夜雨聆风AI Native 公司三个判断之三
三篇连载 · 第三篇 / 共三篇前两篇：《生产力反过来决定生产关系》《软件由 Agent 生成，由 Agent 消费》
Zero Coding 的真正含义
前两篇分别讨论了两个变化：生产力跃迁如何重构产研组织（第一篇）、软件如何从"人写人用"变成"agent 写 agent 用"（第二篇）。这两个变化都还停留在"产品研发"内部——讲的是产研团队的工作方式如何变化。
第三个判断要把范围拉大：这件事的影响远不止产研团队，它正在改变"什么人参与软件生产"这件事的边界本身。
我用 "Zero Coding" 来概括这个判断。它常被误解为"不写代码"——其实更准确的含义是：
生产软件这件事，不再是程序员的专属能力。
过去三十年，软件是一种特殊的中间品：由专业团队（程序员、PM、设计师）生产，给所有其他团队（财务、HR、销售、法务）使用。两边的角色泾渭分明——前者是生产者，后者是消费者，中间通过"需求"和"工单"沟通。
这种分工模式有一个隐性前提：写软件的成本高，所以必须由专门的人来做。当这个前提失效，分工本身也失去了基础。
Skills 系统是一个直接样本
最具体的证据来自 Anthropic 内部的 Skills 系统。Mike Krieger 在公开访谈里描述过一个具体场景 [1]：
财务团队的某个人，摸索出了用 Claude 做合同审查的有效方法——什么样的 prompt 准、需要喂哪些上下文、哪些 edge case 要人审、什么情况下可以信任 agent 的判断。这套经验在过去会留在这个人脑子里、最多写成一份内部文档传给下一个接手的人。
在 Skills 系统里，这套经验被打包成一个版本化的、可调用的 Skill。下一个需要做合同审查的人——无论他是不是同一个团队、是不是同一种背景——第一天就能用同样的质量完成这个工作流，不需要从头摸索。
注意这个场景里的关键主语：财务团队的某个人。
不是工程师、也不是 PM。这个人没有写一行代码，但他的产出（这个 Skill）是软件——是别人可以调用、可以复用、可以审计、可以版本管理的东西。
当一个非工程师生产出可被全公司复用的"软件能力"时，"软件生产者"这个角色的边界就不再清晰了。
角色边界开始模糊
把 Skills 这个样本展开看，会发现它撬动的不是单点变化，而是一整套组织角色的重定义。
R&D 的边界模糊了。过去 R&D 是一个清晰的部门——它生产软件，其他部门使用软件。当财务也在生产 Skill、HR 也在生产 Skill、法务也在生产 Skill 时，"R&D 部门"和"其他部门"的边界开始失去意义。每个部门都在某种程度上是 R&D。
入职流程变了。过去新员工入职第一天接到的是 Confluence 上的一堆文档：组织架构图、流程手册、工具列表、培训视频。现在合理的入职第一天是：给你一组可调用的 Skills 和 agent，再给你一份"如何使用它们解决你岗位上常见任务"的指南。这是一种根本不同的知识传递方式——从"先理解再动手"切换成"先调用再理解"。
管理者的能力要求变了。过去一个团队 manager 的核心能力是审 PRD、审设计稿、审代码 review、做绩效评估。现在还需要新增几项能力：审 Skill 的设计（这个工作流应该如何拆解才适合 agent 执行）、审 agent 的 prompt（边界设得对不对、tone 合不合适）、审验证逻辑（如何判断 agent 的产出可信）。这些技能在 MBA 课程里没有，在过去十年的管理实践里也没有。
考核口径变了。过去衡量一个团队的产出是"完成了多少需求"或者"做了多少功能"。Zero Coding 时代合理的考核口径之一是"贡献了多少可复用的 Skill / agent 能力"——也就是这个团队的工作成果，有多少能被其他团队第一天就用上。这是一个完全不同的产出衡量方式。
预算口径变了。过去 R&D 预算是工程师人头 + 服务器成本。新口径下，人头预算可能不增甚至减少，但 token 预算会大幅上升——这是 Boris Cherny 描述的 Anthropic 内部做法：underfund 团队（人少给），给无限 tokens（工具不设限）[2]。这个 input mix 的变化反映了对生产要素的重新理解。
"AI-first workplace" 的关键不是 AI
Anthropic 把自己描述成 "AI-first workplace" [3]。这个标签的关键词在哪里？我的看法是：不在 AI，在 workplace。
如果只是产研团队用了 AI 工具，那应该叫"AI-first R&D"或者"AI-first engineering"。用 workplace 这个词，意味着整个工作场所的运作机制变了——不只是产研在变，财务、法务、HR、销售、运营都在变。
