那些跑通 AI 变革的团队做对了什么？

当人工智能以指数级速度重塑智力、生产力、甚至社会形态时，我们是否已准备好迎接“与AI共处”的时代？

2026年5月，腾讯研究院与香港大学法学院联合举办了 AI & Society (AI&S) Forum 2026。本次论坛以“与AI共处的时代 (Living with AI)”为核心主题，跨越“深港两城”：在香港，我们聚焦“AI的边界”，探讨思想与产业的碰撞；在深圳，我们通过“不插电”与“全插电”的教育现场，感知技术如何回归人的尺度。

在本次论坛的系列对话中，顶尖学者、产业领军者与一线实践者齐聚一堂，试图穿透技术的迷雾，叩问AI对社会、经济、真相与生命的深远影响。

以下为本次论坛中，关于“AI组织变革的一线实践”的圆桌论坛，带您直面AI转型的一线。

主持人：

袁晓辉（腾讯研究院副院长、资深专家）

嘉宾：

胡一川（来也科技CTO）

王若愚（Workstream联合创始人）

汪晟杰（腾讯WorkBody产品负责人）

编辑整理：

窦淼磊腾讯研究院高级研究员

【关键观点】

1. AI转型是一把手工程。如果领导不懂AI，少数会AI的人会被无限加活，低效部门反向吞噬高效部门的成果，局部转型在全局中会被拖死。只有一号位亲自下场，才能真正推动组织变革。

2. AI转型的三层应用：第一层是面向用户的AI产品——好产品是luxury，可遇不可求；第二层是产品上加AI层，简化交互、提效用户体验；第三层是组织全面转型为AI-native workplace。后两层不是选择题，而是生存题。

3. 超级个体并没有因为生产力更强而变得更轻松，"释放出来的时间"并不会变成闲暇，——因为他在组织里还承载着一个使命，就是去影响周围的人，重塑组织内的工作流。

4. 减少协作人数，对齐认知是最难的。在能连接所有关键点的前提下，尽量减少参与人数。原因不仅是沟通成本——更致命的是"伪对齐"：会议室里大家疯狂点头，散会后做得一塌糊涂。

5. 愿景在AI时代变得更重要。你唯一的能力是比别人更早看到30年后的世界，用三个人的百倍生产力直接改变它。

6. AI不应只是加速器，应是每个人能力的放大器。这个世界上有大量未解决的问题、未满足的需求，需求是无限的。关键不是谁被替代，而是每个人能不能用上AI、共享技术红利。

讨论全文

袁晓辉：非常欢迎三位一线实践者！我们刚才的报告发布《从超级个体到超级团队》算是开了个头，今天很荣幸请到三位，也非常想听到产业一线的声音。请三位简单介绍一下自己的公司：大概做什么业务，团队规模多大，以及目前跟AI协作这块处于一个什么样的状态？

胡一川：大家好，很荣幸来这里和大家交流分享。我是来也科技的联合创始人胡一川。来也科技是一家做AI数字员工的公司，我们主要为企业客户提供在财务、客服、IT这些偏中后台的知识工作者的AI数字员工。简单来说，我们有一套软件，帮助这些知识工作者把日常工作中的重复性工作全都自动化执行，将他们的时间和精力释放出来，去做更有价值、更有创造力的工作。

我们大概是一个200多人的团队，研发主要以AI软件研发为主，大概50人的规模。过去两年多，我们这个团队经历了特别大的变化。我记得很清楚：大概两年前，所有人都在用GitHub Copilot；一年半前，大家都在用Cursor；一年前，所有人用Claude Code；到今天，每个人都在同时用多个Claude Code、多个Codex。我想分享的是，过去两年我们的团队人数几乎没有变化，但从产品线的数量和产品迭代的速度来看，至少有5倍的提升。

