内容来源： 本文转载自微信公众号经纬创投(matrixpartnerschina) ，笔记侠经授权转载。转载请联系原公众号授权。

责编| 柒 排版| 拾零

第 9655篇深度好文：6729字 | 17 分钟阅读

商业趋势

在AI时代创业，“勤奋”可能不再是褒义词，反而会掩盖企业问题的真相。

这个看似不符合常理的观点，自有底层逻辑。丹·苏利文（Dan Sullivan）和本杰明·哈迪（Benjamin Hardy）在合作出版的著作《10倍增长比2倍增长更容易：顶尖企业家如何通过少做事来实现更多目标》中提出一个概念：追求十倍增长比追求两倍增长更可行、更有效。

在他看来，2倍目标通常依赖于增加工作量和重复旧模式，而10倍速目标则强迫领导者进行思维方式的转型。

尤其在AI时代，“10倍增长比2倍增长更简单”的逻辑则更容易付诸实践。这个逻辑的核心是：利用AI作为极度杠杆，彻底剥离那80%的平庸任务，从而专注于挖掘和放大你的“独特能力（Unique Ability）”。

所以，很多公司的创始人开始焦虑，担心竞争对手已经开始用AI重写组织结构，而自己的公司还停留在旧时代的人力模型。

于是，几乎每家公司都在尝试用AI降本增效，Cursor、Claude Code、OpenClaw轮番上阵，公司也做了各种培训和改革，但实践的效果看起来没有那么好。

那么，如何用好AI这个工具呢？经纬创投举办的HR CLUB活动邀请了积加科技CTO陈敬敏，结合真实使用场景，从底层逻辑到落地实操深度拆解公司使用AICoding工具的心路历程。

积加科技addx.ai是一家面向全球市场的AI原生硬件公司，主要是将视频理解、视觉记忆Agent、视觉Token构建与压缩、垂直场景世界模型等核心技术，应用于自然观察、家庭智能、运动健康等场景，为全球数百万用户提供个性化并持续进化的产品与AI增值服务，积累了丰富的AI应用经验。

而正是基于这样的技术沉淀与业务需求，积加科技亲身实践发现，企业想要真正借助AI实现质的飞跃、达成10倍增长，并非一蹴而就，必须跨越三道核心鸿沟。

第一道鸿沟是人的思维和习惯：越资深的人，越被经验拖累。他们面对变化先问“确定可以这样吗？”，而正确的思维是why not。

第二道鸿沟是工具的形态：企业内部工具几乎全是GUI，为人设计的点按钮、填表单。但AI只会调API。工具没有API，AI就无法操作，一半以上的部门就被排除在AI化之外。

第三道鸿沟是组织的结构：流水线式依赖，我做完给你，你做完给他，一个人卡住全链路停。而在AI时代，协作不是美德，是成本。

而三道鸿沟的根源是同一个：现有企业是为人与人协作设计的，不是为人与AI协作、AI与AI协作设计的。

那么，如何通过AI处理一切平庸的80%，让创始人和公司获得真正的“深层自由”呢？以下，Enjoy：

一、公司的AI化，

如何一步步转变工作和思维方式?

在AI时代，企业要获得十倍增长（10X Growth），其核心逻辑并非通过AI“做得更多”，而是利用AI实现“做得更少但更好”的质变。

积加总结了一个核心公式，用来判断一家企业的AI化走到了哪里：

企业AI化程度=技术闭环×工具接口化×人才适配度×组织适配度

乘法意味着，任何一个维度为零，整体为零。大多数公司可能只做了技术层的一小部分，其他三层完全没动。而积加的做法是这四个维度同时推进，并分了四个阶段重构工作方式。

阶段一（2025年3-4月）：Coding Copilot，人主导，AI补

起步阶段，积加为30名主力研发开通了Cursor Enterprise账号。

这个阶段的AI，本质上是一个更聪明的IDE插件。程序员打开AI，AI帮你补全函数、生成单元测试、解释一段不熟悉的代码。代码是人想出来的，逻辑是人设计的，AI只是帮着打字。

而人的位置还是主角。AI是工具，人是执行者。效率有一定提升，但没有质变。本质上还是在用旧方式工作，只是跑得快了一点。

阶段二（2025年9月）：Sonnet 4.5发布，AI主写，人负责Review

这个阶段发生了一个标志性事件是Claude Sonnet 4.5上线。这一次模型能力的跃升，让陈敬敏和团队意识到AI写代码的能力已经超越了补全的范畴。

于是，他们的工作方式发生了根本转变：从“人写代码，AI补全”变成“AI写代码，人来Review”。

人不再是从零产出代码的那个人，而是判断AI产出是否正确的那个人。Review的速度远快于手写代码。因为当你只负责判断对错，而不负责生成时，速度天生快一个量级。以前一天写200行，现在一天Review 1000行还游刃有余。

