跳转至

AI Native 时代 —— 研发组织何去何从

Ch01.311 AI Native 时代 —— 研发组织何去何从

📊 Level ⭐⭐ | 11.7KB | entities/ai-native-rd-org-design-xiaobin.md

"AI Native 时代 —— 研发组织何去何从"

AI Native 时代 —— 研发组织何去何从

作者：许晓斌 | 来源：阿里技术 | 2026-05-14（25分钟阅读）

核心洞察

内部访谈数据（4位深度使用AI的工程师）：

  • 写代码占比：30% → 5%
  • 和 Agent 对话占比：5% → 60%
  • 编码效率提升 10 倍，但端到端需求交付效率只提升 2-3 倍

组织的本质：2000年协调问题

组织的演化核心在解决同一件事：信息怎么路由。

  • 罗马军团：8→80→480→5000人嵌套结构，信息路由协议化
  • 1806年普鲁士军队改革：总参谋部（中层管理雏形）
  • 1840年代美国铁路：第一个组织架构图（防止火车相撞）
  • Taylor科学管理、矩阵组织、Squad、Holacracy、Valve扁平化 核心约束始终没变：人的"管理跨度"（3-8人）。 所有组织形状都是这个约束的妥协。

旧定律都是人的协作物理学

  • 康威定律：团队内部沟通成本 << 跨团队 → 模块边界不可避免与团队边界重合
  • 人月神话：沟通成本随人数指数增长 → 加人无法加速延期项目
  • Taylor科学管理：工作拆分成专业岗位 → 人的注意力是稀缺资源
  • Manager评价制：员工产出不可观测 → 让"信息上最近的人"代理评估

AI 不是新工具，是新协作主体

AI 和人形成镜像反面：人需要激励/会疲劳/有情绪/Context switching成本高/记忆注意力有限；AI 没有这些限制。

双层架构：Harness + Hive Mind

真正在做 AI Native 的团队有一个共同形态：

  • 底层 = Harness层：代码、测试、流水线、文档、世界模型，所有信息做成 AI 友好形态 → AI 主导
  • 上层 = Hive Mind层：对话、试错、idea涌现、Yes-and → 人主导

范式转换：Org Chart → Execution Graph

Ken Huang："Once AI becomes agentic, the organization stops being accurately described by an org chart. It becomes an execution graph."

  • 旧 Org Chart：最小单元是"人 + 长期关系网"（粘性极高，reorg周期6-12个月）

  • 新 Execution Graph：最小单元是"任务 + 上下文 + 权限 + 工具"（机器可读，重组成本压到 week 级） 核心问题变了：

  • 旧问题：ownership——"谁拥有这件事？"

  • 新问题：routing + governance——"意图从哪里进入系统？怎么被翻译成行动？什么约束让行动是安全的？"

人的双重角色

人既是协作的瓶颈，也是协作的兜底。 人过去默默吸收的隐性成本：不完整的需求、没注释的代码、不一致的API约定、口头传达的"潜规则"。 AI 没有"猜"和"问老王"的能力——AI 需要结构化、可查询、可执行、确定性的信息。 新瓶颈：不是 AI 能力不够，是系统的信息形态不够。

Harness Engineering

OpenAI 2026年初提出：工程团队首要职责不再是写代码，而是让 Agent 能干活。 AI 友好的5个维度：测试完备性、环境完备性、架构合理性（无循环依赖、无跨服务隐式调用）、端到端测试可执行性、文档充分性。

复利效应：Harness 跑起来 → AI 接管越多 → 失败信号越丰富 → Harness 优化越快

管理塌缩（不是消失）

把管理者工作拆开（10件事）：战略传导、信息聚合、资源协调、日常决策可被系统替代；激励、辅导、招聘退出、文化建设不可被替代；新出现的是意图教练、身份重建、虚无对抗。 Architect = 新最高杠杆点：设计教 AI 怎么工作的人。把组织的隐性 know-how 翻译成 AI 可消化形态。 Agent 是新员工类（Ken Huang）：Agents 需要 onboarding、scoping、supervision、offboarding。但有四个最危险的不对称：可被无限复制 / 同小时既 brilliant 又 brittle / Compliance-blind by default / Fast enough to fail at scale

Platform 三柱架构

柱 职责
Agent Platform Group runtime 标准、权限、日志、可观测、评估 harness、安全部署
Domain Teams 3-5人垂直功能小组，对结果负责（不对模型负责）
Risk and Oversight 免疫系统（当治理做好的时候，它不会拖慢 Hive Mind，是让它活着）
六项基本功：枚举 agents、权限纪律、梯度自治、日志、评估 harness、事故响应。