袁晓辉：大家也会更忙了，对吧？

胡一川：对，大家确实也更忙了。就像前面你们讲到的，超级个体确实生产力更强，但在今天，超级个体并没有因为生产力更强而变得更轻松，反而更忙了——因为他在组织里还承载着一个使命，就是去影响周围的人，重塑组织内的工作流。

袁晓辉："是不是应该更忙"这件事我们先放一放，我们先听听下一位怎么说，若愚？

王若愚：谢谢。我叫王若愚，公司叫Workstream，可能国内的朋友不太知道这家公司。我们解决的是北美蓝领从招聘到入职、考勤到发薪的一系列问题。过去我们在硅谷融了约1亿美元，大概处于B轮阶段。

为什么会有这个问题？因为白领其实不存在这个问题——大家的工资是固定的，入职腾讯以后可能三年都没变过，对吧？但蓝领不一样，尤其是美国，它是一个以小时工为核心的体系。刚才有一位教授讲到特朗普，他最核心的政绩其实是让美国的小费免税了——这个是特朗普最核心的政绩。

因为小费免税，低收入人群的收入一下子上升了很多，但这也造成了大量蓝领收入的可变性变得极高。你可以想象，一个人每天打工的工时是不固定的。而且跟国内不一样——比如国内你开一个烤肉店，可能3000块钱一个月，包吃包住，收银是你，切肉是你，端菜也是你，什么都是你。

但美国不一样——cashier收纳员、barista咖啡师，每一个职位的hourly rate都是不一样的，这就使得数据非常繁杂。而且蓝领以及蓝领的管理者，是一个非常非常low tech的行业，所以我们尝试用SaaS加上AI去解决这一系列问题。

关于AI，我们自己内部觉得有三层可以应用的点。第一层，你可以做一个面向用户的产品，这个是luxury——如果你能做一个面向客户的产品，这其实是一种很奢侈的事情，因为世界上没有几个产品真的能找到product-to-customer的点。但大多数公司至少可以做两件事，也就是第二层——至少在你的产品上加一个AI layer，加个AI层，要么为用户提效、简化UI/UX，要么增加点科技感，或者为公司讲点故事——这一层是一定得加的。

最后一层就是一川说的——每个公司都应该做的，就是你的组织，这是我们今天的主话题：怎么样把公司变革成一个AI-native workplace（AI原生的工作空间）。比如过去你可能需要有一个财务总监，带上一堆财务同学算很多账，尤其今天如果你是一个出海公司，有中国实体、新加坡实体、美国实体，算账很麻烦——这些能不能用AI自动化？内部的Coding能不能自动化？还有产品经理，过去核心工作是天天写文档，今天不应该这样了。今天我们的产品经理只做一件事情——疯狂地跟用户聊天，把用户聊天的记录拉回来扔给AI，AI自动变成GitHub issues或者todo list，AI自动分析优先级，后面harness engineering驾驭工程——整个工作流发生了质的变化。

总体来说，这三层是我们看到可以去做的事情：产品是luxury，可遇不可求；第二层和第三层，AI layer加上AI-native work，这两个部分是必须要做的。

汪晟杰：大家好，我叫汪晟杰，Jason，大家叫我Jason也行。我来自腾讯，现在在负责WorkBuddy这个产品。关于AI方面的实践呢，我就从我自己的故事讲起吧。

我之前是做CodeBuddy——一个AI编程助手，它是在IDE里面使用的一个产品。大家可能用过VS Code或者其他IDE，它就是嵌入在里面的。我的故事是这样的：我一直想用AI来帮助我不只是写代码——而是帮我去做更多的事情。因为写了代码以后，我发现AI可以不只是帮人写代码，还可以帮人做更多的事。所以我就想，能不能让AI帮助所有人，而不只是程序员？

于是我们就想用Vibe Coding（氛围编程）的方式来做一款产品，面向普通的非技术用户使用。今年年初，我就做了一款基于CodeBuddy的Web版，叫CodeBuddy Work。后来晓辉博士帮我们改了名叫WorkBuddy——于是WorkBuddy 0.1版本正式在今年1月15号上线。这就是我们的故事。团队规模也在不断增加。

