夜雨聆风
当AI从“辅助工具”进化为“协作者”，组织管理的底层逻辑正在被重写
你有没有想过这样一个问题：你现在所在的团队，三年后会是什么样子？如果AI每天都在进步——从只会陪聊到会用工具，从被动响应到自主规划决策——我们的组织方式，还能一成不变吗？
过去几个月，我跟很多技术管理者聊这个话题。大家普遍的感受是：AI带来的效率提升是真实的，但组织该怎么调整，心里没底。有人尝试让团队“全员用AI”，有人开始重新定义岗位职责，也有人焦虑地问：测试是不是要消失了？项目经理还需要吗？
这些问题没有标准答案，但有一些正在发生的趋势，值得每一个管理者认真思考。以下是我对AI时代软件组织进化的五个基本判断。
判断一：软件团队将大幅瘦身，岗位被重新定义
你可能已经感受到了：过去6-8个人干的活，现在3-4个人就能干好。这不是夸张——Anthropic最近分享的内部案例：以前需要几个人吭哧吭哧干一年的项目，同样的人，现在一两周就搞定了。
“两个披萨原则”（团队规模控制在6-8人，刚好够吃两个披萨）曾是亚马逊推崇的团队设计理念。但在AI时代，这个数字可能要缩水成“一个披萨”——3-4个人就能成为一个高效的作战单元。
更重要的变化是团队的构成逻辑需要重塑：
传统的岗位边界在消失。前端、后端、移动端——这些划分在AI时代会逐渐模糊。作为开发人员，最有价值的工作不再是敲代码，而是：为AI预设架构、建立合规约束、审核和调优AI生成的结果。
测试这个专职角色，我认为会逐渐消失。你可能疑惑：难道不需要做质量验证吗？AI不是还有幻觉吗？
质量验证当然重要，甚至比以前更重要——但不一定需要一个专职的测试来做。在AI的加持下，每个岗位都可以对自己的工作成果实现“自闭环”。更重要的是，AI生成代码的速度一日千里，靠传统的手工测试根本测不过来。
有岗位消失，也会有新岗位出现。我称之为“知识工程师”——可以理解为数据工程师的升级版。在AI时代，企业的核心竞争力之一就是私有数据。这个角色就像“智能体的饲养员”，用数据和知识作为“粮食”去喂养AI，让它持续进化，让你调教出来的智能体越来越像“你这家企业的人”。
总结下来，产品经理 + 技术人员 + 知识工程师构成的微型团队，会成为组织一线的最小作战单元。
判断二：业务和IT将深度融合，业务专家就是产品
既然AI这么强，为什么不让每个人成为“超级个体”？一个人搞定所有事，不是更简单高效吗？
非也。AI再强，也改变不了一个事实：要解决真实的客户问题，是一个从创意到设计、再到代码和后期运营的完整价值流。这个流里涉及不同性质的工作：
创意和设计：非常需要同理心、商业思维
代码和运维：需要逻辑理性与架构思维
这两类思维方式完全不同。一个人可以干所有工作，但不等于所有工作他都能干到极致。除非你是一个人创业，否则组织的优势，恰恰在于分工带来的专业化和相互促进。
所以，未来3-4人的“一个披萨团队”，仍然必须是共同面向业务成效的跨职能团队。分工仍然存在——组织构成的基本逻辑不会变。
有人会问：这个跨职能团队里会包括业务吗？
当然，而且是必须的。
现在很多组织里，业务部门有对接IT的“业务代表”负责提需求，IT部门有产品经理或BA负责“接需求”、细化需求、写PRD文档。在AI时代，这种方式非常低效。这两个身份应该简化合并——业务专家就是产品，中间不需要人来传话。
只要业务专家具备判断力，需求描述完全可以由AI来生成——AI更擅长做这件事。产品直接对业务结果负责。
未来的AI原生组织，就是“业务专家 + AI技术人员 + 知识工程师”构成的跨职能小组。业务专家在AI的加持下亲自参与智能体的规划设计，和技术人员并肩作战——或者反过来，技术人员深入到业务当中，帮助业务随时解决AI落地上的技术问题。
多年前我们就开始提倡“业技融合”，那时可能只是一个优选的组织形式。但到了AI时代，这就是必选的形式。如果你的组织里，还是从业务部门到开发部门走一个流程、传递几十页的需求文档——即便它是Markdown格式——在速度的竞争上，你天然就输了。因为你的竞争对手的AI，将进化得比你快得多。
判断三：管理重心将转移——从管项目流程，到管进化效能
过去的软件工程，是为“复杂软件开发工作”设计的。因为写代码复杂性高、很耗时，即便是最高效的敏捷DevOps团队，也通常需要以“周”或“天”为单位进行信息传递和实施落地。
但AI时代，这个周期被大幅压缩了。
从想法到落地，只需要几句话、修改几句提示词、或补充一批数据。一个卓越的团队，完全可以以“小时”或“分钟”为单位传递信息、实时落地。业务人员自己就能编写提示词，AI自动修改程序并验证，技术人员在这个过程中参与评估纠偏。如果协作得够紧密，这一切可以在几分钟内完成。
“AI自动生成软件”——很多人还没有意识到这意味着什么。
