乐于分享
好东西不私藏

AI打破传统组织角色界限:Claude揭示未来的五大核心角色

AI打破传统组织角色界限:Claude揭示未来的五大核心角色

Claude Code 背后的 Boris Cherny,前几天发了一条很值得产品团队看的动态。

他没有讲模型能力,也没有讲编码技巧。

他讲的是团队里的人。

他的观察很简单:工程、产品、设计、数据这些职能正在混在一起。以后看一个人,可能不能只看他名片上写的是工程师、产品经理、设计师,还是数据科学家。

更应该看他在产品里承担哪类工作。

Boris 用 Claude Code 团队举例,提到五类角色。我把它们统一翻成中文:

原型探索者、产品构建者、复杂度清理者、增长培育者、系统守护者。

这五个名字听起来像岗位,但最好不要当岗位看。

它们更像产品从 0 到 1、从 1 到 10、从 10 到 100 的五类关键工作。

产品卡住时,问题常常不是“还缺一个什么 title 的人”。

更常见的问题是:

现在没人把想法变成可验证的东西。

没人把原型做成真产品。

没人把越堆越乱的功能收拾干净。

没人持续把产品推近真实客户。

没人守住系统稳定、成本和长期质量。

这才是 Boris 这条动态对业务最有用的地方。

它不是在预测新职业。

它是在提醒我们:产品团队要按阶段补能力,而不是只按岗位补人。

先把五类人说清楚

第一类,原型探索者

这类人负责打开新可能。

他不一定一开始就写完整方案,也不一定马上做大功能。他要做的是把一个模糊判断快速变成可以验证的东西。

比如,一个客户场景到底有没有痛点,一个新入口用户会不会点,一个新流程是否能让转化更顺。

原型探索者的价值,不是点子多。

而是能用最低成本把一个判断拿去市场里碰一下。

第二类,产品构建者

这类人负责把东西真正做出来。

原型能演示,不代表产品能上线。上线要考虑数据、权限、边界、体验、稳定性、客户支持,以及出了问题谁兜底。

产品构建者的价值,是把“看起来能跑”的东西,变成客户真的能用、团队真的能维护的东西。

第三类,复杂度清理者

这类人负责做减法。

他会盯着那些没人用的功能、绕来绕去的流程、越写越难改的代码、越来越难解释的规则。

他不只是修 bug,也不是简单做优化。

他要回答一个更难的问题:这东西还该不该留在产品里?

第四类,增长培育者

这类人负责让产品越来越贴近市场。

产品做出来以后,真正的考验才开始。用户为什么来,为什么走,哪个功能带来留存,哪个流程卡住转化,哪个客户群最值得继续打。

增长培育者不是只做拉新。

他要把产品、用户、收入之间的关系不断调顺。

第五类,系统守护者

这类人负责守住长期质量。

当产品开始有规模,问题会变成另一种样子:系统能不能稳定,成本会不会失控,权限会不会出事,客户量翻倍以后响应会不会变慢。

系统守护者做的事不一定显眼。

但这类工作一旦没人负责,产品越成功,风险越大。

这不是职业测评,是产品诊断表

很多人看到这类分类,第一反应会问:“我属于哪一种?”

这个问题不算错,但不够有用。

更有用的问题是:“我的产品现在缺哪一种?”

如果团队想法很多,但迟迟没有真实客户验证,缺的可能不是设计师,也不是工程师,而是原型探索者。

如果 Demo 很漂亮,但一到上线就问题不断,缺的可能是产品构建者。

如果功能越做越多,客户反而越来越迷糊,团队每次改动都很痛苦,缺的可能是复杂度清理者。

如果产品已经有人用,但收入、留存、复购一直上不去,缺的可能是增长培育者。

如果客户量上来后事故变多、成本变高、交付变慢,缺的可能是系统守护者。

你看,这套分类真正能帮忙的地方,是把“团队感觉不对劲”拆成具体问题。

它让讨论从“我们是不是还缺一个人”,变成“这条产品线现在缺哪类工作”。

这个视角更适合业务负责人,也更适合小团队。

因为小团队没有那么多 headcount,不能每个岗位都配齐。

但每一类关键工作,都必须有人负责。

现在最容易缺的,是复杂度清理者

复杂度清理者:把堆起来的功能扫干净

工具变强以后,做加法太容易了。

一个新页面,可以很快搭出来。

一个新流程,可以很快拼出来。

一个新功能,可以先让 AI 写个版本看看。

这当然提高了速度。

但速度上来以后,产品很容易进入另一种危险状态:什么都能做,所以什么都想做。

客户提一个需求,加。

内部想到一个入口,加。

竞品有一个功能,加。

老板觉得这个指标要看,加。

每一次加法单独看都不荒唐。

但半年以后,产品会变成另一副样子:入口很多,主线不清;功能很多,客户不知道该用哪个;配置很多,销售讲不明白;代码很多,每次改动都怕影响旧逻辑。

这时候再说“我们迭代很快”,意义就不大了。

因为快不等于有效。

产品真正变差,往往不是因为少做了什么,而是因为多留下了太多不该留下的东西。

复杂度清理者最难的地方,就在这里。

他要敢说:

