跳转至

范凌：当公司变成Agent，关于 AI 时代组织的 5 个反思

Ch04.347 范凌：当公司变成Agent，关于 AI 时代组织的 5 个反思

📊 Level ⭐⭐ | 7.3KB | entities/范凌当公司变成agent关于-ai-时代组织的-5-个反思.md

范凌：当公司变成Agent，关于 AI 时代组织的 5 个反思

"AI跃迁者调研" 是 AI 透镜的深度对谈系列。跃迁不是线性的进化，而是推翻迭代再重建。我们每期会邀请一位AI跃迁者—AI 原生创业者、AI转型的企业一号位或用 AI 重做自己的超级个体，分享他们想的结论、拆的过程、建的逻辑、交的学费，和在持续变化里守住的东西，给同样走在这条路上的人一些真实的参照。 第一期，我们邀请到特赞 Tezign 创始人兼 CEO、同济大学教授、博士生导师，设计人工智能实验室主任范凌博士。特赞是一家成立 10 年的企业级 Agentic AI 公司，致力于基于自研Generative Enterprise Agent （ GEA） 架构，构建能够理解企业业务语境、参与复杂决策并持续推动结果产生的企业级智能体系统，帮助企业实现增长、创新与生产力提升，长期服务企业的用户洞察、产品创新和营销增长。更重要的是，它自己也在用 AI 重做组织：从 pod 变革，到 community 培养，再到用 skills、context 和 orchestration 搭建 Generative Enterprise Agent。 我们和范凌聊了 AI 如何改变组织架构、人才密度、客户交付和产品壁垒，也聊了这些变化背后没被解决的问题。

相关实体

→ 原文存档

深度分析

范凌提出的"AI 是反工业革命的"这一判断，触及了 AI Agent 化转型的核心逻辑：AI 不是让专业分工提效，而是让一个人跨越多个角色，从而从底层瓦解"一人一岗、逐级晋升"的工业革命组织假设。这个认知的实践触发点来自于一个意料之外的观察：特赞内部把 Cursor 用得最有创造力的不是研发，而是产品经理和设计师——因为对他们而言，Cursor 本身就等价于"获取研发资源的能力"。这揭示了一个重要的结构性变化：在 AI 时代，"能力"的定义正在从"个人拥有的专业技能"转向"个人+AI 组合能够完成的任务边界"。组织设计的假设正在从"分工协作"转向"高内聚、低耦合"的小队模式，而 AI 是这一转变得以实现的技术前提。

特赞的 pod + community 双轨制提供了一个有价值的组织变革参照系。Pod（3-10 人跨职能小队）追求的是"高内聚、低耦合"——小队内部完整交付，小队之间无需频繁横向协调。Community（横向社区）则承担了能力补齐和 leadership 培养的功能。值得注意的是，范凌强调 AI 时代带 100 个 Agent 比带 10 个人更难——这意味着 pod leader 需要的不只是 AI 能力，还需要 P&L 意识、商业直觉和耐心等"人"的素质。这一观察揭示了 AI 原生组织和传统组织在管理维度上的根本连续性：复杂度并未降低，只是形态发生了变化。

从 AI 原生产品设计的角度看，范凌提出的"AI 不能压缩时间的能力积累"是一个极具战略价值的聚焦原则。特赞的 GEA（Generative Enterprise Agent）架构不执着于单个 Agent 的能力极致化，而是将重点放在 Context 和 Orchestration 上，通过 Lead Agent + Sub-Agent + 企业 Skills/Context 的组合构建可持续积累的智力资产。Atypica 和 Game Lab 的设计则展示了另一个维度——用 AI 模拟人的主观世界来解决社会科学研究问题，以及通过真人 vs AI 博弈游戏来做 evals，确保 AI 模拟的准确性。这两条路径共同指向一个核心判断：在 AI 时代，壁垒不在于模型本身的能力，而在于与真实物理场景和独有数据结合后形成的"AI 增强的专业判断"体系。

范凌对 AI 原生组织与 Copilot 阶段组织的本质差异阐述尤为深刻：绝大多数公司还停在 copilot 阶段（给原来的职能加 AI），而 AI 的能力已经发展到可以按照 AI 来重新设计组织。公司本身可以是一个 Agent，人只是在这些 Agent 里面提供判断（Judgement）的角色——这一框架将 AI Agent 的应用从"工具增强"层面提升到了"组织重构"层面，意味着管理层级的减少和协调成本的系统性下降。同时，他对"最会用 AI 的人反而最累"这一现象的坦诚揭示，提示我们不能忽视 AI 赋能背后的人类认知负荷问题：在 AI 帮助人们拓展了能力边界之后，管理多个 Agent 和多个并行任务的认知压力可能反而超过传统分工模式。

实践启示

  • 以"谁用 AI 拿到原本拿不到的资源"来衡量 AI 价值，而非仅看提效百分比：范凌发现产品经理和设计师是 Cursor 最好用的群体，因为 AI 对他们而言等价于"研发资源获取能力"。组织应建立机制去发现这类"AI 赋能跨界"的典型案例，而非仅关注研发部门的 AI 提效指标。

  • Pod 化组织转型需要两个前提成熟才可能成功：心理接受度和 AI 技能储备：特赞三年前第一次尝试 pod 失败，核心原因是团队心理上不习惯；去年重启时，AI 工具的成熟使得团队自发减少横向资源调配，土壤才真正成熟。在推动类似组织变革前，应先评估团队在这两个维度上的准备程度。

  • AI 原生人才的培养重心应从技术能力转向商业思维和领导力：范凌指出 AI 时代带 100 个 Agent 比带 10 个人更难，pod leader 需要懂 P&L、有极致责任心和耐心。建议在团队发展计划中系统性地融入商业课程和领导力培训，而非仅提供 AI 工具使用培训。

  • 场景发现应成为 pod leader 的核心职责之一（约 30%-40% 时间）：特赞让 pod leader 用 AI 从数百个客户需求中提炼共性场景，并用 SPIS 方法论结构化，带着"别人的痛点"而非产品 demo 去和客户对话，能显著提升客户共情和对话质量。这是 AI 时代销售和客户开发的新工作方式。

  • 面向 AI 时代的产品战略应聚焦于"AI 不能压缩时间的能力积累"：在 AI 能力快速迭代的背景下，单纯依赖模型能力的功能开发壁垒脆弱。应将资源投入与真实物理场景和独有数据结合的方向（如特赞的 Game Lab evals 和 Atypica 主观世界模型），构建需要长期积累而非短期套用的差异化壁垒。