YC 合伙人最新洞察:不要只拿 AI 当工具,它应该是你公司的操作系统

引言

在过去几个月里，很多人对 AI 的讨论还停留在“如何让工程师提高生产力”或是“如何在现有工作流中加入 Copilot”。但这完全错失了这一波 AI 浪潮的真正核心。来自顶级创业孵化器 Y Combinator 的合伙人 Diana 明确指出，AI 带来的绝不仅仅是生产力提升，而是“全新的能力”。这种能力将从根本上重塑一家公司的运营方式——从未来会存在什么样的岗位，到我们可以构建出什么样的产品。对于初创公司而言，如何在这个历史拐点从零打造一家真正的“AI 原生公司”，不仅关乎效率，更关乎生死存亡。

💡 核心看点速览

1. 1. AI 不应仅仅是工具，而必须成为驱动公司运转的核心操作系统。
2. 2. 告别凭直觉做事的“开放式循环”，建立由 AI 驱动、自我修正的“闭环系统”。
3. 3. 拥抱“AI 软件工厂”模式，人类负责定义需求与测试，AI 智能体负责代码实现。
4. 4. 传统管理层级失效，砍掉“人类中间件”以极大提升组织内的信息流动速度。
5. 5. 拥抱“Token 最大化”原则，愿意承担高昂的 API 账单，以此替代臃肿的人力成本。

将公司打造为“闭环”与可被查询的组织

在传统模式下，大多数公司的运营方式就像控制系统中的“开放式循环”：团队做出决策、执行操作，却很难系统性地衡量结果并实时调整，这种模式不可避免地会造成信息损耗。

从宏观层面来看，你不仅应该把 AI 当作公司使用的一个工具，它更应该成为你公司运行的操作系统。（At a high level the way to think about AI is that it should not be a tool your company just uses It should be the operating system your company runs on）

在 AI 时代，公司必须进化为自我进化的“闭环”。要实现这一点，首要任务是让整个组织变得“可被查询”（Query able）且“对 AI 清晰可见”（Legible to AI）。公司的每一个关键动作都应该留下数字化记录，供核心智能层学习和自我迭代。这意味着：使用 AI 记录所有会议、将日常沟通最大程度沉淀、在所有沟通渠道中嵌入智能体，并打造涵盖营收、销售、工程、招聘等全方位数据的定制仪表盘。

当系统拥有了如同人类员工一样的丰富上下文后，效果是惊人的。以工程管理和冲刺计划（Sprint Planning）为例：当 AI 获取了任务工单、Slack 讨论、客户反馈乃至日常站会的记录后，它不仅能精准分析上一轮冲刺的真实产出，还能更准确地预测下一阶段的计划。Diana 提到，一些 YC 系创业公司在应用此模式后，工程冲刺时间缩短了一半，并在同等时间内完成了近 10 倍的工作量。

AI 软件工厂与超级工程师的崛起

高效率公司构建产品的范式正在发生巨变，“AI 软件工厂”模式正在成为测试驱动开发（TDD）的下一代进化形态。

在这个新范式中，人类只需编写产品规格说明书（Spec）和定义成功的测试集，剩下的工作——包括生成代码、执行测试并不断迭代直至通过——都交由 AI 智能体来完成。人类定义目标并评判结果，而实际的编码工作则是智能体的任务。

Strong DM 公司的 AI 团队就是绝佳的案例。他们的终极目标是建立一个基本上不需要人类编写或审查代码的系统。他们打造了自己的软件工厂，由规格和场景驱动，让智能体持续写代码并迭代，直到满足概率上的验收阈值。

1000 倍甚至一万倍工程师的时代已经到来。（The era of the thousand or even 10,000 X engineer is here）

通过建立智能体系统围绕单一工程师提供支持，原本根本无法独立完成的庞大功能开发如今变得轻而易举。

打破传统层级，告别“人类中间件”

当你的公司拥有了无处不在的 AI 闭环、可被查询的组织信息，以及全自动的软件工厂时，传统的管理金字塔架构便彻底失去了意义。旧世界里，我们需要中层管理者在组织上下低效地传递信息；而在新世界，AI 智能层完美接管了这一职能。