三类工作 / 三种治理

工作类型 治理方式
执行类 最大化透明度，死防御性 ego
优化类 抑制 ego，结构化但留批判空间
创新类 保护性环境，维护生产性 ego

转型的真实代价

三个无法回避的问题： 1. 培养断裂：day 1 AI 已在写代码，day 1 的人应该做什么？入门级岗位本身可能消失 2. 蒸馏焦虑：员工意识到"我说的越多被替代得越快" → 关键知识藏匿 → 最优秀的人先走 → 转型基本失败 3. 行业级负反馈：senior 池消耗 → Architect 储备越来越薄 → "death of expertise"

还没解决的

  • AI 信任度：CR和缺陷分析等高风险环节，"不敢全信、人工又扛不住"两难
  • 绩效失效：旧评价依据失效，新依据还没建立
  • 3-5人小团队是临时最优还是终态？
  • AI 知识资产继承：员工花几个月调教的 agent，人走时怎么办？

关键判断

  1. Harness 工作是组织未来速度的复利本金
  2. 不要把 AI Native 当作又一次 reorg——真正价值是让组织未来不再需要痛苦的 reorg
  3. 解决 Architect 的激励问题：把"被威胁的资深工程师"转化为"被赋能的 Architect"
  4. 分辨节点类型：执行节点全透明 + 死防御性 ego；创新节点保护性环境 + 维护生产性 ego
  5. 开始做 agent 名册——不可能治理叫不出名字的东西

深度分析

这篇文章的真正贡献不是提出新概念，而是把所有散点连成一条线。 许晓斌的核心论点可以浓缩为一句话：AI Native 改变的不仅是工具，而是组织运作的底层操作系统。 三个关键洞察： 1. 信息路由是组织的元问题。从罗马军团到现代企业，所有组织创新本质上都是在解决"信息怎么高效到达正确的人"。AI 让这个问题的解法从"人的网络"转向"任务-上下文-工具的网络"。 2. 人的双重性在新范式下被放大。人在旧系统里是隐性成本吸收器——不完整的需求、模糊的边界、没写出来的业务规则，人默默填补了这些空白。AI 没有这种"模糊匹配"能力，它需要确定性。这意味着信息生产的范式必须从"人的默契"转向"机器可读的结构"。 这个转变的代价被严重低估。 3. Execution Graph 不是一个组织图，而是一个意图路由系统。当最小单元从"人+关系"变成"任务+上下文+权限+工具"，组织设计的核心问题就从"谁向谁汇报"变成"意图从哪里进入系统、如何被翻译成行动、什么约束保证安全"。这是从静态结构到动态拓扑的范式转移。 最值得警惕的判断：管理塌缩不是"管理消失"，而是"可编码的管理消失"。战略传导、信息聚合、资源协调这些可以被系统化，但激励、辅导、身份重建这些涉及人的意义感的部分，不仅不会消失，反而会变得更重要。这对管理者的能力模型提出了完全不同的要求。 文章的弱点在于对"过渡期"描述不足。Execution Graph 描述的是终态，但大多数组织正在从 Org Chart 向 Execution Graph 迁移——这个过渡期的摩擦成本（政治摩擦、技能断档、激励错位）没有被充分讨论。

实践启示

对一线工程师：

  • 从"写代码"转向"让 AI 写好代码"——你的价值在于判断、校正和整合 AI 输出
  • 开始积累"AI 调教经验"——你对 agent 的 prompting 能力会成为稀缺资产

  • 锻炼结构化表达能力——向 AI 传递信息的能力本质上是一种新的核心技能 对技术管理者：

  • 立刻开始做 agent inventory：盘点你团队里有几个 agent、它们各自负责什么、谁对它们负责

  • 区分执行类、优化类、创新类工作，用不同方式治理——用管开发人员的方式管 agent 会扼杀创新

  • 关注 Harness Engineering 能力：代码可测试性、环境一致性、文档完备性，这些是 AI 时代的"技术债" 对组织设计者：

  • 从招聘"会写代码的人"转向招聘"会设计 prompt 和判断输出质量的人"

  • 不要把 AI Native 当作一次 reorg 的理由——它的真正价值是让未来的 reorg 成本大幅降低
  • 建立 Architect 角色：专门负责把业务隐式知识翻译成 AI 可消费的显式形式，这是新的最高杠杆点

  • 开始构建 Platform 三柱的雏形：Agent Platform Group（标准 + 安全）、Domain Teams（垂直能力）、Risk and Oversight（治理保障） 对 HR/组织发展：

  • 入门级岗位萎缩是真实压力——需要重新设计"人怎么从新手变成专家"的路径，AI 可以承担更多 mentorship 角色

  • 绩效评价体系需要重建：从"产出可观测性"转向"判断质量 + AI 协作效能"
  • 关注"蒸馏焦虑"——最优秀的员工如果感觉自己的知识被 AI 替代，他们会第一批离开

Reference

相关实体