跳转至

范凌：AI 时代组织的 5 个反思

Ch04.617 范凌：AI 时代组织的 5 个反思

📊 Level ⭐⭐ | 5.7KB | entities/fanling-ai-organization-5-reflections.md

范凌：AI 时代组织的 5 个反思

特赞 Tezign 创始人范凌分享企业级 Agentic AI 公司如何用 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。

核心金句

  • "AI 不是帮研发提高效率的工具，而是帮那些需要研发资源的人拿到研发资源的 Agent。"
  • "AI fundamentally 是反千行百业和职业划分的，它让我们重新回到一种文艺复兴式的全能状态。"
  • "AI原生组织不是人的工作流里嵌上 AI，而是 AI 的工作流里嵌上人的 judgement。公司可以是一个 Agent，人是在这些 Agent 里面提供判断的角色。"

变革触发点

范凌发现公司内部把 AI 工具用得最好的不是研发，而是产品经理和设计师。他们用 Cursor 拿到了过去必须排期等研发才能获得的资源。这让他意识到，AI 不是让专业分工更快，而是让一个人跨越多个角色。工业革命以来"一人一岗、逐级晋升"的组织假设，正在被从底层动摇。

组织动刀：Pod + Community 双轨制

Pod 结构

全公司切成 pod——3 到 10 人的跨职能小队，内部闭环交付，不再依赖跨部门拉通。三年前特赞试过一次 pod，失败了，因为大家心理上还没准备好。但 AI 让团队自发减少了横向调配，pod 的土壤成熟了。

Community 补能

在 pod 之外建 community：横向社区帮所有人补齐销售、产品、代码等跨界能力，并专设 Leadership community——范凌判断 AI 时代带 100 个 Agent 比带 10 个人更难，pod leader 需要的不只是 AI 能力，还有 P&L、商业直觉和耐心。

角色边界溶解

Marketing 的人开始用 Claude Code 写脚本抓 LinkedIn 联系人，实质上已经是 Marketing Engineer；产品经理和设计师用 Cursor 直接出功能，不再等研发排期。研发占比从过去的 50% 持续下降，但"会写代码的人"反而变多了。

文化引擎：创始人下场 Build

组织架构只是骨架，真正让 AI 跑起来的是文化。范凌和 CTO、产品负责人三人组成的小团队，用 AI 做新产品，带来的用户增长远超其他 7 人团队。午饭、咖啡时间给同事秀 demo，其他 pod leader 也跟着秀。内部形成了"自豪地展示自己 build 的东西"的习惯。这种 dogfooding 文化的传染力，远超自上而下的推广。

基础设施：分层上下文系统

特赞正在搭建分层的上下文系统：

  • 公司级放 schema.md 等指导性文件，像索引一样指向过去积累的几亿个文档
  • Pod 级是各小队的专属上下文
  • 个人级是每个人自己的对话和偏好管理

企业级上下文还必须处理权限和保密，举例：投屏时搜 Wi-Fi 密码，AI 顺带把只有权限能看的保密密码也搜了出来。范凌倾向于把某些核心数据删凌不放进上下文系统。

产品探索

GEA (Generative Enterprise Agent)

企业级 Agent 架构。不执着于单个 Agent，而是把重点放在 Context 和 Orchestration 上——一个 Lead Agent 带若干 Sub-Agent，配上企业的 Skills 和 Context，在用户洞察、内容增长、产品创新等领域搭出企业专属的 Agent 项目组，相当于 7x24 小时运转的虚拟公司。

Atypica

"理解人的 AI"。基于约 100 万个真实用户的表达、故事、认知和行为数据，用 AI 构建主观世界模型来模拟消费者和专业用户。典型案例：美国教授用 2 万个真实家庭样本，让 AI 生成 1000 个典型人物画像，模拟夫妻和双方父母围绕生育话题的讨论，再不断注入政策变量观察行为变化。

实践启示

Leadership、ownership、responsibility、resilience 这些听上去虚的东西，在 AI 时代反而变得非常具体。

"绝大多数公司还停在 copilot 阶段：给原来的职能加 AI。但 AI 的能力已经发展到可以按照 AI 来重新设计组织。"

相关实体

→ 原文存档