这个功能没人用,删掉。

这个入口带不来转化,关掉。

这条流程让客户更困惑,重做。

这段代码只是为了支撑过去的错误判断,清掉。

这不是技术洁癖。

这是业务判断。

因为每一个多余功能,都会消耗团队解释、维护、测试、交付和客户成功的成本。

执行越便宜,保留错误的成本越容易被低估。

所以我认为,在今天的产品团队里,复杂度清理者会越来越重要。

不是因为他会删代码。

而是因为他能帮团队承认:有些东西当初就不该做,有些东西现在应该停。

不同阶段,团队要补的人不一样

Boris 原文里还有一个很关键的判断:健康团队需要的组合,取决于产品阶段。

这句话很实用。

因为很多团队的问题,不是招错了岗位,而是用错了阶段。

还没找到明确需求时,最需要原型探索者、产品构建者、复杂度清理者。

这个阶段的重点不是把组织做完整,而是快速验证。

有没有真实客户?

客户愿不愿意试?

试完以后有没有继续用?

如果一个早期团队只有想法,没有构建,想法就停在 PPT 里。

如果只有构建,没有清理,试错很快会变成一堆历史包袱。

产品开始跑起来时,最需要产品构建者、复杂度清理者、增长培育者。

这个阶段的重点是把有效的东西做厚。

哪些客户最值得服务?

哪个场景最有复购?

哪个功能真的影响留存?

哪些东西只是噪音?

这时团队不能只靠灵感推进,要开始围绕数据、客户反馈和收入结果调整产品。

产品已经有规模时,最需要复杂度清理者、增长培育者、系统守护者。

这个阶段的重点是稳住质量,同时继续提升业务效率。

事故率、响应速度、客户成本、交付周期、权限风险,都会变成业务问题。

这时如果没人守系统,产品越成功,后面越容易补课。

所以,讨论 AI 团队怎么分工时,不要一上来就画组织架构。

先问产品处在哪个阶段。

再问这个阶段最缺哪类工作。

小团队最适合先分两条线

两条责任线:向前找市场,向后守系统

如果是创业团队,或者一条很小的新业务线,我不建议马上按五类角色招五个人。

更现实的做法,是先分成两条责任线。

第一条线,负责把产品往市场推。

这条线包括原型探索、产品构建、增长培育。

它要回答的是:

谁是客户?

先解决哪个问题?

第一版怎么验证?

哪些反馈要听?

哪些客户值得继续深挖?

这条线最好由一号位或业务负责人亲自抓。因为它决定产品方向,不能完全外包给工具,也不能完全外包给团队里的某个执行角色。

第二条线,负责把产品守在可持续状态。

这条线包括复杂度清理和系统守护。

它要回答的是:

哪些功能应该删?

哪些流程应该合并?

哪些技术债不能继续拖?

哪些稳定性和成本问题会影响交付?

这条线适合由一个有工程判断的人来负责。

不是只会写代码的人,而是能把产品、系统、成本和长期维护放在一起看的人。

这两条线一前一后,配合得好,小团队会非常轻。

前面的人负责找市场、抓机会、定方向。

后面的人负责控复杂度、守质量、避免产品被自己拖垮。

AI 工具夹在中间,负责把大量执行动作变快。

但最终判断仍然要由人做。

工具可以帮你写。

但它不能替你决定什么不该做。

工具可以帮你改。

但它不能替你承担产品变复杂后的业务后果。

怎么把这套框架用起来

最简单的用法,是在每次产品复盘时问五个问题。

第一,我们有没有足够快地验证新想法?

如果没有,补原型探索者。

第二,我们能不能把原型稳定做成客户可用的产品?

如果不能,补产品构建者。

第三,产品是不是越来越复杂,客户和团队都越来越难理解?

如果是,补复杂度清理者。

第四,产品有没有持续变得更贴近目标客户和收入结果?

如果没有,补增长培育者。

第五,规模上来以后,系统质量、成本和交付有没有被守住?

如果没有,补系统守护者。

这五个问题,比“我们还缺什么岗位”更直接。

因为岗位只是资源。

真正影响结果的,是这些关键工作有没有人负责,有没有被做到位。

最后

Boris 这条动态最有价值的地方,不是给未来起了五个新名字。

它提醒我们:AI 工具变强以后,团队管理不能只盯着岗位。

岗位会变,工具会变,交付方式也会变。

但产品从想法到市场、从市场到规模,始终绕不开几类工作:

有人探索。

有人构建。

有人清理。

有人培育。

有人守护。

少了哪一类,产品都会在对应阶段卡住。

所以以后看团队,不妨少问一句:

“我们还缺什么岗位?”

多问一句:

“这个产品现在卡在哪,哪类工作没人真正负责?”

这个问题,更接近业务结果。

来源说明:本文基于 Boris Cherny 于 2026 年 6 月 28 日在 X 上关于 Claude Code 团队五类角色的公开观察,并结合产品团队协作与 AI 编程工具的实践经验重新撰写。配图为按 Anthropic 官方文章视觉语言重新生成的原创示意图,并非 Anthropic 官方素材。