类似的变化，也正在全球AI Native公司内部发生。微软CEO纳德拉曾提到，公司内部已有相当比例代码由AI生成。越来越多工程师的核心工作，也开始从“写代码”转向“审代码”。

代码生产的重心，第一次开始从“生成”转向“判断”。于是，人从执行者变成审核者，这是人与AI角色的第一次反转。

阶段三（2026年2月）：Opus 4.6+Claude Code，人说意图，AI做设计

GPT-4.6发布和Claude Code工具成熟，驱动着积加做了一个后来被反复提及的实验：把之前被删除的1万行代码的技术方案完整喂给AI，让AI基于方案重新实现。结果是，AI生成的代码质量比原来的更好。

这时，工作方式发生了第二次质变：人不再写代码，也不再做架构设计。架构设计本身也可以交给AI了。人只负责两件事：告诉AI要做什么（表达意图），review AI的设计是否合理。

人从审核者变成设计者和决策者，AI成为真正的执行者。

这种趋势，也正在AI行业内部迅速扩散。在Cursor、Anthropic等AI Native公司里，越来越多工程师已经不再把“写代码”视为核心竞争力，而是把“定义问题”“组织上下文”“构建约束条件”视为更重要的能力。

因为AI正在快速降低“实现”的门槛，但“判断”依然稀缺。

阶段四（现状）：Harness体系就位，老代码成为最大瓶颈

最近，新的Harness基础设施搭建完成——Skill体系、TDD闭环、CI/CD Pipeline、可观测性全面到位。在这套体系下，AI Agent能够自主验证、端到端交付，新代码运行流畅，效率释放彻底。

但与此同时，一个意想不到的瓶颈出现了：老代码。

当积加试图让AI介入老代码的修改时，发现测试覆盖不足，AI改完无法自动化验证。模块边界模糊，AI改动一处可能引发多处连锁反应。

同时，接口不标准，AI在上面跑不通闭环。结果就是，AI的效率提升不仅没有，还增加了风险。改得越多，隐患越大，老系统Bug多、运行慢，与新体系形成降维对比。

这也是很多传统企业正在面临的共同问题。AI并没有消灭历史包袱，反而因为生成速度太快，把旧系统的问题进一步暴露出来。

于是，积加决定用3-4个月整体重写老代码库，后端从Java转向Go。老代码库任何变更的审批权收归CTO，默认不通过。

这不是技术洁癖，是业务刚需。公司沉淀的知识是资产，老代码不是。把知识提炼成设计文档，让AI从头实现，比在烂代码上打补丁更高效。

新项目则必须从AI原生架构起步，模块边界清晰、接口标准、测试完整，这样的代码库才是AI的游乐场。

这四个阶段的每一次跃迁，人都往上移一层。从写代码到聊设计，从聊设计到聊意图，从聊意图到构建Harness。退到最后，人只做一件事：判断和决策。

陈敬敏用一句话为整个路径做了收尾。AI能做的事，交给AI。人只负责那些AI做不了、或者不该做的事。

这也说明了一个事情。AI的使用并不是工具升级，是工作方式的重构。每一步都是一次人与AI关系的重新定义。

二、非产研部门的AI化，

要学会改造工具的形态

过去一年，大量企业在推进AI改造时，重点几乎都放在产研和算法团队，做模型优化、构建Agent、搭建RAG系统。但在真正的组织落地层面，非产研部门往往才是AI渗透最慢的一层，因为它们被“工具形态”卡住了。

一直以来，大家都忽略了一个现实。过去二十年，企业软件设计的核心逻辑是GUI（图形界面），所有系统都是给“人”设计的，人会点按钮、填表单、复制粘贴、截图发群。但AI完全不会，它只会读接口、调API、跑工作流。