你能移除的每一层人类信息路由，都会是直接的速度提升。（Every layer of human routing you can remove is the direct speed gain）

Jack Dorsey 在 Block 公司的实践印证了这一点。深入研究这些 AI 工具后他认为，如果仍保持原有的组织架构和管理体系，就相当于完全错过了这场变革。公司必须被重构成一个以智能为核心的层，而人类则处于边缘进行引导，而不是充当信息传递的通道。

打造 AI 原生团队的行动清单

根据这种全新的组织形态，未来的公司需要彻底重塑员工结构和成本观念。YC 建议创始人们参考以下框架来搭建你的团队：

1. 1. 寻找 IC（个人贡献者/构建者）：这是直接创造并运营事物的人。在 AI 原生公司中，不只是工程师，销售、运营、客服所有人都在“构建”。大家带着可运行的原型（Prototype） 而不是 PPT 来开会。
2. 2. 设立 DRI（直接负责人）：这不是传统的管理者，而是为特定战略和客户结果负责的人。做到“一人负责一个结果，无可推诿”。
3. 3. 创始人化身 AI 先锋：创始人必须身先士卒。不要把 AI 战略外包给别人，你要自己下场使用代码智能体，不断打破自己对“什么产品能被做出来”的认知边界。
4. 4. 践行 Token 最大化：这是最关键的战略转变。一个人加一套 AI 工具足以媲美过去庞大团队的产出。因此，公司需要极度精简研发、设计、HR 等团队。

最大化 Token 使用量而不是员工人数，将是至关重要的转变。（Maximizing token usage not headcount will be the critical shift）

不要害怕高昂的 API 账单，因为这笔钱替代的是过去极其昂贵且效率低下的冗余人力成本。

总结

这场向 AI 原生公司的转型，正是初创公司巨大的时代红利。大型企业受制于复杂的历史包袱：他们必须维护现有运转的产品，很难在不破坏核心流程的情况下进行重构。哪怕像 Mutiny 这样在内部成立“臭鼬工厂”特种小队从零开始，也依然步履维艰。

而早期的初创公司没有任何遗留系统或待重新培训的数千名员工，你们从第一天起就可以围绕 AI 设计系统、工作流和文化，并以此获得比巨头快上千倍的运营速度。这场变革不仅是工具的升级，更是对“什么是公司”这一概念的彻底重构。

原始视频链接: https://www.youtube.com/watch?v=EN7frwQIbKc

💎 深度访谈：全章节精华记录

01 AI 不仅仅是生产力工具，而是全新能力

👤 [YC合伙人 Diana]：大家好，我是 Diana，YC 的合伙人。在过去的几个月里，我越来越清晰地认识到，AI 不仅仅会改变软件开发的速度或自动化哪些工作流。它将从根本上改变初创公司的运营方式——从未来会存在哪些职位，到能够构建什么样的产品。在这一期节目中，我将探讨创始人应该如何思考建立一家 AI 原生公司、他们的团队应该具备哪些角色，以及他们现在可以采取哪些具体的内部实践来大幅提升发展速度。目前，大多数人谈论 AI 时的关注点都在生产力上。他们会连篇累牍地讨论 AI 如何让工程师变得更高效，或者说“我们需要将 Copilot 加入现有的工作流中以发布更多功能”。这种认知错失了我们目前正在经历的根本性转变——这与其说是生产力的提升，不如说是“全新能力”的涌现。现在，拥有 AI 工具的合适人选，就可以构建出过去需要整个团队才能完成，甚至以前根本无法实现的功能。

