今年听过最好的 AI Native 思考，真诚又足够接地气。

周末参加快手企业AI生产力技术沙龙，核心讨论的是：当每个人开始用AI，企业的工作流、团队协作和组织机制该如何接住这种变化。

快手企业智能体建设负责人沈浪将快手企业AI生产力实践概括为四个阶段：AI先进入研发环节解决工程师提效；随后扩展到更多员工；再从个人使用走向团队AI，把专业经验和工作流沉淀为共享能力；目前刚开启组织AI探索。

个人提效不等于组织提效。快手观察到两类问题：一是“孤岛区”，团队中少数AI高手积累的Skill、知识和方法无法被其他同事复用，少数人越来越强，团队整体工作方式却没变化；二是“空转区”，有些团队部署大量Agent，需要不断协调、交换上下文，效果反而不如一个通用Agent调用Skill，Agent数量多不代表效率高，还消耗大量Token。

快手总结出“先蒸馏，再折叠”的方法：先把员工积累的专业经验、知识和工作方法沉淀为团队可共享的Skill、知识库和工作流，再判断哪些等待、交接和分工可以被重新设计。顺序很重要，不是先要求岗位互学或取消岗位，而是先把不同角色的专业经验变成团队可调用的能力。基于此，快手开始把整个团队理解成一个Agent，成员共享知识、Skill、工具和工作流，数字员工在明确边界内承担部分工作。

快手磁力引擎风控技术负责人王东旭负责一个超百人、涵盖前端、后端、算法、数据工程等岗位的团队。团队曾在一个季度内把基础全栈覆盖率提升到100%，但需求依然积压。原因在于写代码只是软件交付流程的一部分，按阿姆达尔定律，若编码环节占整个流程20%，编码效率提高10倍，整体交付效率只能提高约22%。于是他们尝试“臭鼬工厂”组织模式，围绕明确业务目标，把产品、研发、算法、测试等不同岗位组成小团队，给予充分自主权，并将工位搬到一起，减少跨部门协调和排期。调整后，需求吞吐量提升130%，交付周期缩短80%。该模式不适用于复杂存量核心系统、涉及资金安全或曾发生重大故障的业务。

需求吞吐量上来后，质量保障成为瓶颈。快手磁力引擎风控质量负责人吕冬冬建立AI智能分级体系，让Agent结合PRD、代码变更、历史故障和业务知识分析需求风险，将需求分为高、中、低三级：高风险由人工主导测试、AI辅助分析；中风险由人工与AI协同；低风险主要交给AI自动验证、人工抽检。其负责业务中约60%需求属低风险。他们还整合接口测试、UI自动化、流量回放等能力，由Agent按风险等级调用相应工具。这套方法的前提是AI风险判断足够准确，因此建立标准评测集，由专家对真实需求进行风险标注，每次调整模型或提示词都用评测集验证准确率，错误案例和纠正记录沉淀到知识库。为避免AI写代码、AI生成测试用例、AI判卷的风险，他们把开发和测试模型分开，保留标准评测样本和必要人工验证，高风险需求最终是否上线仍由人工判断。截至当时，低风险需求自助上线实践未出现遗漏，但该体系目前仅在所属大部门使用，尚未推广到整个快手。质量工程师的工作也在变化，从编写和执行测试用例转向业务风险判断、测试策略制定和质量验收。