具体地讲，这个变化体现在三件事上：
工作单位变了
：从"完成任务"变成"调用能力"。每个员工的日常都包含调用各种 Skills 和 agent。
协作机制变了
：从"开会对齐 + 邮件沟通"变成"共享 agent 工作流 + Skill 复用"。
产出形式变了
：每个员工不仅在解决眼前任务，还在沉淀可被他人调用的能力。
这三个变化加在一起，才是 "AI-first workplace" 的完整含义。它不是把 AI 装进现有的 workplace 里，而是基于 AI 重新定义 workplace 是什么。
大多数公司停在了工具层
到这里，三个判断的递推就完整了：
生产力跃迁（第一论）→ agent 成为软件的生产者和消费者（第二论）→ 软件生产的人员边界扩展到全公司，组织被改写（第三论）
但要承认的是：多数公司的 AI 落地目前还停在工具层。
具体表现是：
给程序员配 Copilot——这是工具层。
给客服配 ChatGPT——这是工具层。
给 PM 配 AI 写 PRD——这是工具层。
让 marketing 用 AI 生成文案——这是工具层。
工具层的 AI 落地有一个共同特征：它优化的是单点效率，不改变组织结构。每个岗位的人用 AI 做自己原本就在做的事，只是做得更快。但 PRD 还是要写、需求评审还是要开、PM 和工程师还是接力、考核口径还是老的。
工具层渗透能拿到红利，但拿到的是新生产力的一小部分。真正的红利在第三层——重新定义角色、考核、入职、预算口径。
为什么多数公司停在工具层？因为工具层风险小、阻力小、不需要触动组织结构。而组织层重构必然牵动既有的权力分配、考核体系、晋升路径——这些都是利益冲突的高发地带。做工具层是技术决策，做组织层是政治决策。技术决策容易、政治决策难。
真正的判断时点
那么对一个公司而言，怎么知道自己是不是停在了工具层？我有一个简单的判断标准：
去年你公司的组织架构图，和今年的有没有显著不同？
如果没有不同，那不管你用了多少 AI 工具，都还停在工具层。因为 12 倍的生产力跃迁如果真的进入了组织，组织架构图不可能纹丝不动。
更具体地讲，至少应该出现这些迹象：
部门边界出现模糊或合并
——比如 PM、设计、前端工程的边界变模糊，或者出现"端到端 builder"这样的新角色。
新的考核维度出现
——比如"贡献的 Skill 数量"、"被复用次数"、"agent 工作流的覆盖率"。
新的预算项出现
——比如 token 预算单独成项，可能甚至超过人头预算的某个比例。
管理层级开始压缩
——因为信息传递速度跟不上 agent 时代的迭代速度。
入职流程发生根本性改变
——从"读文档 + 跟人"变成"用 Skills + 调 agent"。
至少出现其中两三项，才说明组织开始真的在容纳新生产力。一项都没有的话，工具用得再多，公司本质上还是 AI 之前的组织。
容得下与容不下
我用一个不太温和的判断作结尾。
接下来几年，公司之间最大的分化不会发生在"用不用 AI"这个层面——这个问题在 2026 年已经没有悬念了。分化会发生在**"组织能不能容纳 AI 带来的生产力"** 这个层面。
容得下的公司会经历组织重构的阵痛——某些岗位消失、某些岗位融合、某些考核体系作废、某些既得利益受损——但走过这个阵痛，他们会成为新生产力的承载体。
容不下的公司会用工具层的 AI 维持表面上的现代化，但底层的组织还是 PRD 时代的。这些公司不会立刻死掉，但会被容得下的对手以指数级速度甩开——按 12 倍的产出比计算，三年就是 1700 倍的差距。
这就是组织革命。它不是产研团队升级用工具的事，是整个公司能不能存续的事。
系列结语
三篇连载到此结束。回到最开始的递推：
生产力决定生产关系 → 生产关系产出新的产品形态（C2C / agent 用 agent）→ 新的产品形态扩展了软件生产的边界，重写整个组织
这三件事不是同时发生、也不是简单并列的——它们是层层递推的因果链。理解第一层只看到工具，理解第二层只看到产品，看到第三层才看到组织革命的全貌。
而组织革命这件事，永远是知易行难。共勉。
引用
[1] Mike Krieger（Anthropic CPO / Labs co-lead）对 Skills 系统的公开描述，包括"财务团队成员摸索出合同审查 Skill 后被全公司复用"这一具体样本。
[2] Boris Cherny, "Head of Claude Code: What happens after coding is solved", Lenny's Podcast, 2026-02-19.
[3] Anthropic 对自身组织形态的公开定位，参考 Fast Company 等媒体对 Anthropic 工作方式的报道
