內容來源：本文轉載自微信公眾號經緯創投(matrixpartnerschina)，筆記俠經授權轉載。轉載請聯系原公眾號授權。

責編| 柒排版| 拾零

第 9655篇深度好文：6729字 | 17 分鐘閱讀

商業趨勢

在AI時代創業，“勤奮”可能不再是褒義詞，反而會掩蓋企業問題的真相。

這個看似不符合常理的觀點，自有底層邏輯。丹·蘇利文（Dan Sullivan）和本杰明·哈迪（Benjamin Hardy）在合作出版的著作《10倍增長比2倍增長更容易：頂尖企業家如何通過少做事來實現更多目標》中提出一個概念：追求十倍增長比追求兩倍增長更可行、更有效。

在他看來，2倍目標通常依賴于增加工作量和重復舊模式，而10倍速目標則強迫領導者進行思維方式的轉型。

尤其在AI時代，“10倍增長比2倍增長更簡單”的邏輯則更容易付諸實踐。這個邏輯的核心是：利用AI作為極度杠桿，徹底剝離那80%的平庸任務，從而專注于挖掘和放大你的“獨特能力（Unique Ability）”。

所以，很多公司的創始人開始焦慮，擔心競爭對手已經開始用AI重寫組織結構，而自己的公司還停留在舊時代的人力模型。

于是，幾乎每家公司都在嘗試用AI降本增效，Cursor、Claude Code、OpenClaw輪番上陣，公司也做了各種培訓和改革，但實踐的效果看起來沒有那么好。

那么，如何用好AI這個工具呢？經緯創投舉辦的HR CLUB活動邀請了積加科技CTO陳敬敏，結合真實使用場景，從底層邏輯到落地實操深度拆解公司使用AICoding工具的心路歷程。

積加科技addx.ai是一家面向全球市場的AI原生硬件公司，主要是將視頻理解、視覺記憶Agent、視覺Token構建與壓縮、垂直場景世界模型等核心技術，應用于自然觀察、家庭智能、運動健康等場景，為全球數百萬用戶提供個性化并持續進化的產品與AI增值服務，積累了豐富的AI應用經驗。

而正是基于這樣的技術沉淀與業務需求，積加科技親身實踐發現，企業想要真正借助AI實現質的飛躍、達成10倍增長，并非一蹴而就，必須跨越三道核心鴻溝。

第一道鴻溝是人的思維和習慣：越資深的人，越被經驗拖累。他們面對變化先問“確定可以這樣嗎？”，而正確的思維是why not。

第二道鴻溝是工具的形態：企業內部工具幾乎全是GUI，為人設計的點按鈕、填表單。但AI只會調API。工具沒有API，AI就無法操作，一半以上的部門就被排除在AI化之外。

第三道鴻溝是組織的結構：流水線式依賴，我做完給你，你做完給他，一個人卡住全鏈路停。而在AI時代，協作不是美德，是成本。

而三道鴻溝的根源是同一個：現有企業是為人與人協作設計的，不是為人與AI協作、AI與AI協作設計的。

那么，如何通過AI處理一切平庸的80%，讓創始人和公司獲得真正的“深層自由”呢？以下，Enjoy：

一、公司的AI化，

如何一步步轉變工作和思維方式?

在AI時代，企業要獲得十倍增長（10X Growth），其核心邏輯并非通過AI“做得更多”，而是利用AI實現“做得更少但更好”的質變。

積加總結了一個核心公式，用來判斷一家企業的AI化走到了哪里：

企業AI化程度=技術閉環×工具接口化×人才適配度×組織適配度

乘法意味著，任何一個維度為零，整體為零。大多數公司可能只做了技術層的一小部分，其他三層完全沒動。而積加的做法是這四個維度同時推進，并分了四個階段重構工作方式。

階段一（2025年3-4月）：Coding Copilot，人主導，AI補

起步階段，積加為30名主力研發開通了Cursor Enterprise賬號。

這個階段的AI，本質上是一個更聰明的IDE插件。程序員打開AI，AI幫你補全函數、生成單元測試、解釋一段不熟悉的代碼。代碼是人想出來的，邏輯是人設計的，AI只是幫著打字。

而人的位置還是主角。AI是工具，人是執行者。效率有一定提升，但沒有質變。本質上還是在用舊方式工作，只是跑得快了一點。

階段二（2025年9月）：Sonnet 4.5發布，AI主寫，人負責Review

這個階段發生了一個標志性事件是Claude Sonnet 4.5上線。這一次模型能力的躍升，讓陳敬敏和團隊意識到AI寫代碼的能力已經超越了補全的范疇。

于是，他們的工作方式發生了根本轉變：從“人寫代碼，AI補全”變成“AI寫代碼，人來Review”。

人不再是從零產出代碼的那個人，而是判斷AI產出是否正確的那個人。Review的速度遠快于手寫代碼。因為當你只負責判斷對錯，而不負責生成時，速度天生快一個量級。以前一天寫200行，現在一天Review 1000行還游刃有余。