所以，非产研部门AI化的真正瓶颈，并不是员工不会用AI，而是工具本身“不具备AI可操作性”。

这也是为什么很多企业即使上了几十套AI工具，效率提升依然有限。这是因为，流程只是从“纸质搬到软件”，没有从“人驱动”变成“机器驱动”。

所以，积加开始尝试把内部工具“skill化”或API化，核心目的就是把UI层和执行层拆开，把内部几十个系统逐一封装成可调用能力。

积加做了一个较为极限的尝试，陈敬敏花4个小时，一个人做了一个skill，让AI自动完成了这件事。

最先变革的是积加的HR部门，把招聘系统变成AI可调用的接口。

筛简历、查候选人、打招呼，这些本来是HR在各个平台上手动操作的。经过改造后，AI自动从Boss直聘拉取候选人数据，按JD匹配度打分，自动解析简历PDF，筛选结果同步到飞书Talent。HR不再登录任何后台，AI把结果送到飞书，HR只做最终决策。

于是，原来筛100份简历要大半天，现在AI跑完只需要几分钟，正确率比人工筛选更高。

这个变化的关键不是HR学了什么新工具，而是招聘平台有了AI能读懂的接口。

行政则需要把搭建系统的过程变成AI可执行的动作。以前行政想做固定资产管理系统，要找IT提需求，排期等待，两周能上线算快的。

可是现在，他们只需要跟AI说“帮我搭一个资产管理系统，支持设备录入、借用归还、维保提醒”，飞书多维表格AI自动生成表结构、字段类型、示例数据、看板视图。十几分钟完成，上线可用。

工具形态转变后，财务可以用AI自动从数仓拉取支付流水和内部订单数据，逐笔匹配，标注差异，生成对账报告。财务月初第一天就能完成对账；运维用AI做日志分析、问题定位、修复步骤生成，然后飞书通知值班人员，人审批后AI执行变更。

这也告诉大家，工作中的每一个流程上的“人传人”环节，都是一个潜在的阻塞点。所以，大家应该看清楚一个关键点：“协作”不是美德，协作是成本。

三、CEO必须亲自下场：

为什么第三道鸿沟的解法是自上而下

很多企业在AI转型过程中，最难的第三道鸿沟，本质不是模型能力的问题，而是组织问题。

过去二十年，企业数字化是一场“流程信息化”运动，工具往往是“自下而上扩散”的。IT部门先上线系统，业务部门再逐步适配。本质上是在把人的动作搬进系统，依赖的是标准化流程、审批链条和层层汇报。

但AI时代不同。AI本质是一个“能干活的新劳动力”，可以根据老板的指令直接参与分析、决策、执行与协同。过去的软件只是帮助人完成工作，AI则开始替人完成部分工作，甚至重构“谁来做、怎么做、为什么这样做”的整个流程逻辑。

因此，企业转型AI最重要就是，重写组织协作逻辑。所以，这需要创始人亲自下场才能落实，才能从认知层面改写逻辑。

大家可以做个对比，CEO每天用AI，组织AI化速度会不会变快；如果CEO不亲自下场，只是开会喊口号，员工使用AI工具是不是停留在表面。

其实，不少已经推进AI Agent或自动化流程的企业证明了这一点：创始人使用AI的频率，往往决定了组织能走多远。

所以，陈敬敏的观点非常直接。他认为需要C级别人物自己先把AI用熟，自上而下推动。CEO用得熟，下属才能用得好。

当CEO亲自用AI完成具体工作，他会发现两件事：

第一，原来很多流程是多余的。以前没有工具才需要那么多人签字审批，有了AI可以直接绕过。

第二，AI化的真正阻力不是员工不愿意学，而是老板不愿意放弃旧的工作方式。

靠行政命令推AI化，基层会用但不会用好。自上而下亲自用，才是真正有效的路径。

陈敬敏观察到的另一个关键点是：阻碍AI落地的最大障碍是过去的思维习惯。以往，领导需要靠人盯着流程，会觉得开会才能对齐颗粒度，才能更好的协作，但实际上，AI需要的是闭环、API和数据，不是会议纪要和审批流。

譬如，电商巨头Shopify CEO Tobi Lütke也是自己建了一套“Tobi Eval”，这是一个装满自己设计的问题和预期答案的prompt文件夹。每当新模型发布，他都根据Tobi Eval亲自跑一遍，用AI提供的结果做决策。

2025年4月，他给全员发了一封后来震动整个科技界的内部信，只说了一件事：“申请增加人手或资源之前，团队必须先证明为什么AI做不了这件事。”后来，Shopify员工规模从8300缩减到8100，并且公司新岗位要先证明AI做不到，才能批。这一套之后，Meta、微软、谷歌陆续跟进，采用相似标准。