02 让 AI 成为公司的操作系统与闭环

👤 [YC合伙人 Diana]：将 AI 视为一种全新能力，对创始人如何运营公司有着多重影响。从宏观层面来看，你不应仅仅把 AI 当作公司使用的一个工具，它更应该成为你公司运行的操作系统。每一个工作流、每一次决策、每一个流程，都应该流经一个不断学习和改进的智能层。具体来说，这意味着公司中的每一个重要流程都应该被一个智能的“闭环”（closed loop）所捕获。闭环系统会捕获信息，将其反馈给智能系统，并随着时间的推移不断优化流程。如果你学过控制系统，就会熟悉开环和闭环系统之间的区别。开环是缺乏反馈机制的控制系统。在旧世界里，公司基本上都是作为开环系统运行的。你做出决策并执行，却不总是能系统性地衡量结果并调整流程。开环系统本质上是有损耗的。相反，闭环系统则是自我调节的。它会持续监控输出，并调整流程以更好地实现既定目标。闭环系统在准确性和稳定性方面极其强大。通过自我进化的智能体，你的公司应该作为一个闭环系统来运行。

03 打造对 AI 清晰可见的可查询组织

👤 [YC合伙人 Diana]：为了建立这些闭环，你需要让整个公司变得“可被查询”（queryable）。换句话说，整个组织必须对 AI“清晰可见”（legible）。每一个关键动作都应该生成一个数字化记录（artifact），以便位于公司核心的智能层能够从中学习并自我进化。这意味着你要用 AI 笔记工具记录会议，尽量减少私信和电子邮件的使用，并在所有沟通渠道中嵌入智能体。这也意味着你要为公司的方方面面——收入、销售、工程、招聘、运营等等——构建定制的数据看板。这里有一个具体的例子来说明它是如何运作的。以工程管理和冲刺计划（sprint planning）为例：如果你有一个智能体，它能访问你们的 Linear 工单、所有 Slack 上的工程频道、来自邮件或 Pylon 和 GitHub 等工具的客户反馈、Notion 或 Google 文档中的高层计划、销售通话以及日常站会的录音，那么这个智能体就可以分析在上一个冲刺阶段团队真正交付了什么，以及这些交付物在多大程度上真正满足了客户的需求。

04 告别信息损耗，AI 带来管理预测质变

👤 [YC合伙人 Diana]：在此基础上，你可以更进一步：借助对已交付功能、成功经验与失败教训的全面洞察，智能体可以开始向前预测。它们可以为工程师提出比以往更可预测、更准确且始终在轨的冲刺计划。那种依赖于主管向上汇报状态且信息损耗极大的时代已经过去了。我自己曾经管理过工程团队，现在又在多家 YC 投资的公司中看到这种模式，这绝对是一个游戏规则的改变者。过去需要不断协调的事情，现在默认变得透明且可查询。我见过应用这种模式的团队将他们的工程冲刺时间缩短了一半，并在相同时间内完成了近十倍的工作量。这里的总体原则是，为了充分发挥模型的能力，你需要为它们提供就像你为人类员工提供的一样丰富的上下文。当你做到这一点时，你的公司就不再像开环系统那样运转——信息不再是碎片化且需要人工解读的。相反，它变成了一个闭环系统。各种状态、决策和结果都被持续捕获，并反馈到这个智能层中。最终的结果是，系统始终拥有关于公司实际运作情况的最新视图。

05 新一代产品构建范式：AI 软件工厂

👤 [YC合伙人 Diana]：那些发展速度最快的公司，在构建产品时也出现了一种新的范式——AI 软件工厂。如果你熟悉测试驱动开发（TDD），这便是它的下一次进化。在软件工厂的模式下，人类编写产品规格说明（spec）和一套定义成功的测试标准，然后 AI 智能体会生成具体的实现和代码，并不断迭代直到测试通过。人类负责定义要构建什么并评估输出结果。 而实际的编码工作则是智能体的任务。一些公司已经将这一点推向了极致：他们的代码库中根本没有人工编写的代码，只有产品规格和测试环境。Strong DM 的 AI 团队就是如何实现这一点的一个绝佳例子。他们的最终目标是建立一个基本上不再需要人类编写或审查代码的系统。因此，他们建立了自己的软件工厂——由产品规格和基于场景的验证驱动智能体去编写测试，并持续迭代代码，直到其达到概率上的验收阈值并且能够正常运行。这就是实现 Steve Jay 所说的“千倍工程师”的方式——用一个智能体系统围绕着单一工程师，赋能他们去构建过去根本无法独立完成的东西。千倍甚至万倍工程师的时代已经到来了。