没想到WorkBuddy在内部和外部都获得了大家非常热烈的喜爱，这款工具确实打动了用户，它的粘性很高，日常过程中每天都能使用。我们就结合了"龙虾"这个爆款现象，叠加了claw的能力，同时马上出了小程序版本——也就是国内最早的双形态，大家可以随时唤起自己的小程序来使用。今天我们也发布了APP版本，大家后面可以在海内外搜到WorkBuddy来使用。

袁晓辉：因为他是产品经理背景，他刚讲的一些词大家可能听起来有点陌生，比如Vibe Coding、IDE这些专属名词。但一句话简单概括，它到底是个什么东西呢？就是说，因为AI的执行能力非常强，它又可以编程，所以你现在可以用自然语言指挥电脑编程，完成你的愿望。比如你的愿望是做一个PPT——刚才报告发布环节的PPT，就是我们完全用自然语言说完之后让AI生成的。这种能力对程序员来说是提效，但对非程序员来说是全新的工作方式。所以如果大家还没有接触，接下来一定会接触到的，无论什么样的产品，肯定会体验起来。

我们去年发过一个AI转型的报告，当时把整个企业的转型分了三个层次：最上层是业务转型，就是刚才说的提效，让效率更高，客户更多，研发质量更好；中间层次是组织变革——什么样的组织能够承载AI这样的生产力工具？第三层是心智重塑——我们到底应该用什么态度看待人和AI的关系？这个东西决定了组织，也决定了业务。

我的第二个问题是关于AI组织变革这块——你们的团队差不多都是一两百人的规模，目前做了什么事情去适应这个全新的生产力工具呢？因为现在每个人不光做一件事，可能同时做很多件事，这时候团队该怎么分工？怎么协作？还要不要开那么多会？我们还是从一川开始。

胡一川：我觉得最主要的变化就是团队变小了很多。过去我们一条产品线，从产品经理到设计师到前后端工程师，加起来多的有二三十人，少的一二十人。今天，我们的每一条产品线都在10人以内，而且很多从0到1的新产品只要3到5个人。原因之一是每个人的生产力大幅提升，原因之二是我们通过缩小团队规模，减少了人与人的沟通。我们发现，过去没有AI的时候，人跟人的沟通消耗了最多的时间和精力。

袁晓辉：大家很多时候都是上班的时候开会，下班的时候干活。

胡一川：对，所以今天我发现，人越少的团队效率越高——他们没有那么多人的沟通，可能就是每天早上两三个人开半小时的会，把最重要的事情讨论决策，然后各自去干，让AI去干。这是最大的变化。

另一个变化是人跟AI的关系。今年年初，我给整个产研团队提了一个要求：每个人使用AI都需要在接下来的几个月依次做到三个阶段。第一阶段，agent要成为你默认的工作入口——像WorkBuddy、Codex这些，应该成为每个人默认的工作入口，而不是你还要打开一个IDE，还要打开一个PowerPoint。

第二个阶段，在第一阶段的基础上——第一阶段是一对一，一个人用一个agent——第二阶段就是一个人可以用多个agent。这很好理解，因为让一个agent干活的时候，你的时间是被释放出来的，可以去干别的。但这时候会带来一个瓶颈：有同事开了4个、6个、8个Claude Code窗口，但很快就发现注意力不够了，因为经常要从一个窗口切换到下一个，再切到下一个。

所以第三个阶段，就是我们要设计新的工作流程，让人和AI的工作可以解耦，甚至AI就应该在人下班之后去工作。这是我们今天要去追求的——当然还没完全做到。但最近我们统计每个团队、每个人消耗的token数，看到有些同事在下班之后，一晚上可以让agent帮他消耗数十亿的token。