類似的變化，也正在全球AI Native公司內部發生。微軟CEO納德拉曾提到，公司內部已有相當比例代碼由AI生成。越來越多工程師的核心工作，也開始從“寫代碼”轉向“審代碼”。

代碼生產的重心，第一次開始從“生成”轉向“判斷”。于是，人從執行者變成審核者，這是人與AI角色的第一次反轉。

階段三（2026年2月）：Opus 4.6+Claude Code，人說意圖，AI做設計

GPT-4.6發布和Claude Code工具成熟，驅動著積加做了一個后來被反復提及的實驗：把之前被刪除的1萬行代碼的技術方案完整喂給AI，讓AI基于方案重新實現。結果是，AI生成的代碼質量比原來的更好。

這個結果讓陳敬敏意識到：AI能做的，不只是寫代碼。與此同時，團隊的效率出現了質的躍升。主力研發一天成本$200-300，但一周可以產出2萬行代碼。積加團隊切換到Claude Code，90%的員工日常使用Coding Agent，體感效率再升2-3倍。

這時，工作方式發生了第二次質變：人不再寫代碼，也不再做架構設計。架構設計本身也可以交給AI了。人只負責兩件事：告訴AI要做什么（表達意圖），review AI的設計是否合理。

人從審核者變成設計者和決策者，AI成為真正的執行者。

這種趨勢，也正在AI行業內部迅速擴散。在Cursor、Anthropic等AI Native公司里，越來越多工程師已經不再把“寫代碼”視為核心競爭力，而是把“定義問題”“組織上下文”“構建約束條件”視為更重要的能力。

因為AI正在快速降低“實現”的門檻，但“判斷”依然稀缺。

階段四（現狀）：Harness體系就位，老代碼成為最大瓶頸

最近，新的Harness基礎設施搭建完成——Skill體系、TDD閉環、CI/CD Pipeline、可觀測性全面到位。在這套體系下，AI Agent能夠自主驗證、端到端交付，新代碼運行流暢，效率釋放徹底。

但與此同時，一個意想不到的瓶頸出現了：老代碼。

當積加試圖讓AI介入老代碼的修改時，發現測試覆蓋不足，AI改完無法自動化驗證。模塊邊界模糊，AI改動一處可能引發多處連鎖反應。

同時，接口不標準，AI在上面跑不通閉環。結果就是，AI的效率提升不僅沒有，還增加了風險。改得越多，隱患越大，老系統Bug多、運行慢，與新體系形成降維對比。

這也是很多傳統企業正在面臨的共同問題。AI并沒有消滅歷史包袱，反而因為生成速度太快，把舊系統的問題進一步暴露出來。

于是，積加決定用3-4個月整體重寫老代碼庫，后端從Java轉向Go。老代碼庫任何變更的審批權收歸CTO，默認不通過。

這不是技術潔癖，是業務剛需。公司沉淀的知識是資產，老代碼不是。把知識提煉成設計文檔，讓AI從頭實現，比在爛代碼上打補丁更高效。

新項目則必須從AI原生架構起步，模塊邊界清晰、接口標準、測試完整，這樣的代碼庫才是AI的游樂場。

這四個階段的每一次躍遷，人都往上移一層。從寫代碼到聊設計，從聊設計到聊意圖，從聊意圖到構建Harness。退到最后，人只做一件事：判斷和決策。

陳敬敏用一句話為整個路徑做了收尾。AI能做的事，交給AI。人只負責那些AI做不了、或者不該做的事。

這也說明了一個事情。AI的使用并不是工具升級，是工作方式的重構。每一步都是一次人與AI關系的重新定義。

二、非產研部門的AI化，

要學會改造工具的形態

過去一年，大量企業在推進AI改造時，重點幾乎都放在產研和算法團隊，做模型優化、構建Agent、搭建RAG系統。但在真正的組織落地層面，非產研部門往往才是AI滲透最慢的一層，因為它們被“工具形態”卡住了。

一直以來，大家都忽略了一個現實。過去二十年，企業軟件設計的核心邏輯是GUI（圖形界面），所有系統都是給“人”設計的，人會點按鈕、填表單、復制粘貼、截圖發群。但AI完全不會，它只會讀接口、調API、跑工作流。