你记不记得以前有一句话：“软件正在吞噬一切”。当AI可以自动生成软件，这会放大一切的进化速度。如果说以前的敏捷团队，双周迭代的目标是“有质量地完成需求交付”，那业务技术深度融合的AI原生团队，可能就变成了：每双周设定一个业务目标，通过人机协作的多轮修订来追求业务达成——而交付这件事，每天随时都在发生。
以前几个月的项目，现在不到一周就能完成。那项目管理还有意义吗？
至少传统的“立项-结项-里程碑”这些流程动作，我认为没有意义了。就像软件比硬件容易修改、因此迭代更快一样——基于AI的智能体，会比传统软件更容易修改，所以它的迭代速度必定更快。
这时候，管理的重点不再是“一个项目何时能够完成”，而是“一个团队和他们的智能体，能不能快速地进化”。
真正有效的管理，不再是项目经理每天更新一张甘特图、天天盯进度，而是为团队和智能体建立一套全方位的度量观测体系：
想法落地的速度有多快？
智能体运行得稳不稳定？
Token消耗是否正常？
用户的负面反馈有多少？
业务目标是否有进展？
基于团队和智能体的观测能力和效能改进，胜过基于项目和流程的过程跟踪管理。
但我们也不能让每个智能体团队都去自建这样的观测能力——这太复杂了。这就引出了第四个判断。
判断四：AI智能体编排调度与运行中心，将成为组织的核心平台
未来，每个组织都需要一个AI智能体编排调度与运行中心（暂且这么叫）。它要“实现和运营一群智能体”，需要很多基础能力：
大模型的接入
可快速开发部署的零代码工具箱和运行环境
对现有业务能力的标准化API和Skills封装
多智能体的通信协作机制
私有知识库的搭建
智能体运行的稳定性和安全保障机制
以及上面提到的——智能体的可观测能力
要让AI智能体和负责“养育”它们的跨职能小组，能够快速、稳定地实现进化，组织就必须尽最大努力，将AI智能体的开发、验证、运营的复杂性降到最低。
这样的AI智能体平台，将成为每一个数字化企业都必须有的最关键的基础设施——可以采购成熟的AI云服务，也可以自建。通过这个平台，将企业其他可复用的基础能力整合起来，随时供智能体调用，加速智能体的进化。
AI智能体平台 + 数据资产平台，可能成为未来企业IT组织最关键的任务，也是它的核心价值所在。
判断五：多模态并存——三种模式将长期共存
是不是未来所有的团队，都会变成这种“炫酷”的新型团队呢？
我觉得不是。我们要清醒地看到：基于神经网络的AI，有一个天生的特点——不确定性。
传统程序也有它的优势：只要代码没错，输入1+1，它一定等于2。确定性，是程序相对于人脑的优势。而基于神经网络的AI更类似于人脑——简单的逻辑它能保证，但在复杂的场景下，它的结果有随机性。
那些最先实现“AI原生”的，会是那些需要快速原型、内部工具、强交互但逻辑简单的应用。但核心业务呢？
医疗系统——一出错就可能要人命
金融证券的核心系统——算错一笔就可能引发很大的财务纠纷
企业的核心财务系统——一出错可能就发错工资、给供应商付错钱
至少在很长一段时间，任何我们必须追求高度确定性的地方，AI只能作为辅助工具，而设计和代码的掌控权要完全抓在人手上。
基于AI和人的协作关系，我认为企业的数字化团队在长期里将是多模态并存的：
第一种模式：AI增强延续现在的敏捷团队结构和分工，充分利用AI辅助、一定程度提升效率。团队规模可能缩小，但关键的设计、实现细节以及决策，都由人来主导。
第二种模式：AI协同各个执行环节都托管给AI智能体，人只负责策略制定、决策判断和结果的审核微调。成果的产出和迭代主要交由AI来主导，人机分工协同。
第三种模式：AI自主未来，如果AI的可靠性能够有突破性进展，还会出现第三种模式——不仅是执行环节，部分或全部的决策都可以由AI自主进行。人只负责定目标、定约束、帮助它进化，同时进行观测。就像一个“种植园的园长”，看着一群智能体工作，但基本不介入。
这就意味着：我们不能只为未来的组织准备“一套普世的流程机制”，需要的人才也会是多样化。管理者必须具备同时管理多种模式的能力——包括管理智能体，也包括管理推动智能体进化的人。
结语：变革已经发生，不会等我们准备好
现在，可能95%的组织都还处在“AI增强”这个阶段。但个别的领先组织，已经在开始探索进入“AI协同”。
让我们简单总结一下AI时代组织演变的五个基本判断：
软件团队将大幅瘦身和重塑：形成很多“一个披萨团队”，每个角色的工作职责将被重新定义
业务和IT将深度业技融合：成为共担业务结果的一体化团队，业务专家就是产品
管理重心将从管项目流程转向管进化效能：观测和效能改进将是重点
AI智能体编排调度与运行中心将成为新的核心平台：直接影响组织竞争力
多模态并存：确定性的程序和不确定性的AI各有擅长，企业数字化团队将长期多模态并存、逐步向高阶演进
这一切变革，已经在发生了。它不会等我们准备好。每个人都在适应，组织也是。谁能够更大胆、更主动地拥抱变化，建立最匹配的组织形式和管理机制，率先走向AI原生，谁就可能取得商业上的领先优势。