袁晓辉：数十亿token是多少钱呢？

胡一川：我们都是买200美元的Coding Plan，如果真要换算成API的话，我估计一天要消耗几百美元。

袁晓辉：很好的回答。因为我们最近也调研了很多企业的token消耗情况，有一个月几百美元的、几千美元的、上万美元的。最夸张的可能是一位OpenAI的研究员，一周之内消耗了2170亿token，算下来应该是几万美元。

胡一川：百万级的。

袁晓辉：对，消耗最多的Peter Steinberger，他是OpenClaw的创始人，上个月消耗了100多万美元。你想想，一个人会用掉这么多token，别人会质疑他：你用了这么多token，做了什么事？他当然没有透露很详细，但他说跟雇更多高薪工程师相比，还是非常划算的。

当然这里面有很多问题——就业问题、就业替代的问题，到底该用人还是用agent，等等。但单从token消耗这一点来看，确实已经带来了非常大的生产力革新。刚才一川也讲到了整个组织的状态，包括怎么调用agent、怎么用multi-agent、怎么在这个过程中保护你的注意力，甚至还有怎么让团队和multi-agent协作起来——目前我们看到还没有特别好的生产力工具。一会听听Jason的想法，是不是会有适配超级团队的工具，也非常必要。若愚，你们团队怎么重新适应AI时代去构建组织？

王若愚：我觉得两个层面——战术层面和战略层面。

战术层面上怎么样提效？刚才一川讲了一个点，我们内部的第一性原理是：在做一件事情的时候，在能够connecting all the dots（连接所有的要点）的情况下，尽量减少参与的人。有点绕口，是这个意思——大家想象你要做好任何事情，一定有好几个点需要连接起来。比如做一家科技公司，你需要技术、产品、市场、销售、运营，肯定有几个dots。过去你可能需要5个人或5个部门来协作，因为每个领域只有一个专家，或者事情太琐碎、有很多执行工作。但今天，因为制造和执行变得廉价、快捷，这5件事最好让一个人来做。很多时候达不到，但如果你能让两三个人来做，是远远快过5个人的。

道理很简单——当你有5个人在一个会议室里，光是对齐大家的思路就要浪费很多时间。而办公室里有个很不好的文化：有一个看似很厉害的人在讲话，其他人疯狂点头——他们点头不是因为听懂了，而是因为那个氛围里自然而然就点头了。讲话的人认知比较高，就真的以为大家懂了，说"那大家就去做吧"——结果做得一塌糊涂。这才是管理里最大的瓶颈：你以为大家懂了，其实大家没懂。

所以对齐认知是最难的一个点。为什么我们要降低一个会议室里的人数？不是公司裁多少员，而是每一件事情上，尽量减少参与的人数，保证参与的每个人能够覆盖所有要cover的那些点，最后这些点可以被connect到，事情就结了。这是战术层面。

战略层面上，有个更大的深坑：很多人以为招个好的CTO，或者招一个会AI的人带着大家玩就好了，不是这样的。

AI组织要转型，最核心的瓶颈往往来自于组织的一号位——我称之为，AI转型其实是一个"一把手工程"。用英文说可能叫"it's a responsibility of the owner of the work"。作为组织的一号位，如果你不能主动推动这个转型，会出问题。我给你们举两个例子。

一个例子比较小：在一个技术团队里，比如你的领导不懂AI——举个例子，假设你是某个老牌软件公司出来的老油条——但下面有几个特别厉害的工程师，他们推动了AI转型。结果一定是：那几个人一个人干100个人的活，还有一群人不怎么干。你就会把活往那两三个人身上不停地推，而因为你自己不懂，那帮人又很会经营跟你的关系，你又舍不得裁他们——结局就是会干活的人越干越多，不会干活的人天天躺在那里赚钱。这是技术团队里一定会出的问题。只有你自己非常精通这个事情，才能判断哪几个人是对的，其他几个人是不需要的。