所以，非產研部門AI化的真正瓶頸，并不是員工不會用AI，而是工具本身“不具備AI可操作性”。

這也是為什么很多企業即使上了幾十套AI工具，效率提升依然有限。這是因為，流程只是從“紙質搬到軟件”，沒有從“人驅動”變成“機器驅動”。

所以，積加開始嘗試把內部工具“skill化”或API化，核心目的就是把UI層和執行層拆開，把內部幾十個系統逐一封裝成可調用能力。

積加做了一個較為極限的嘗試，陳敬敏花4個小時，一個人做了一個skill，讓AI自動完成了這件事。

最先變革的是積加的HR部門，把招聘系統變成AI可調用的接口。

篩簡歷、查候選人、打招呼，這些本來是HR在各個平臺上手動操作的。經過改造后，AI自動從Boss直聘拉取候選人數據，按JD匹配度打分，自動解析簡歷PDF，篩選結果同步到飛書Talent。HR不再登錄任何后臺，AI把結果送到飛書，HR只做最終決策。

于是，原來篩100份簡歷要大半天，現在AI跑完只需要幾分鐘，正確率比人工篩選更高。

這個變化的關鍵不是HR學了什么新工具，而是招聘平臺有了AI能讀懂的接口。

行政則需要把搭建系統的過程變成AI可執行的動作。以前行政想做固定資產管理系統，要找IT提需求，排期等待，兩周能上線算快的。

可是現在，他們只需要跟AI說“幫我搭一個資產管理系統，支持設備錄入、借用歸還、維保提醒”，飛書多維表格AI自動生成表結構、字段類型、示例數據、看板視圖。十幾分鐘完成，上線可用。

最讓人頭痛的OCR發票報銷，也是如此同樣。拍照上傳AI，自動識別發票內容、分類報銷科目、寫入飛書報銷表，整個鏈條的關鍵不是行政學了什么工具，而是搭系統的過程變成了AI可執行的標準化流程。

工具形態轉變后，財務可以用AI自動從數倉拉取支付流水和內部訂單數據，逐筆匹配，標注差異，生成對賬報告。財務月初第一天就能完成對賬；運維用AI做日志分析、問題定位、修復步驟生成，然后飛書通知值班人員，人審批后AI執行變更。

這也告訴大家，工作中的每一個流程上的“人傳人”環節，都是一個潛在的阻塞點。所以，大家應該看清楚一個關鍵點：“協作”不是美德，協作是成本。

三、CEO必須親自下場：

為什么第三道鴻溝的解法是自上而下

很多企業在AI轉型過程中，最難的第三道鴻溝，本質不是模型能力的問題，而是組織問題。

過去二十年，企業數字化是一場“流程信息化”運動，工具往往是“自下而上擴散”的。IT部門先上線系統，業務部門再逐步適配。本質上是在把人的動作搬進系統，依賴的是標準化流程、審批鏈條和層層匯報。

但AI時代不同。AI本質是一個“能干活的新勞動力”，可以根據老板的指令直接參與分析、決策、執行與協同。過去的軟件只是幫助人完成工作，AI則開始替人完成部分工作，甚至重構“誰來做、怎么做、為什么這樣做”的整個流程邏輯。

因此，企業轉型AI最重要就是，重寫組織協作邏輯。所以，這需要創始人親自下場才能落實，才能從認知層面改寫邏輯。

大家可以做個對比，CEO每天用AI，組織AI化速度會不會變快；如果CEO不親自下場，只是開會喊口號，員工使用AI工具是不是停留在表面。

其實，不少已經推進AI Agent或自動化流程的企業證明了這一點：創始人使用AI的頻率，往往決定了組織能走多遠。

所以，陳敬敏的觀點非常直接。他認為需要C級別人物自己先把AI用熟，自上而下推動。CEO用得熟，下屬才能用得好。

當CEO親自用AI完成具體工作，他會發現兩件事：

第一，原來很多流程是多余的。以前沒有工具才需要那么多人簽字審批，有了AI可以直接繞過。

第二，AI化的真正阻力不是員工不愿意學，而是老板不愿意放棄舊的工作方式。

靠行政命令推AI化，基層會用但不會用好。自上而下親自用，才是真正有效的路徑。

陳敬敏觀察到的另一個關鍵點是：阻礙AI落地的最大障礙是過去的思維習慣。以往，領導需要靠人盯著流程，會覺得開會才能對齊顆粒度，才能更好的協作，但實際上，AI需要的是閉環、API和數據，不是會議紀要和審批流。

譬如，電商巨頭Shopify CEO Tobi Lütke也是自己建了一套“Tobi Eval”，這是一個裝滿自己設計的問題和預期答案的prompt文件夾。每當新模型發布，他都根據Tobi Eval親自跑一遍，用AI提供的結果做決策。

2025年4月，他給全員發了一封后來震動整個科技界的內部信，只說了一件事：“申請增加人手或資源之前，團隊必須先證明為什么AI做不了這件事。”后來，Shopify員工規模從8300縮減到8100，并且公司新崗位要先證明AI做不到，才能批。這一套之后，Meta、微軟、谷歌陸續跟進，采用相似標準。

