如何构建AI驱动型组织

最近，我看到三个关于AI的故事，它们像三面镜子，分别照出了我们正处于AI转型浪潮中的三个关键问题：AI的认知边界、AI的生产力潜能、以及AI化组织的重塑路径。

一、来自AGI-Next闭门会的四个“反直觉真相”

第一个故事来自腾讯首席科学家姚顺雨，他在北京AGI-Next闭门会上揭露了AI下半场的四个颠覆性观点。

1. 关于赛道：ToC要像人，ToB要像神。
   在C端（ToC）市场，AI对用户而言不过是升级版搜索引擎——再聪明，如果不能理解用户的场景和上下文，依旧难以产生真正的价值。AI若想走向高层次认知，就该把“高智商”投向B端（ToB）市场。企业愿意为“绝对正确”的模型付费，而不是为“像人一样聪明”的聊天机器人掏钱。
2. 关于自我学习：AI已经在“自我进化”。
   在Claude模型的开发项目中，约有95%的代码是AI自己编写的。换句话说，当AI用自己的数据训练和优化自己时，“自学习”的概念不再只是幻想，而正在发生。
3. 关于智能体替代人：问题不是技术，而是教育。
   很多人以为2026年的智能体将大规模取代人类工作，但姚顺雨提出的“暴论”更接地气：即使模型技术今天停止进步，只要把AI充分应用到各行各业，社会生产力依然能提升10倍、100倍。真正的卡点不是技术，而是教育——我们能否教会员工去指挥AI干活。未来人与人的差距，不在于谁更聪明，而在于谁更会用AI。
4. 关于中国AI的未来：短板在“敢不敢冒险”。
   未来三五年最强的AI公司会在中国吗？姚顺雨的判断并不乐观。中国有强大的工程能力、电力成本优势，但欠缺“敢当第一个吃螃蟹的勇气”。我们太习惯确定性，太少去探索新范式。AI下半场是一场关于想象力与勇气的竞赛。

这些观点让我重新思考了一个问题：当AI的能力边界不断扩张，组织是否也该随之重构？

二、Boris Cherny与AI编程的“效率极限”

第二个故事来自Claude Code之父 Boris Cherny。他在社交媒体上分享了自己的AI编程工作流：一个月内提交