把它拉到更高的维度，会出现一个更深的问题。

比如说一川，作为CTO说要推AI组织转型，把200人的效率干成了相当于2000人。然后CEO说"行，咱们裁员"，就把200人变成了20人，干以前一样的活，牛吧？但如果CEO不懂AI，会出现什么情况？他好不容易省下来的180个人的预算，就会流向还没有完成AI转型的别的团队。那些团队本来就很臃肿低效，他们把预算吃掉以后，那边的低效会流过来更多虚假的需求和错误的需求。本来这边人已经越来越少了，能干活的牛马就越来越牛马。

这就是两个典型的例子——从团队角度到整个公司角度，如果一号位不亲自下场推转型，只是局部转型的话，真正会干活的人反而会被这个转型拖死。

袁晓辉：讲得非常生动！确实如此——如果一号位不下场，我们今天报告里也有很多案例是一号位亲自下场推的，包括司晓院长今天上午的发言——他也在非常高密度地使用AI工具。他感受到之后状态就不一样了，以前可能需要其他人帮他完成一些工作，现在不需要了，直接指挥AI agent就可以完成。

王若愚：对，因为特别现实的一个点是：在座各位如果是在企业里，甚至在高校里——在港大也是一样的——你们可能会意识到有一批教授已经AI-native了，还有一批没有。已经AI-native的人，工作效率100倍了。那批还没有的人，会感受到巨大的危机。

所以当组织的一号位自己没有这个认知的时候，他天然会听到很多那些还没转型的人的谗言——这帮人会说，那些人在用AI干坏事，他们的言论和产出没有被审查过，可能不合规，说一堆鬼话把他排挤出去。

所以整个组织的一号位如果不做这条"鲶鱼"——所谓的鲶鱼效应——下面做鲶鱼的前卫的人就会掉队。这是可悲的人性。总结一下：战术层面上，一定要尽量降低connecting all the dots的人数；战略层面上，一号位如果不all in，你作为团队的员工也掂量掂量——不要做炮灰，这是我的建议。

袁晓辉：今天我们在场的听众大部分是做企业的，也有很多同学。从这个角度来看，给到个人的一些启示——首先是connecting dots，相当于你一个人应该更宽地拓展你的能力维度，让你自己能够端到端地负责一些事情。不光是专业能力要强，一横一纵——我们说T型人才——这个广度要更多地覆盖。

今天中午我跟一个法学背景的同学聊天，他也发现了这个问题：往一个方向专精做深很重要，但同时你要去做广，甚至具备创业者的思维，知道你交付的价值到底是什么——这更加重要。

好的，我们接下来问问——你们团队现在怎么协作？因为刚才我们的案例中也讲到CodeBuddy的一个案例，他们现在甚至以AI为中心做组织管理——任务调配、资源分配都是AI来做，不是manager来做，AI去看每个人的工作负载。你们现在是什么状态？

汪晟杰：我们做WorkBuddy的时候，会把所有功能模块拆解出来，每一个小功能让AI自己来定义边界。比如我现在在做一个新模块——"AI同事"这样的一个模块——这个模块涉及到的上游和下游，都由你这个小组来闭环。你无非就是要跟另外一个团队进行协作，比如要和WorkBuddy底座进行交流，要和上层解决方案或Skill层进行交流，那都会有对应的其他团队来互联。

这个互联的过程，其实是AI给另一个AI派发一个约定——就是我现在在这个模块里，要有上游约定和下游约定，大家可以一起评审。不仅仅是AI来评审，更多是人参与前期的评审过程。拿到任务后，组建三个小团队去完成不同的上下游合作，里面的内核功能是完全内聚的，大概3到5个开发同学去做需求澄清，和PRD、产品经理的文档共同完成。

