AI 非旧企新引擎，实为新企操作系统

有人抛出了一个疑问。

「倘若今日白手起家创办一家企业，是否应自诞生起便按 AI 原生逻辑构建？」

提出此问者名为 Diana Hu，系 YC 合伙人。问罢，她亲自作答，时长达一个半小时。

并非探讨如何借 AI 提升效率。而是阐述公司的操作系统亟需更迭。

当今经营者大致分为两类。

一类追问「如何利用 AI 提升 20% 或 100% 效率」。视 AI 为副驾驶、外挂，或是让马车加速的新车轮。核心词汇是 Productivity。

另一类则问「AI 的全部潜能何在，我能否不因自身局限而束缚它」。核心词汇是 Capability。

前者见蒸汽机，欲将其装于马车；后者见蒸汽机，构思的是铁路网。

YC 合伙人 Tom Blomfield 在演讲中引用了一句：

1 person with AI tools = 1000x Google engineer（一人驾驭 AI 工具相当于千名谷歌工程师）。这并非严谨等式，而是一种论断。AI 带来的非 20% 的效率提升，而是能力边界的重塑。

问题的层级已变。非「如何为旧公司植入 AI」，而是「若公司本身是一组能自我迭代的 AI 闭环，今日应如何设计」。

Tom 曾打过一个比方。传统企业宛如罗马军团。

皇帝居核心，指令层层外传，信息层层回传。中间的百夫长、千夫长作何用？收集、压缩、翻译、转发信息。他们是人肉路由器。会议、周报、OKR 检查，皆是此系统的产物。

AI 问世前，此举尚属合理。创始人无法知晓所有细节。

如今呢？

会议可自动转录、摘要、索引。工单、客户邮件、产品数据、销售录音，皆可转化为结构化语料。AI 能读、能解、能检索、能总结、能调用。那还需诸多「人肉路由器」何用。

Diana 抛出一个硬核概念，queryable company，即可查询的公司。Tom 则提出另一词，legible to AI，即对 AI 可读。

二者意同。企业的所有活动，无论是开会、写码、谈客、决策还是犯错，若未被记录，对企业智能而言便未发生。重要会议未记录，未入公司大脑；客户需求滞留于某人微信，不在系统之中；关键销售对话未沉淀，无法训练后续销售。

此举非为监控员工。旨在赋予公司一个可学习的大脑。

Diana 将此系统拆解为五层。首层，Sensor，感知层。客户邮件、工单、代码变更、取消订阅、产品遥测，所有外部信号入口皆在于此。

二层，Policy / Decision，策略层。决定何事可自动执行，何事需人介入，何事须记录，哪些存风险。非一刀切，而是分场景。

三层，Tool，工具层。AI 可调用的确定性工具。查库、读历、跑测、调内部 API、提交代码。开放且受控。

四层，Quality Gate，质量关卡。评估、测试、安全过滤、高风险事项的人工复核。不盲信，不盲禁。

五层，Learning Mechanism，学习机制。系统与真实世界交互后，发现失败，再将反馈循环至顶部。它自写代码，自提 MR，令另一 Agent 复核、合并、部署。次日同类问题再现，它已能解决。

且慢，不对。

第五层方为要害。前四层乃构建而成，第五层则是生长而出。前四层属自动化，第五层乃进化。

Tom 原话称，This is his holy shit moment。因 AI 不再仅让人更强，更让系统本身更强。公司在你沉睡时已然变好。

YC Demo Day 数据显示。人均对应营收，较 18 个月前提升约 5 倍。

企业日益不受人头限制。受何限制？智能调用量。

Tom 称，Burn tokens，not headcount。善用 AI 之人加上一套 Agent 系统，可抵昔日一团队之功。你应愿承担稍显不适的 API 账单，因其替代的是更贵、更慢、更臃肿的人力架构。

但非粗暴统计每人所用 token。那极易被游戏化。仅言，若一人完全未用 token，或非节俭，而是尚未踏入新范式。

Diana 曾作一令程序员略显不安的论断。

代码正退化为一次性消耗品。AI 已可高精度地 one-shot 生成大量内部软件，如 dashboard、workflow、小工具。然这些软件本身不应被视作珍宝。

真正价值何在？数据。业务上下文。公司 know-how。技能。决策原则。对流程的理解。

软件仅是附着其上的一层壳。今日生成一内部工具，用完即弃。两月后模型更强，将原始指令与上下文再次输入，重新生成更优版本。

Tom 原话：Business context and skills are valuable. Software on top is ephemeral.（商业环境与技能珍贵，上层软件转瞬即逝）

此语分量极重。

往昔企业沉淀资产为代码库、SOP、文档。未来更重资产乃公司大脑中的 Context。如何研判客户需求，如何举办活动，如何销售，如何处理合伙人冲突，如何招聘，如何做产品取舍。只要 Context 在，软件可不断重造。

Diana 更进一步。AI 软件工厂。人类角色转变，非写代码的泥瓦匠，而是撰写 Specs 与测试用例的架构师。AI 自动生成实现代码，不断迭代运行，直至通过所有测试。StrongDM 此类团队已实现代码库零手写代码，完全由 Specs 与测试驱动。