所以，当CEO把AI用熟，他会自然地减少不必要的审批流、缩短协作链条、让数据流动起来，这些都是第三道鸿沟“组织结构”的根本解法。

由此可以看出，CEO亲自下场，才能真正打穿这三道鸿沟。

第一，CEO带头用AI，组织才有why not的氛围；第二，CEO才有权力推动内部工具接口化改造；第三也是最重要的一点，CEO真正了解AI的变革后，才能知道如何重新定义考核方式和协作流程。

这也意味着，企业的AI转型不只是技术的转型，是人才的转型，组织结构的迭代升级。

为了配合组织的变革，积加也在尝试着建立一个新的人才标准：超级个体。本质上就是AI时代的人才模型：某个人可能不是天生特别厉害，而是借助AI后，一个人的产出接近过去一个小团队。

而这种超级个体，往往具备六种核心能力：

产品思维。拿到需求先问为什么，不该做的就不做。AI时代最贵的不是算力，是人的注意力。把注意力放在真正重要的事上，才是把AI用对的前提。

很多人拿到需求直接写代码，不问这个功能解决了什么问题、为什么用户需要它。这种习惯在AI时代会被放大10倍，导致引入大量不必要的依赖和代码债务。

结构化思维。先设计再写代码。分解优于实践，约束优于方案。架构能力是AI时代最稀缺的能力。因为AI能写代码，但不能替你决定做什么、不做什么，以及用什么方式做。

积加的标准是：Make it right比Make it fast更快。想清楚再行动，花的时间远小于没想清楚就快速上线然后返工。

跨栈成长。自我设限是AI时代最大的效率杀手。一个把自己定义为后端Java工程师的人，会拒绝用AI写Python脚本、写前端页面、写Shell运维脚本。

AI能弥补技术的短板，不能弥补认知的短板。突破自我定义的边界，才能充分释放AI的能力。

AI协同。会用自然语言调度AI，理解AI能做什么、不能做什么，能给AI足够清晰的上下文，能判断AI输出的质量。能与AI协作完成端到端的任务交付，而不是依赖人肉传递。

闭环交付。功能开发+自动化测试，上线即交付。不是等人来测，是自己保证质量。AI时代对“一个人完成一件事”的要求更高了，半成品交付在AI时代是没有容身之地的。

标准与品味。追求设计优雅，改变思维习惯。避免用战术上的勤奋掩盖战略上的懒惰。AI时代勤奋的门槛更低了，方向的重要性更高了。

一个有品味的人写出来的prompt、做出来的设计、搭出来的系统，会比没有品味的人好一个量级。如今，这个差距在AI时代会被进一步放大。

其实，AI转型真正的门槛从来不是工具，是改造自己的意愿。

把工具买回来让人用，是最省力的做法，也是最没用的做法。真正有效的路径是把业务流程重新设计、把数据打通、把闭环建好、把组织协作方式改掉，然后让AI接管那些本来就不该由人来做的事。

积加的经验可能不是最完美、最适配每家公司的完美模板，但核心逻辑是可迁移的。

我们也要清楚，AI是放大器。它不会自动让一家企业变优秀，只会放大企业原本的组织能力。方向对了，AI会把组织效率放大十倍。方向错了，AI也会把混乱放大十倍。

所以AI转型从来没有捷径。真正的答案，不在PPT里，而在CEO是否愿意亲自下场。

*文章为作者独立观点，不代表笔记侠立场。

在AI席卷一切的今天，这件事更加急迫。所以我们筹备了整整半年，把过去一年跑通的所有AI原生落地的认知、案例、实战经验，浓缩成了3天的AI十倍增长营，6月24-26日在北京开营。

三天里，我们一步一步落地：

第一天搭班子：搞懂什么是真正的AI增长团队，每个人亲手做出第一个能干活的业务Agent；

第二天做诊断：对着真实的业务痛点，画出专属的AI行动地图；

第三天练闭环：把所有流程跑通，最后带走一套能直接开干的方案。

建议你一定要带着核心高管和技术负责人一起来。一个人来，最多是听了个热闹，回去根本推不动；一个班子来，才是真正带一支训练有素的增长战队回家。

本次课程会由猎豹移动董事长傅盛、 知名CEO顾问王赛、影刀RPA创始人十布领衔，以及 是 星若 、云飞这些真正在一线拿过结果的实战导师带队，不讲空的，只讲自己踩过的坑、验证过的方法。

首期我们只开放少量席位，欢迎立即扫码报名，把公司变成AI十倍增长组织。