现在每个人有自己的角色，而且不仅仅是一个角色——开发也可以写产品经理的文档，产品经理也可以写代码，他们之间的边界已经没有那么强了。无非是让这个产物让AI更明确，然后让AI开始干活。AI不断干活的过程中，人在不断监控流程，拿到产物——基本上都是对的，因为人在前期已经做了很丰富的讨论，已经跟上游的其他团队进行讨论了。

汪晟杰：我们会拉很多群来做承载——人与人之间的沟通会用更多的群。我们一直在思考：群里有没有可能有AI，让它长期存在在群里去理解？目前从技术层面来看确实挺难的，因为噪音很大——人员之间的交流它无法很明确地判定时间线是否可理解。但我们也在做很多尝试，比如做压缩和总结，作为PRD的附带物，让它一开始就有上下文。我们把这些也落到代码仓库里——AI写代码时总会把经验写进去，不断轮询之后，最终会产生一个满意的结果。然后让它复盘，把经验update一下，让这个仓库变得更完善。这是一次非常完整的端到端的成功故事。

接下来就可以拿这个案例去做下一次——比如要做一个"AI团队"功能，是"AI同事"的下一步进阶，就可以拿刚才的经验作为source，让AI去懂"哦，你原来是这个样子"。你也可以换一个模型——因为模型越来越贵，可以拿国内的模型或者别的模型——先让一个非常厉害的模型做出一个人类满意的结果，然后轮子就动起来了。任何一个东西都可以给到其他团队去复用。

袁晓辉：Jason分享得很好。因为刚才一川讲到multi-agent协作、保护注意力，还有团队和multi-agent怎么协作——现在这方面还没有特别好的生产力工具。Jason你们在WorkBuddy里面是怎么解决的？

汪晟杰：其实可以做得更好。每个人拥有自己的AI之后，AI之间的协作、人之间的协作，甚至AI和人的协作，这三个维度是可以做到更好的。我们做了一些尝试：比如说我会给一个AI一个主控的能力，让它去分发任务给其他的AI，其他的AI做完之后再汇总回来。这其实就是multi-agent的一种工作模式。

但这里面的核心问题是：AI之间的协作如何保证质量？我们现在的做法是在前期做非常充分的人类评审，把约定定义清楚，然后让AI按照约定去执行。AI执行过程中，人会做一些抽样检查，确保产出的质量是达标的。

袁晓辉：好的。其实关于组织变革，我们还有一个很重要的话题——就业。因为AI让团队变小了，很多人会担心自己的工作。若愚，你怎么看这个问题？

王若愚：我觉得把人分三类来看。

第一类，已经成功转型的——congratulations，前途无量。第二类，你还没有转型，但你愿意学、愿意接受——这种人完全没问题，只是快慢的问题，有的人几个月就能转过来，有的人十几岁也不愿意接受新东西。

但有一类人是悲剧——假如你不幸身处其中，一定要赶紧跳槽。什么呢？就是你发现你在很努力地推动变革，你甚至在影响你的同事，告诉他们什么变得更好。但不幸的是，因为整个组织的问题，你的工作跟别的部门有太多的依赖关系——你的工作输出高度依赖别人的审核、输入或输出，而其他部门完全没有意向去做变革。此时我建议你要不就换部门，要不就跳槽，千万别在那死撑着——因为你会发现越努力，在草台班子里死得越快，因为所有人都会把一切错误指向你——因为你做得最多，犯的错最多。

所以假如你不幸是最后一类，趁早走人。这一类是最悲剧的，我看到了无数优秀的人才就死在这个局里了。

袁晓辉：有一句话说"选择比努力重要"——他刚才说的其实就是让你做一个正确的选择。

汪晟杰：我们团队有很多同学都在用AI，但实际上从我的观察下来，使用的层次是不一样的。我作为产品负责人，基本上会给他们一些指导，或者共同陪伴他们成长——怎么用好AI工具。

