本文来自微信公众号： 叶小钗 ，作者：叶小钗
上周六，成都开展了AI应用生态大会，我在上面分享了自己在AI原生一块的经验，因为后面PPT也给出去了，所以想了想顺便一起分享给大家算了：
自我介绍
各位同学大家上午好，很荣幸在今天这个场合能够跟大家分享我们最近2年在AI原生这个事情上的一些探索。
至于我要如何在一分钟之内让大家给我打个标签，我想用几个数字：1-3-25。
首先是一，我曾经有幸作为项目一号位做了一个【行业级AI项目】，在我手里过的预算就有大几千万，这一个生产级项目带给了我非常系统性的AI知识框架，包括模型能力边界、技术路径、数据工程、团队组织，甚至论文、PR、商业化等莫名其妙的非技术板块。
总而言之，这一个生产级AI项目就让我吃饱了AI的红利。
其次就是3了，也是因为之前吃到了AI红利，我又觉得自己行了，大概在三年前出来做AI创业，几乎就失败了三次，所以大家可以成我为AI连续创业失败者；
我折腾的东西就多了，AI 2B、AI 2C、AI咨询什么的，这里面有很多故事，有兴趣的同学可以下来聊。
最后就是25了，虽然连续创业失败，但也要养活自己养活团队，所以这3年前前后后做了25个项目，大家看到的所有AI项目类型，我几乎都见过了....
对齐AI原生
今天的课题是：AI原生组织。
关于这个课题我们自己也经常在讨论，但其实也没有个很好的一致，所以这里先请教下大家，如何用一句话形容下，什么是AI原生呢？
我这里私下去采访了几个深度AI从业人员，他们里面有AI负责人、技术负责人、产品负责人、企业咨询师、一线AI工程师、行业P9大佬，AI投资人等乱七八糟的角色，所以他们是怎么看AI原生的呢？请看VCR：
什么是AI原生
虽然视频里对于AI原生的描述有点大同小异的感觉，但依旧有这么多版本啊，所以到底什么是AI原生？如果今天你问我什么是AI原生，我会说AI生出来的就是AI原生嘛：
第一，AI生出来的东西，就是纯天然的AI原生——这是亲儿子；
第二，为AI而生的东西，就是后天的AI原生——这是干儿子；
好，现在问题又来了，什么是AI生出来的东西，我们来罗列下：
GEO；
AI漫剧；
AI爆文矩阵
AI Coding；
AI医生；
AI客服；
那么什么是为AI而生的东西呢？自然就是为了解决AI天生缺陷，让整个环境更适应于AI发挥的东西了，比如：
Harness
Computer-Use
Browser-Use
RAG；
上下文工程；
钉钉A1这种为知识库服务的录音设备；
可观测系统/生产级项目调试系统；
BenchMark数据集
FDE
所以，大家就看出来了，AI生出了很多业务形态，但这些业务形态要运行得好，又需要很多不得不做的工程补足、能力扩展。
所以，亲儿子长在市场里，他们总是想用更高的效率去替换某个工种或某个角色，他们要赚钱；干儿子长在工程里，要证明AI有能力干活。
亲儿子看到的是替换的可能性，干儿子是服务于亲儿子的，追求的是100%稳定，或者说亲儿子能100%替换。
综上，AI原生有两个个关键词：第一是替换，第二是100%稳定替换，只不过现在来说这个100%还很远。
AI原生组织
在这个基础之下，我们再来讨论AI原生组织/团队，这个就很容易理解了：就是创造AI赖以生存的团体环境，让AI替换这件事可以更好的执行，目标当然是整个组织的效率最高了。
只不过现在这个事情割裂性有点高，我们先来看第一个AI原生组织的案例，他是关于研发团队的。
我的粉丝里面程序员是挺多的，所以请教大家一个问题：你们真实的感受，AI对你们的提效有多少，我这里给个数字：
超过30%的同学请举手；
超过50%的同学请举手；
超过100%的同学请角色；
最后，我来个夸张的，超过500%的同学请举手；
因为我是做企业咨询的，多见了几家公司，这里关于AI编程带给研发团队的效率提升，我有三个观察：
团队越小提效越高，最夸张可达1000%；反之，团队越大提效越低，比如30%就很不错了；
某些项目提效夸张，如老项目迁移、后台项目传统增删查改；有些项目提效不明显，如讨论共创探讨型、跨多部门项目协作；
对不同水平程序员提效不一样，呈现出能力越强AI越强的趋势；
所以，AI时代最大的难题也就出现了：
AI对个人的提效很夸张，但个人提效≠组织提效啊！
于是这里也就诞生了几个经典问题：
第一，既然AI对个人个人提效那么厉害，那么那些优秀的个人多出来的时间在干嘛？
答案很人性化，他们多出来的时间可能更倾向于去摸鱼，反正是不可能做公司的事情的...
