跳转至

迈向AI Native：快手技术团队的范式跃迁与组织进化

Ch04.686 迈向AI Native：快手技术团队的范式跃迁与组织进化

📊 Level ⭐⭐ | 4.5KB | entities/迈向ai-native快手技术团队的范式跃迁与组织进化.md

迈向AI Native：快手技术团队的范式跃迁与组织进化

在 AI 深度渗透软件工程、个体效率与组织效能之间鸿沟日益凸显的背景下，快手主站千余名工程师支撑着日活数亿用户的核心产品，其 AI 原生转型正面临"换了引擎却未重构流水线"的系统性困境。

本文整理自快手主站 AIDevops 负责人李思在 GIAC 2026·深圳站的分享《迈向AI Native：技术团队的范式跃迁与组织进化》。

【演讲摘要】

89%的企业已把AI投入实际业务，但生产力提升只有0.29%。DORA 报告也显示，个体效能上去了，组织效能却没变。AI 到位了，研发体系还是老样子，必须围绕 AI 重新设计。

过去一年踩了不少坑。24年下年代码生成率从17%涨到30%，交付周期却没变。后来发现只有不到10%的工程师真正变了，差异不在用不用 AI，而在有没有改变工作方式。快手把范式分成 L1 辅助、L2 协作、L3 自主，走两条路：L1 到 L2 铺开，L1 到 L3 特定场景突破。但个人快了组织没快，AI 越快人和人协作摩擦越大，人机摩擦也成了新负担，根源在围绕人设计的结构卡住了 AI。

解法就是三层重构。信息层面让 AI 能拿到知识，

要点

  • 流程层面从串行改成 Agentic 模式，组织层面交付和守护分开、产研边界溶解。后面直播礼物的案例就是三层重构的落地缩影——方向、分镜、生成、评审都由 Agent 做，人只定目标，上新周期从20天压到4天以内。目前 L2 已成主流范式，较 L1 周期缩短20%到30%。
  • 往前看还有验证规模化和先锋队模式两个难题。但说到底，变革落在每一个人身上。知识能被看见，品味和判断却很难，组织得给这些看不见的价值一个位置。人人都在加速，也要给远见留空间。 AI 跳过了慢慢写的过程，更要给年轻人慢慢生长的机会。范式在变，组织在变，底色永远是每一个工程师。
  • 过去一年多，我们一直在推进千人规模研发团队的 AI Native 转型，包括研发范式的升级，以及整个团队怎么做组织层面的进化。今天想和大家分享一下，快手主站目前在这个方向的进展、心路历程和一些具体的实践，主要分享如下三个部分：
  • 第一部分是宏观判断——行业目前在哪里，以及我们为什么要做 AI Native ；第二个是千人级实践——过去一年多做了哪些事情，踩了哪些坑，以及具体的思路和解法；第三个是组织进化相关的思考—— AI 改变的不只是代码，也在改变我们的人和协作的方式，我们是怎么做组织协作的演进，以及人才画像相关的一些思考。这是一个"打怪升级"的演进过程。**
  • 先看一组行业数据，NBER 今年对美英德澳四个国家的高管做了一个调查，发现89%的企业已经把 AI 投入到了实际业务，听起来占比非常高。但同时这份报告的另一个数字是：企业平均实际的生产力提升只有0.29%。高期待和低成效形成了一个非常鲜明的对比。右边这张图是《 DORA 2025 AI 辅助软件开发现状调查报告》，对 AI 在软件开发领域的影响提供了一个全景扫描，结论是个体效能提升非常显著，但组织
  • 从历史层面看这个问题，可能不是今天才有的。19世纪末，随着从蒸汽机到电动机的技术成熟，美国的工厂纷纷把引擎换成了电动驱动，大家以为从此效率会飞涨，但经过了30年，生产力并没有什么起色。真正的转变发生在192

→ 原文存档

关联