举一个很简单的例子：有些小伙伴会把AI当成一个web search的工具平台，但AI不只是帮你做web search，它还能帮你反向找到灵感。当人发现问题——人是需要发现问题的——很多时候我们隐藏的问题，人找不到或者花很长时间才能找到。我们可以拿AI去帮你发现问题，或者协助你去找到问题，然后调研清楚，给出灵感。因为人的大脑在不同时间段会有不同的灵感idea，把这些灵感的片段告诉AI，让AI帮你做总结或者串起来。

根据你的上下文记忆，AI能让你快速优化询问的问题，优化你最初的需求，从而不再仅仅是web search——更多的是精确化地修正你之前的错误判断，也是更左移了一些错误点。

比如一个简单的例子：很多时候AI会大段大段地给我一个总结，我想跟它说"你不用再去理解它，给我生成一个手绘草图，包含A、B、C三个选项让我来选择，把我刚才几个发现的问题列进去"。它真的会帮你画出你想要的感觉，给你几个选项，然后你跟它说"这是还是不是"——通过图文对话，帮助人类快速去理解、发现问题，最终确认"就这个问题，你给我generate成一个最终的草图、原型稿、PDF或者MD文件"。我和我的人类伙伴达成一致——"你开干吧"。这是非常高效的事情。

袁晓辉：非常好的分享。因为现在很多人使用AI还是一问一答，很多时候我们问一小句，AI回答一大段，但回答的可能不是你想要的。因为很多轮下去，注意力也不够了。但更好的方式是让AI问你问题，让它跟你做多轮的交互，让它更理解你的想法和意愿到底是什么。

其实关于AI使用的技巧，包括prompt engineering这些，我觉得每一个普通人都应该去尝试理解，因为它决定了你怎么使用这种智能。我们今天上午在说"intelligence as a service"智力即服务——人类历史上第一次大家有这种能力，一个人就能触达全人类的智慧。你怎么使用它，带来的差异和红利是非常巨大的。

我再问最后一个问题——从今天的观众来说，可能大家还没有那么深地体会到前沿AI的能力。有什么建议？很多人还是觉得要先学个课程——你们有什么好的建议给今天的观众？

胡一川：我觉得最直接的就是边用边学、边学边用。因为AI本身就是一个很好的学习工具，当你深度用起来的过程中，你也是跟它在一起交流学习。所以我的建议就是：每个人在自己的学习、生活、工作里面，真正深度地把AI用起来。

王若愚：我唯一的建议是——无论你想创业当创始人，还是想找一份工作加入一个组织，其实都是一条第一性原理。如果你要创业，确保你是那个能推动AI转型的人，或者AI-native的人，并且保证你有一个伟大的愿景——愿景这个我刚刚没说，时间不够了。

假如你要加入一家公司，确保那个公司的老板是一个很懂AI又很懂愿景的人，确保这一点。那么假如你创业，你这么做至少保证你的效率很高，也能吸引到好人才；假如你加入一家公司，你不会被一个坏的老板和坏的组织给耗死。

袁晓辉：我觉得你可以说两句愿景的事，因为愿景非常重要——如果组织转型的目标就是把人裁掉、让人被淘汰，大家肯定都不愿意推进这样的转型。到底我们用AI的目标是什么？

王若愚：在这个时代，愿景比过去更加重要了。过去愿景的存在是为了用一个宏大的叙事凝聚几百人、上千人甚至上万人为了一个目标而奋斗。今天看似团队组织变小了，很多人说愿景还重要吗？我觉得变得更重要了——因为像来也科技或者WorkBuddy这样的产品赋能的是所谓的超级个体，就是一川和晓辉刚刚说的。

愿景存在的价值，就是确保你真的能够招聘到超级个体。因为你可以想象，所谓的超级个体——一个人可以驾驭100个agent同时干活的人——他不会为了完成一份任务、拿一份工资来你这打工的。这些人内心是抱着一个改变世界的宏愿的。当你有能力招到这些人的时候，他不是因为你能给多少钱，而是因为你讲的故事、你描绘的10年、30年、50年后的世界，符合他的认知和想象。你手上的资源能给他杠杆，能跟他一起往前走。所以说，愿景在今天这个时代变得比过去重要得多。