然后就是第二个问题了，企业是如何看待AI提效这个事情的？
答案是：先支持，后面再撤回支持。
最典型的表现是，给每个员工配1000美金Token，最后发现AI对整体提效不大以及员工多出来的时间在摸鱼后，直接撤回了这笔支出。
这已经十分可恶了，但紧接着他们会做第二件事：开掉组织中看上去无关紧要的人物，做岗位合并！
比如我们学员团队最近有个产品离职了，他们也就不招聘了，多出来的工作直接丢给我们学员。
嗯，这很科学！能者多劳嘛，既然你AI用得好，那么你就多用！
然后就是最后一个问题了：为什么AI对企业的提效不足，而他们又要怎么办呢？
研发团队的策略：SDD
这张图应该可以告诉大家答案：
这里直接表现出来的问题是什么：需求不清、优先级不明、接口等待等实际的问题。
其实，如果大家对管理有点认知，这些问题会直指，企业管理难点的两个根源问题：
信息失真，信息在每个人的流转中不断失真。比如需求不清最直接的原因就是【大家都喜欢在需求里面加料】
评价失效，这个比较常见，也就是上游交付了垃圾，并没有惩罚。
还是需求不清这件事【偶尔是产品不小心，但更多时候他是故意的，他就是想让技术背锅做补位】，这里体现出来的原因是【岗位交付物没有达到标准但是也没有评价与惩罚】。
所以，该怎么办呢？这里研发团队给出的答案是SDD，他给整个团队提出了很多要求：
第一是：强制用统一模板（目标/范围/约束/决策/任务/验收）承载所有需求，信息形态标准化，无论谁发起、谁接手，读到的是一样的“契约”。
第二是：把“验收标准”作为准入准出凭证。上游交付Spec不达标（如缺边界、缺异常说明），下游（包括AI）可以拒绝开工，让质量问题在源头暴露，而不是让执行环节背锅。
所以，你问我SDD到底做了什么，我会说他提出了一套方法论、一些模板、一些评价规定，最终建立了一条研发团队的【信息通道】，这就是AI耐以生存的【数字底座】了：
只不过大家也要注意，SDD这东西解决了一些问题，自然也会引入一些问题，因为他又不能降低复杂度，他只能把复杂度从执行过程迁移到了定义阶段、回到了上游，也回到了他应该去的地方。
换句话说，有了SDD这套东西，也许没有AI，整个团队效率也会提升，只不过AI加速了这件事。
并且，这东西对要求挺高的，而且需要付出的管理成本也很高，比如我现在就一个小需求，要不要走一次完整的流程，这个本来就是一个问题。这是我们之前实践的一张建议图，大家感受下就好：
AI原生组织1.0
好了，之前就是一个完整的AI原生研发团队的案例，至此一套AI原生组织的公式其实也就出来了，他是：
AI原生组织=员工AI能力+机制流程匹配
员工对AI工具的使用情况如何，团队是否创建了匹配的数字化底座，组织是否为员工和任务匹配了新的评价激励策略，并且是否在严格遵守？
在这个基础下，我们再来简单看看第二个案例，他是我们之前帮某电商公司搭建的一套完整业务系统，大家可能会发现故事开始变得魔幻起来：
AI原生组织=脏乱差
在这个项目里面，我们遭遇了很多问题，工期预期从最初的一个月直接拉到了三个月，而多数时间都在解决各种管理、交流问题，这也是我在推行AI原生过程中非常典型的问题：
需要去跟各个部门重复沟通、沟通、再沟通，再把所有人拉到一起，对齐、对齐、再对齐...
多数公司是：没有业务主线/没有数据标准/没有权限控制的！
我知道很多团队都是草台班子，但真的到了一个公司没办法把业务主线整理清楚的时候，我依旧感到很惊奇...
团队里面没有一个人能说清楚业务全貌，包括：
线索从哪里来？谁负责分配？
销售如何跟进？
线索怎么转成学员？
.......
他们会用Excel处理几十万行数据、他们会用看不清表格边框的屏幕，笨拙的处理表单、他们也会拿着身份证一个字一个字的将信息录入系统，虽然最后还错了不少
而就是这种情况下，他们业务都已经跑了两年了，并且居然还赚钱了，这一度让我以为：原来创业也没那么难...
