强烈推荐你们看一期分享，是前几天快手技术沙龙关于企业AI生产力的实践复盘，收获很大。

快手这样业务线多，系统复杂的大型互联网公司，产品、运营、研发、算法和测试之间还有大量协作。在这样的公司里推广AI，难度和小团队完全不在一个量级。

这场分享里，三位来自一线的负责人，复盘了快手过去两年的企业AI实践，比如在AI上的能力沉淀、交付流程和质量治理，也谈到了不少真实问题。

几场分享听下来，我一直在想：个人用了AI之后确实变快了，为什么企业整体的交付效率没有同步提升？

当AI已经进入大多数人的工作，那些没有变成组织生产力的效率，究竟去了哪里？

1. 个人效率不会自动变成组织能力

过去一两年，企业推广AI时最关心的指标，往往是工具覆盖率，比如开通了多少账号，有多少人在用，每个月消耗多少Token。

但快手企业智能体建设负责人、企业AI生产力专家沈浪在复盘中提到，个人提效如果不加干预，是绝对不会自动变成组织提效的。

从整体路径看，快手的AI实践也在不断扩大作用范围：先服务工程师，再扩展到更多员工，随后进入团队AI阶段，把个人经验沉淀为团队可以复用的能力；目前则刚刚开启组织AI的探索。iWork的成立，正是这条路径进入第四阶段的标志之一。

他也分享了在实践中发现的两种典型情况。一种是“孤岛”：也就是少数员工已经很擅长使用AI，一个人能完成过去几个人的工作。但他的业务经验和工作方法仍然留在自己手里，团队其他人很难复用。

还有一种是“空转”：团队引入了负责开发、测试和交付的多个Agent。但由于缺少共同上下文，它们需要反复转译信息，最后的效果有时反而不如一个人借助通用Agent从头跟到尾。

这正是很多企业现在面临的问题。AI能迅速放大个人能力，但个人经验只有进入知识库、Skill和工作流，才能留在组织里。

所以快手在今年9月份成立了企业AI生产力组织，统筹通用Agent、企业上下文和企业信息系统建设。其中一项重要工作，就是把优秀员工的实践沉淀成团队可以直接调用的能力。

普通员工不用每次从头研究提示词，人员发生变化时，已经积累的经验也不会跟着流失。

2. 编码变快之后，为什么交付还是慢？

如果说沉淀知识解决了单兵作战的问题，那接下来的难点就是协同。

以快手磁力引擎风控技术负责人王东旭带的风控技术团队为例，他们团队把前后端全栈比例已经提升到100%，所有研发都能独立搞定前后端。

这够快了吧？但需求依然存在积压，产品、研发、测试之间仍有排期等待和协作成本。

这里可以用阿姆达尔定律来解释，一个系统最终能提速多少，取决于其中无法被加速的环节。

王东旭在分享中举例，假设编码只占完整交付周期的20%，即使AI让编码效率提高10倍，整体效率理论上也只能提高约22%。代码提前写完了，需求依然要等待确认、排期和测试，任务只是更早地堵在了下一个环节。

王东旭团队的做法非常果断，他们参考臭鼬工厂模式，把产品、运营、研发、算法和测试集中到一个十人以内的小队里。团队围绕同一个业务目标工作，尽量减少交接和等待。

这种重构的效果极好。在一项为期一个月的局部试点中，29名成员围绕3个业务方向协作，流程压缩至一半，需求交付周期压缩至原来的五分之一，需求吞吐率从36%提高到84%。

这也说明了一个问题，AI带来的局部速度，需要通过重塑组织结构才能转化为真实的交付能力。

3. AI产出越来越快，谁来保证结果可靠？

流程变短之后，还有一个更棘手的问题：产出越来越快，验证速度能不能跟上？

研发借助AI快速产出代码，如果验证能力没有跟上，前面节省的时间仍然会堵在上线之前。

这里还有一个更隐蔽的风险。如果需求分析由AI完成，代码由AI生成，测试用例也由AI编写，最后再让AI判断有没有问题，这其实相当于让同一个人出题、答题、判卷，同一类偏差可能贯穿整个流程。

快手磁力引擎风控质量负责人吕冬冬分享的破局思路，是根据风险重新分配AI和人的工作。

低风险需求可以让AI完成更多验证，人工负责抽检。中风险需求需要人工确认关键判断。涉及资金、安全和核心链路的高风险需求，则由人工主导、AI辅助。

同时，通过固定评测集、人工真值、异源模型验证和纠偏机制，让AI的结果拥有独立证据，保证效率提升的前提是结果可靠且责任能够追溯。

这里真正需要调整的是决策权，AI可以承担更多执行工作，但风险标准和最终责任必须清楚。

4. 工具普及正在加速，生产系统改造才刚开始

看完这几场分享，我发现企业AI的工具普及可能已经接近完成，但生产系统改造才刚刚开始。

员工会用AI，只能说明企业完成了基础接入。接下来更重要的，是如何把个人经验沉淀成组织能力，把局部速度转化成端到端交付，再为快速增长的AI产出建立可靠的质量边界。

AI越强，企业原有的问题也会暴露得越明显。文档不完整、交接太多、责任不清，这些过去还能靠人反复沟通解决的问题，都会成为AI进入真实业务的障碍。

一个人因为AI变快，叫个人提效；一群人能够减少等待、共享经验，并在质量不失控的前提下一起变快，才叫企业生产力。

工具越来越成熟之后，真正需要升级的，是企业原有的工作方式。