一人加 AI，非 10 倍程序员。乃 1000 倍，甚至 10000 倍。

但这不代表敲键盘更快。而是从「代码实现者」蜕变为「Agent 网络的总建筑师」。他设计任务流，配置质量关卡，编写评估 Prompt，指挥数十个不同 AI Agent 协同作业。

Diana 引用 Jack Dorsey 在 Block 实践的组织重构。未来企业仅剩三类人。

Builder-Operator，独立贡献者。非仅工程师，全员须直接造物、跑业务。销售、客服、运营、HR 皆不应只写文档、开会、提需求。未来会议中，最好勿只带 PPT，而应带可运行的原型。

DRI，Directly Responsible Individual，直接责任人。每件要事，皆需明确命名之人负责。非委员会，非一群人，非「我们团队」。一人，一果，无处可躲。AI 可协助，责任不可摊薄。

AI Founder，AI 型创始人。不可将 AI 战略外包给某「AI 负责人」。须亲自使用 Agent，亲自打破对「现能所及」的旧判，亲自示范何为能力跃迁。企业文化非靠 PPT 建立，乃靠创始人每日工作方式建立。

无中层。

非扁平化之意。非「去中层以令组织更扁」。乃中层作为信息路由器的功能，被 AI 取代。收集、压缩、翻译、转发，AI 做得更快、更全、更无遗漏。

去中层后，留存的是无法被替代之物。判断、责任、信任、品味。现实接触与高风险决策。

Diana 与 Tom 皆言一事。人未被淘汰。

仅是位置变更。

往昔，人在公司信息管道中间。知晓信息所在，助人传递、协调信息。

未来，人在公司智能系统边缘。立于公司大脑与真实世界接触之处。

何处仍需人？新奇场景。伦理判断。高风险时刻。高情绪密度时刻。创始人是否需与合伙人分道扬镳。关键销售对话。建立信任。安抚焦虑。研判复杂人性。

AI 一日胜一日，但它不会替你去握一位正在哭泣的投资人的手。亦不会替你在下班后凝视天花板，思忖此方向究竟对否。

岔开话题，说一细节。

YC 有一本用户手册，专为创始人而写。旧版系 5 至 10 年前所撰，已过时。过去 3 月，他们录制了约 2000 小时 office hours。将这些录音归纳、分类、合成，按融资、招聘、合伙人冲突等主题整理。仅一周末，便生成一份 150 页新手册，明显优于旧版。

更关键者，它如今可每月更新。每一条新建议皆与现有 user manual 比对，有价值则纳入，无价值则剔除。

User manual 不再是一份文档。它是一个 self-improving living brain，即自我进化的活体大脑。它亦可反向作为 AI Agent 的上下文。创始人提问时，所得回答非某单一模型的泛泛之谈，而是 16 位 YC 合伙人长期建议沉淀出的综合智慧。

前提唯有一项。这些知识必须被记录、被压缩、对 AI 可读。

心想，这不正是「公司苏醒之时」吗。

大公司背负三包袱。旧系统、旧流程、旧组织。每动核心流程，皆可能破坏已运行之物。故成熟企业难彻底 AI native。

创业公司无此负担。无遗留系统，无沉重组织，无需重新培训数千人。可从首日起便围绕 AI 设计工作流、文化与组织结构。

Diana 言此非「轻装上阵」之轻飘优势。乃非对称优势。当大企业耗巨资重训员工、解构旧系统时，创业公司已在新区基上盖起三层楼。

非弯道超车。乃换了一条路。

最易被误解处在于此。

有人阅后会言，哦，仅是自动化吗。客户投诉进 → AI 分类 → AI 写回复 → AI 部署 → 告知客户已修。

非也。

Diana 强调闭环。自动化乃机器按人定规则执行。闭环乃机器在执行任务同时，发现规则、工具、知识之不足，进而自我改进。

客户建议进 → Agent 先行 triage → 需类 CPO 加 CTO 之判断层，哪些符合路线图 → 判断通过后系统夜间写码、部署 → 告知客户问题已修。

关键在最后一步。其修非代码，乃修下次不再犯同样错误之概率。

非流水线。乃会学习之循环。

整合至此，事始清晰。

未来企业之貌，非「更善用 AI 工具之企业」。乃企业本身即一套 AI 可理解、可查询、可反馈、可自我改进之系统。

其有一层 Sensor，恒在倾听。有一层 Policy，知晓何时听谁。有一层 Tool，能将听闻化为行动。有一层 Quality Gate，防行动跑偏。有一层 Learning Mechanism，能从每失败中汲取新能。

人在此系统边缘。非中间传话，非底层执行。在边缘，做判断，担责任，建信任，定边界。

一人加此系统，非 1000 名员工。乃另一种单位。

刘小排那文总结甚好。AI 非旧企新引擎。AI 乃新企操作系统。操作系统既换，其上运行一切皆需随之而变。

非换不换之问。乃何时换之问。

YC 那问题之答案，即在问题之中。若今日从零建企，是否应自始按 AI 原生方式设计。

你听见的非「是」或「否」。

你听见的是机器之呼吸。在你沉睡时，它正醒着，修补昨日之错。