AI 时代组织变革:从 Block 的 mini-AGI 到小团队的规范驱动

核心就一句话：把公司打造成 mini-AGI，AI 在核心，人在边缘。

为了这个转型，Block 裁了 4000 人（占总人数 40%），股价应声涨了 22%。

很多人说 Dorsey 激进。但在我看来，他只是比其他人更早意识到一个事实：

层级制这个组织形式，已经到极限了。

一、2000 年的约束，AI 来破局

文章里有个观点特别戳我：

层级制不是最好的组织形式，而是人类认知局限下的无奈选择。

从罗马军队到现代铁路，所有大规模组织都依赖层级，因为一个管理者只能有效管 3-8 个人（管理幅度）。

要规模化，就必须加层。

加了层，信息就慢。

信息慢了，决策就迟。

决策迟了，就被市场淘汰。

这是个死结。

但 AI 可以破这个局。

Dorsey 的逻辑是：AI 可以比人类更快、更准地做协调工作。它能维护一个全公司的实时模型，动态路由工作，不需要中层管理来传递信息。

所以 Block 搞了个"mini-AGI"组织：

• • AI 在核心：负责协调、路由、决策支持
• • 人在边缘：做 AI 做不了的事（创造、审美、复杂判断）

听着很激进。但我想说的是：

这个理念，我们小团队已经验证过了。

二、规范驱动：小团队的 mini-AGI 实践

花大半年时间，我跑通了一整套规范驱动开发体系。

核心思路和 Dorsey 一样：用规范（AI 可读的规则）替代中层管理的协调职能。

我们的做法

1. 规范即协调

传统团队怎么做协调？

• • 项目经理拉会
• • 技术负责人分配任务
• • 产品经理写需求文档
• • 大家对齐信息

我们怎么做？

• • 规范写清楚（机器可读）
• • AI 解析规范
• • 自动分配任务
• • 自动检查合规

协调工作从人转给了规范 + AI。

2. 三种角色的对应

Block 搞了三种新角色：

我们发现：

• • IC 的核心能力确实是审美和判断力：规范写得再好，也有需要人做判断的地方
• • DRI 确实要对商业结果负责：不是对"完成任务"负责，是对"解决问题"负责
• • Player-Coaches 确实最难培养：既能写代码又能带人，这种人是团队的放大器

3. 技术前提：高密度数据环境

文章里说 Block 的优势是金融交易平台，有百万级实时交易数据喂养 AI。

我们小团队的优势是什么？

所有工作 artifact 都是机器可读的。

• • 规范是结构化的
• • 代码是规范的
• • 文档是模板化的
• • 评审是自动化的

这就像给 AI 喂了"高质量语料"，它能真正理解团队在做什么，而不是只看表面数据。

三、小团队 vs 大公司：谁更有优势？

很多人觉得 AI 转型是大公司的事。

我的看法相反：小团队更有优势。

大公司的劣势

Block 能这么干，因为 Dorsey 是创始人 + CEO，有绝对话语权。

小团队的优势

我们团队十几个人，转型规范驱动只用了 3 个月。

现在正在帮几家类似规模的团队做转型，验证下来：

• • 交付周期缩短 50%（从需求到上线）
• • 新人上手时间从 3 天降到 1 天
• • 代码 review 时间减少 70%（AI 先过一遍）

四、实操建议：如何开始？

如果你也想试试规范驱动，我给你 4 条建议：

建议 1：从一个模块开始

不要一上来就全团队推行。

选一个相对独立、边界清晰的模块，先跑通流程。

我们第一个试点是 API 网关模块：

• • 规范定义清楚（输入、输出、错误码）
• • AI 生成骨架代码
• • 自动检查合规
• • 自动测试

跑通了再推广。

建议 2：规范要机器可读

别写 Word 文档。

用结构化格式（YAML、JSON、Markdown frontmatter），让 AI 能解析。

示例：

module: user-serviceversion: 1.0.0owner: @zhangsaninputs:  - name: user_id    type: string    required: trueoutputs:  - name: user_info    type: objecterrors:  - code: 404    message: User not found

这种格式，AI 能直接生成代码骨架、测试用例、API 文档。

建议 3：培养 Player-Coaches

这种人最难找，但价值最大。

特征：

• • 技术能力强（能服众）
• • 愿意分享（不藏私）
• • 有耐心（能带人）
• • 懂业务（不只是写代码）

培养方法：

• • 让他负责一个模块的规范制定
• • 让他带 1-2 个新人
• • 定期复盘（什么规范好用，什么不好用）

建议 4：CEO（或团队负责人）要做系统校准

Dorsey 说 CEO 的职责是：原则、文化、持续突破。

我的理解：

• • 原则：什么能做，什么不能做（规范底线）
• • 文化：鼓励什么，反对什么（评审标准）
• • 持续突破：规范不是死的，要迭代（定期 review）

我们每两周做一次规范 review：

• • 哪些规范太死了，要放松
• • 哪些地方没规范，要补充
• • 哪些规范写错了，要修正

五、一些思考

1. AI 不是替代人，是替代"中间层"

很多人担心 AI 抢饭碗。

我的观察：AI 替代的不是"干活的人"，而是"传递信息的人"。

• • 传统中层管理：传递信息、协调资源、检查进度
• • 这些工作 AI 做得更快、更准、更便宜

但干活的人（IC）反而更重要了：

• • 审美、品味、创造力，AI 替代不了
• • 复杂判断、跨领域整合，AI 还差得远

2. 小团队的窗口期

大公司转型慢，这是小团队的机会。

未来 3-5 年，会用 AI 的小团队可以碾压不会用的大团队。

不是因为大团队技术差，是因为他们决策慢、试错成本高。

3. 规范驱动的边界

规范不是万能的。

适合规范的场景：

• • 重复性工作
• • 有明确标准的工作
• • 多人协作的工作

不适合规范的场景：

• • 探索性工作（从 0 到 1）
• • 需要创造力的工作
• • 边界模糊的工作

我们的经验：70% 规范 + 30% 自由

最后

Block 的转型能不能成功，现在下结论还太早。

但方向是对的：用 AI 替代协调，让人做更有价值的事。

小团队不需要等大公司验证，现在就可以开始。

规范驱动这套东西，我们跑通了，也帮其他团队验证了。

不能说完美，但至少是一条可行的路。

如果你也在做类似尝试，欢迎交流。