客户满意度、目标达成、经验学习、能力提升。

操作手法变化：增加新的衡量维度——系统自治能力：在无人干预下，人-AI混合系统能跑多远、跑多稳。

具体指标：

•无人工干预的平均运行时长（MTBO）

•异常平均修复时间（MTTR）

•Evals通过率（全量回归）

•边界案例覆盖率（新增Evals数量/发现的新边界数量）

具体操作：

•每个迭代周期的结果必须包含“系统改进指标”，如Evals覆盖率提升5%、自动化比例提升10%。

•定期举行“红队演练”：模拟数据漂移、API故障等异常，测试系统自治能力。

十、结语：本质未变，操作手法必须重构

火箭模型的八个组件——情境、使命、人才、规范、认同、资源、勇气、结果——在AI时代本质上一个都没有变。团队仍然需要外部认知、清晰目标、合适成员、协作规则、内在认同、必要资源、心理安全、以及可衡量的产出。

变化的是操作手法：

•人才从“招人”扩展到“配置Agent集群”

•规范从“会议纪要”进化到“Evals即契约”

•认同从“相信领导”转变为“相信人-AI闭环”

•资源从“预算编制”转变为“算力与Token管理”

•勇气从“面对冲突”转变为“敢于自我替代+组织兜底”

•结果从“产出物”转变为“系统自治能力”

其中最棘手也最有价值的问题，是数字员工如何融入“第一团队”。我的判断是：数字员工是“工具成员”，而非“伙伴成员”。人类不需要对AI产生情感归属，但需要建立操作信任。而操作信任只能通过持续的Evals验证和快速胜利来积累。

最终，AI原生团队的建设不是什么神秘的新范式，而是用AI时代的工具，更扎实地做对火箭模型要求的每一件事。如果你能回答以下问题，你的团队就已经走在了正确的轨道上：

•你的Agent集群有“技能矩阵”吗？

•人-Agent之间的沟通有结构化模板吗？

•当AI出错，问责链清晰吗？有人会因为自动化而失业吗？

•你的团队成员是否认为“我们（人类+AI）能赢”？