如何打造一家AI原生公司

1964年，一位美国最高法院大法官被要求定义何为淫秽。波特·斯图尔特说他定义不了。“但我看到的时候，我就知道。”

如今，“AI原生”这个词也是同样的道理。

我刷推特时简直躲不开这两个字。但奇怪的是，如果你问5个不同的人它是什么意思，他们会给你5个不同的答案。

也许五年或十年后，我们会有一个清晰的定义。但今天没有。没有人能说清楚“这就是你用AI的方式，这就是所有人都在用的方式”。每家公司都在边做边摸索。

它也不是一种固定状态。AI不是固定的。它完全是流动的，所以建立在它之上的公司也必须不断前行。三月份的最佳实践，到九月份就成了坏习惯。

前几天一位朋友说得好：如果你告诉我你是AI工程专家，不，你不是，因为它今天早上又变了。

没有人真正是专家。而这正是令人兴奋的地方。我们正处在一个窗口期，公司可以自己定义这件事，而我们可以在“AI原生”意味着什么、应该如何运作上留下自己的印记。

过去一年，我们运营着一家AI原生公司，并帮助其他公司成为AI原生公司。每一个客户都是一个新数据点。如今我们见得足够多，已经知道什么行得通、什么行不通。

而大部分行得通的东西，并不是那些炒作。很多AI只是炫酷的演示。真正重要的东西，只是在幕后默默运转。最好的那些，在你几乎察觉不到它存在的情况下就发挥了作用。你的基准被重置了，你做的体力活比以前少得多，以至于你都忘了过去的方式是什么感觉。

所以，这就是我们的配方。真正让一家公司成为AI原生的那些要素，按照我们会采用的搭建顺序排列。

1. 先清理上下文

第一步是上下文。干净的数据，以及一个 AI 真正能读懂的公司。

AI 是加速器。比尔·盖茨在 1995 年谈到自动化时说过：把它用在高效的运营上，效率会倍增；用在低效的运营上，混乱也会倍增。

AI 会放大混乱，也会放大秩序。选哪一个，由你决定。

大多数公司的知识散落在人们的脑子里、Slack 的聊天记录里、旧的 Drive 文件夹里，以及两年都没人打开过的文档里。每一次 AI 会话都从零开始，因为这些内容没有一样是可读的。所以第一件事就是摸清工作和知识实际存在于哪里，然后把它清理干净。

正因如此，我们先部署公司 AI 大脑。知识、决策和工作方式都存放在那里，AI 才能不再给出泛泛的答案，而是给出属于你的答案。但大脑并不是工作发生的地方。它为在其他所有地方开展的工作提供上下文。

AGI 已经到来，如今 AI 犯的每一个错误，多半都源于上下文的缺失。

2. 先打地基，再上智能体

大多数公司都想直接跳到自动化那一步。有人看了个演示，挑了个流程，就为它搭了个一次性的智能体。六个月后，他们手里有了五个彼此孤立的自动化，谁也不跟谁通信，每一个都得单独维护。

先把地基打好：那些其他一切都要接入的共享系统。对我们来说，就是邮件分诊这类东西——它通常是团队最先感受到价值的一环，因为第一周就能省下好几个小时——以及我们的技能平台，团队搭建的一切都放在那里。

建一次，每个团队都能用。这样才能产生复利，而不是造一堆只有某一个团队才会碰的定制玩意儿。

3. 每个人都在一个工作台里干活

一家 AI 原生公司，意味着每个人都在一个工作台里完成自己的工作。不是那种一周才打开两次的聊天窗口，而是他们工作真正发生的地方。对大多数公司来说，这就是 Claude Cowork、Codex，或者某个自研的东西。

昨天一个朋友告诉我，他已经不再看界面了。他很久没见过界面了。他也不浏览网页。他让一个智能体去替他调研、替他办事，然后他审阅返回的结果。

这就是趋势所在。界面不再是网站或应用，而是与一个已经了解你上下文的存在的对话。

4. 技能、上下文与模型各司其职

一旦上下文干净了，人也进入了约束框架，你就会发现大部分工作都能靠三样东西解决：技能、好的上下文，以及最新的模型。

所谓技能，无非就是一种工作方式，被写得足够清楚，让 AI 能照着做。最好的技能来自你手下最优秀的人的真实提示词，而不是某个人凭空猜测一个团队可能需要什么。

哪怕是过去六个月的模型也够用了。对于一家企业日常所做的大部分事情来说，我们其实已经拥有了 AGI。如今真正拖住大多数公司的，是上下文和流程。

根据我们的经验，只有最后百分之五到百分之十的工作，才真正需要放在技能之外。

5. 全员培训，用好标杆

你要的是整个团队都受到培训，而不是一个 AI 英雄。一个“搞 AI 那摊事”的人是脆弱的。一旦他离职，或者忙起来，一切就停摆了。

所以每个人都要拿到基线：他们在约束框架里工作，使用共享的技能，并且通过做自己的实际工作来学习，而不是上一门通用课程。

但你同样需要标杆：那些不断尝试新工具和新流程的人，因为 AI 在你脚下不停变化。团队守住基线；标杆们则不断把它往前推，并把行之有效的东西带回来。

而最棒的时刻，是某个人突然开窍的时候。授人以渔。一旦人们能为自己构建东西，他们就会开始做出你压根想不到要为他们构建的东西。有人做了一个有用的技能，另一个人发现并用上了它，整个公司就在没人写项目计划的情况下变好了一点。

6. 自定义智能体放在最后

接下来是完全自定义的工作流：那些无需人类介入、自动运行的流程。这正是推特上那些炫酷演示所展示的东西。

它们可以是一个定时触发的技能、一个真正的智能体，或者一个普通的自动化流程。无论采取何种形式，它们都排在最后——在上下文、基础设施和人员都到位之后。如果先构建它们，你就是在沙子上盖楼。

最终，如果你能足够清晰地设定北极星、目标和预期成果，智能体可以完成其中很大一部分工作。但只有走完前面的步骤，你才能到达那一步。

7. 持续尝试新事物

AI 原生不是一个你能“到达”的终点。模型在变，工具在变，市场在变。六个月前还需要定制开发的东西，现在可能只需要一个技能加一段好的提示词。

保持 AI 原生的公司，是那些不断尝试新东西、不断砍掉已经失效的东西、不对上个季度构建的任何东西产生执念的公司。

智能体的迷思

“智能体”可以指任何东西。它可以是一个简单的自动化。也可以是 Claude Code 在执行一个任务。

人们沉迷于把智能体想象成类人员工：一个有职位头衔的数字打工人，端到端地完成某个人的工作。这个设想还没有真正落地，我觉得值得问问为什么。

我的猜测是：智能体永远无法拥有完整、完美的上下文。总有些东西在某人脑子里，一段关系，一个需要临场判断的决定，一件今早刚发生变化的事。所以始终还是有人在回路中。

人类三明治依然存在。人来搭建，AI 做中间那层，人来检查。变化的是：随着信任和上下文的积累，人类那两层变得越来越薄。

哪些做法行不通

这让我们处于什么位置

这是我们的工作模型，不是一份已经定稿的玩法手册。六个月后它就会变得不一样。

而这恰恰是关键所在。还没有人确切知道一家 AI 原生公司长什么样。但在亲手打造了一年之后，当我们看到它时，已经能相当有感觉地认出它了。

如果你想获取我们关于打造 AI 原生公司的全部心得：thehourglass.ai/sauce