06 打破传统管理层级，移除人类中间件

👤 [YC合伙人 Diana]：采用这种包含无处不在的 AI 闭环、可查询的组织架构以及软件工厂的方式来建立公司，意味着传统的管理层级制将不再适用。在旧世界里，你需要中层管理人员和协调者在组织内部上下低效地传递信息。而在新世界里，智能层接管了这一职能。如果你的公司是可查询的、充满数字化记录的，并且对 AI 是清晰可见的，那么你几乎不应该存在任何“人类中间件”（human middleware）。这非常重要，因为你公司的运转速度完全取决于其信息流动的速度。你能移除的每一层人类信息路由，都会带来速度的直接提升。一个很好的例子是 Jack Dorsey 在 Block 公司的做法。在深入研究了这些工具之后，他得出了与许多人相同的结论：这绝不仅仅是渐进式的生产力提升。他的观点是，如果你仍然保持相同的组织架构和管理体系，你就完全错失了这场变革。公司本身必须被重构为一个以智能为核心的层，而人类则处于边缘进行引导，而不是充当信息传递的通道。

07 AI 原生公司的三种核心员工原型

👤 [YC合伙人 Diana]：展望未来，Jack 建议每个公司都会有三种员工原型。第一种是个人贡献者（IC），基本上就是构建者和执行者。在 AI 原生公司中，这些人直接创造并运行事物。这不仅仅局限于工程师，销售、运营、支持等每个人都在“构建”。大家来开会时带着的都是可以运行的原型产品，而不是演示幻灯片。第二种是直接负责人（DRI），他们专注于战略和客户结果。这不是传统的管理者，而是一个对结果负有明确责任的人。一人负责一个结果，无可推诿。第三种是 AI 先锋型的创始人。这类人依然在一线构建，依然在指导团队并以身作则。如果你是创始人，你必须冲在最前沿，向你的团队展示这种巨大的能力提升到底是什么样子，而不是把你的 AI 战略外包给别人。

08 Token 最大化与初创公司的绝对优势

👤 [YC合伙人 Diana]：凭借这种结构，公司将能够用小得多的团队取得惊人的巨大成果。最大化 Token 使用量而不是员工人数，将是至关重要的战略转变。最优秀的公司将是那些将 Token 消耗最大化的公司。可以这样思考权衡：一个配备了 AI 工具的人，其产出可以相当于前 AI 时代一个庞大工程团队的产出。这意味着工程、设计、人力资源和行政团队将变得极其精简。因此，你应该乐意承担一份高得令人不安的 API 账单，因为它替代的是过去更为昂贵且臃肿的人力资源成本。但不要仅仅听信我的一面之词。你不能将你对这些工具强大能力的信念外包给别人。你需要自己去培养这种信念——通过真正坐下来和编码智能体一起工作，不断使用它们，直到你开始打破自己对于“现在什么产品能被做出来”的原有认知边界。如果你是一位早期阶段的创始人，在拥抱这一趋势上你拥有巨大的优势。你没有旧系统作为历史包袱，也没有成千上万的员工需要重新培训。你足够小巧，从第一天起就可以用正确的方式建立公司。对于成熟企业来说，情况恰恰相反。他们必须维护和发展一个仍在运行的产品，同时还要逐步废除多年积累的标准操作程序以及关于软件如何构建的核心假设。有些公司可以通过在内部组建小型的臭鼬工厂团队来实现这一点——让这些团队脱离核心业务，从零开始构建 AI 原生系统。Mutiny 就是一个很好的例子。但对大多数大公司来说，对其核心流程的每一次更改都面临着破坏现有稳定运转业务的风险。因此，从本质上讲，这些大公司转型为 AI 原生企业要困难得多。初创公司没有这种束缚，这就是必须好好利用的巨大优势。你可以从一开始就围绕 AI 来设计你的系统、工作流和文化，因此，你将能以比现有巨头快上千倍的速度运行。这就是全部内容了。