大家还不要笑，因为在国内50%以上的公司都是这个情况，但他们也想享受这波AI红利：
那么需求就在这了，你去不去做呢？我这两年就做了很多，并且每次都在提效上取得了不错的成绩。
但你如果问我他们现在运行得怎么样，我想80%的企业都失败了吧，而且失败的原因也很有意思，除了本身死了的公司，其中比较神奇的是两个：
第一个是，换了个总经理，一来就把之前的系统推翻了；
第二个可以说细点，之前他们有个5人销售团队每天有几百个销售线索要分配，他们线索分配有很多策略，比如：
好的线索优先给几个销冠；
一般的线索丢群里，谁强到就给谁，但抢了的人30分钟处理线索就要回归线索池；
总之，这里有很多策略，这5人团队天天累得不行，于是我们给他们做了个【智能销售线索分配系统】，直接把这个团队给解放了：
只不过一个在效率上成功的系统，最终败给了复杂的管理博弈，什么意思呢？
原因可能很扎心：老板对其中某个销售团队Leader不满意，但又不能裁员，但是AI系统因为太公平了，居然还让他们每个月都拿奖金；
这就让老板忍不了了，但又不能太有针对性，于是他直接把系统停掉了，所以公平这个东西其实并不是老板们需要的...
这个案例里面跳出了产研的舒适圈，我们会发现所谓AI原生其实并没有那么美好、那么高大上，并且这些高大上的背后全部是脏乱差和管理成本。
AI原生组织2.0
但在这里，我们的公式就要扩展了：
AI原生组织=员工AI能力+机制流程匹配+组织评价匹配
如果你的组织真的想把AI用好，除了匹配机制流程外，还得匹配评价体系，既然AI真的带来了激励、带来了效率，那么你就应该认可他的评价。
如果他短期的评价影响了你长期的布局，这里应该做的是更新公共规则，而不是停掉AI系统。
到这里，对于什么是AI原生组织，我相信各位对AI原生组织已经有了个基本认知，最后回归下我们两年的创业项目：CEO数字分身
CEO数字分身
当时项的目尝试回答一个问题：AI时代的组织结构、运作方式应该是什么样的？在我的构想中，这套系统需要完成三个核心功能：
对企业的信息流做统一的管理；
不断发现企业冗余、重复、低效的模块，并且给他AI化了；
在基本信息链路完善（形成）的前提下，AI开始逐渐做出有效的建议、也能起到专业评价的作用，理想情况就不需要管理了，AI管完就好：
想法挺好、也实际拿到部分数据，但当时老板们根本不买单，因为他就是活生生的管理成本。
甚至：如果今年不是因为小龙虾给那些老板洗脑洗焦虑了，现在也根本没那么多公司追求什么AI原生、数字员工。
很多同学一定要意识到，AI原生组织他是个管理的事情，首先他不酷是个脏活累活，其次老板买单是要看效果的。
所以，CEO数字分身是什么呢？他其实是两个东西的组合：AI操作系统+这套操作系统所需的管理方法论。
AI操作系统出现的目的，是将一些机制流程、评价强行包含到了系统里，这样可以降低管理复杂度。
这里需要解释一下这个操作系统的两大核心：
第一，信息通道，也就是这套系统需要将组织里面发生的所有信息以最优的形式组织起来，我们之前是采用的项目的方式做组织：
第二，工作流容器，也就是员工日常的工作流或者说Skills的承载容器
AI原生组织3.0
至此，我们最终的AI原生组织公式也就出来了：
AI原生组织=员工AI能力+机制流程匹配+组织评价匹配+AI操作系统
我知道各位看着吃力，我用之前CEO数字分身的结构给大家展示下阉割版：
现在，我相信我们把AI原生组织是怎么个事说清楚了。而今天我已经没有时间为大家介绍如何去做AI原生这件事了：
但这件事也没大家想的那么难，很多组织追求AI原生的逻辑都是类似的：
第一，用自动化脚本替代人肉流转
第二，用提示词处理非结构化信息
第三，用定时任务跑数据指标
第四，做一套飞轮系统出来，让AI更聪明；
站在团队的角度，又一般会分为三个阶段：
散乱阶段，零星使用；
Copilot阶段，以人为主，个人提效明显，但组织不明显；
Native阶段，工作流程以AI为核心构建，组织效率提升明显；
对应的是四层问题递归，大家自己去感受就行，反正每一层的问题解决了，第二层的问题自然就出现了：