所以，當CEO把AI用熟，他會自然地減少不必要的審批流、縮短協作鏈條、讓數據流動起來，這些都是第三道鴻溝“組織結構”的根本解法。

由此可以看出，CEO親自下場，才能真正打穿這三道鴻溝。

第一，CEO帶頭用AI，組織才有why not的氛圍；第二，CEO才有權力推動內部工具接口化改造；第三也是最重要的一點，CEO真正了解AI的變革后，才能知道如何重新定義考核方式和協作流程。

這也意味著，企業的AI轉型不只是技術的轉型，是人才的轉型，組織結構的迭代升級。

為了配合組織的變革，積加也在嘗試著建立一個新的人才標準：超級個體。本質上就是AI時代的人才模型：某個人可能不是天生特別厲害，而是借助AI后，一個人的產出接近過去一個小團隊。

而這種超級個體，往往具備六種核心能力：

產品思維。拿到需求先問為什么，不該做的就不做。AI時代最貴的不是算力，是人的注意力。把注意力放在真正重要的事上，才是把AI用對的前提。

很多人拿到需求直接寫代碼，不問這個功能解決了什么問題、為什么用戶需要它。這種習慣在AI時代會被放大10倍，導致引入大量不必要的依賴和代碼債務。

結構化思維。先設計再寫代碼。分解優于實踐，約束優于方案。架構能力是AI時代最稀缺的能力。因為AI能寫代碼，但不能替你決定做什么、不做什么，以及用什么方式做。

積加的標準是：Make it right比Make it fast更快。想清楚再行動，花的時間遠小于沒想清楚就快速上線然后返工。

跨棧成長。自我設限是AI時代最大的效率殺手。一個把自己定義為后端Java工程師的人，會拒絕用AI寫Python腳本、寫前端頁面、寫Shell運維腳本。

AI能彌補技術的短板，不能彌補認知的短板。突破自我定義的邊界，才能充分釋放AI的能力。

AI協同。會用自然語言調度AI，理解AI能做什么、不能做什么，能給AI足夠清晰的上下文，能判斷AI輸出的質量。能與AI協作完成端到端的任務交付，而不是依賴人肉傳遞。

閉環交付。功能開發+自動化測試，上線即交付。不是等人來測，是自己保證質量。AI時代對“一個人完成一件事”的要求更高了，半成品交付在AI時代是沒有容身之地的。

標準與品味。追求設計優雅，改變思維習慣。避免用戰術上的勤奮掩蓋戰略上的懶惰。AI時代勤奮的門檻更低了，方向的重要性更高了。

一個有品味的人寫出來的prompt、做出來的設計、搭出來的系統，會比沒有品味的人好一個量級。如今，這個差距在AI時代會被進一步放大。

其實，AI轉型真正的門檻從來不是工具，是改造自己的意愿。

把工具買回來讓人用，是最省力的做法，也是最沒用的做法。真正有效的路徑是把業務流程重新設計、把數據打通、把閉環建好、把組織協作方式改掉，然后讓AI接管那些本來就不該由人來做的事。

積加的經驗可能不是最完美、最適配每家公司的完美模板，但核心邏輯是可遷移的。

我們也要清楚，AI是放大器。它不會自動讓一家企業變優秀，只會放大企業原本的組織能力。方向對了，AI會把組織效率放大十倍。方向錯了，AI也會把混亂放大十倍。

所以AI轉型從來沒有捷徑。真正的答案，不在PPT里，而在CEO是否愿意親自下場。

*文章為作者獨立觀點，不代表筆記俠立場。

在AI席卷一切的今天，這件事更加急迫。所以我們籌備了整整半年，把過去一年跑通的所有AI原生落地的認知、案例、實戰經驗，濃縮成了3天的AI十倍增長營，6月24-26日在北京開營。

三天里，我們一步一步落地：

第一天搭班子：搞懂什么是真正的AI增長團隊，每個人親手做出第一個能干活的業務Agent；

第二天做診斷：對著真實的業務痛點，畫出專屬的AI行動地圖；

第三天練閉環：把所有流程跑通，最后帶走一套能直接開干的方案。

建議你一定要帶著核心高管和技術負責人一起來。一個人來，最多是聽了個熱鬧，回去根本推不動；一個班子來，才是真正帶一支訓練有素的增長戰隊回家。

本次課程會由獵豹移動董事長傅盛、知名CEO顧問王賽、影刀RPA創始人十布領銜，以及是星若、云飛這些真正在一線拿過結果的實戰導師帶隊，不講空的，只講自己踩過的坑、驗證過的方法。

首期我們只開放少量席位，歡迎立即掃碼報名，把公司變成AI十倍增長組織。