过去你还可以说，我通过资本的杠杆或者各种杠杆，雇一批吭哧吭哧干活但不管未来的"牛马"，只是通过庞大的生产力、庞大的生产规模来战胜竞争对手。今天不可能了——因为今天制造变得廉价了，你唯一的能力就是你看到了30年后不一样的东西，今天你用三个人百倍的生产力，直接把这个世界给改变了。

所以结合我刚才说的，最核心的两个东西——你判断一个公司值不值得去、一个老板值不值得跟，以及你判断自己是否能创业——就是两个东西：第一，一把手工程推不推得下去，一把手自己是不是懂；第二，他到底有什么愿景，这个愿景你是不是相信。仅有这两个判断维度，剩下的都是战术问题——都是取经路上的战术问题，这个妖怪打一打，那个路弯一弯，都不重要。

袁晓辉：关于愿景，我觉得刚才若愚讲的是一种典型的男性创业者对未来的宏大叙事——一下都30年、50年了。但我从女性的角度来看，其实我们非常在意对身边人的影响、对这个社会的改变，哪怕是一点点。今天中午跟同学聊天时，他也在说，他觉得教小朋友让他们理解整个社会是怎么运行的，就很重要。这一点点的影响——对周围人的影响、对社会的影响——对每个人来说都是一个很好的愿景。刚才我们说社会中有很多问题，如果你能通过努力解决一两个很小的问题，我觉得就是一个很好的愿景。

王若愚：我完全同意。其实这是创业里面最难的部分。今天宏大的愿景，说百年企业，在你刚刚创立这个企业的时候，你是想象不到这么大的，那个愿景是迭代出来的。它是个连续变量。所以这其实是创业最难最难的部分——你的起始点永远是很小的一个点，但你要越快意识到背后有个大的愿景，就越有可能吸引到顶尖的人才。

袁晓辉：其实即使不创业，也是可以去解决问题的，这些问题大量存在。Jason？

汪晟杰：首先，AI其实是你手里的黏土——你把它当成你的伙伴，它可以帮你解决很多问题，你可以把它塑造成你想要的东西。你可以把它当成你的小应用，或者解决任何事情的一个聚宝盆。你跟它去说，让它理解你，之后它就会变成你手上的一块金子。看你怎么塑造——塑造的人完全在你自己手里，也就是说，AI爆发的上限有多少，在于你想象力的空间有多大。我们做WorkBuddy产品也是一样——看我们的想象力解决什么问题，以问题为导向去解决。

日常生活的场景上，其实也极大地可以用AI来解决很多问题，特别是教学场景——我们也在探索这方面的事情。在这个场景下，更多的是人与人、人与AI之间的一种赋能、学习、互助。比如以前在图书馆里，你可能希望有一个老师、导师在边上不断督促你学习，他也知道你的学习过程——你之前反馈之后出了问题，怎么去回溯，不断加强你的知识点。AI在这个赛道上是非常好的帮助工具，这也是我非常看好的领域。

袁晓辉：谢谢三位的精彩发言。之前我非常困惑，会觉得未来可能是一个两极分化的未来，其实我是有焦虑的——我怕这些AI杠杆用得非常足的个体，会替代一些落后的人。但有一次我跟一个企业家交流，他说：你看，我们这个世界，这些建筑你觉得漂不漂亮？我说肯定有不漂亮的东西，包括我们住的环境也肯定有需要改善的地方。我们的世界其实有大量的问题依然存在，这些问题以前都来不及去解决，来不及改造。而每个人都想过得更好，这种愿望是存在的。所以只要需求是存在的，那未来的机会就是巨大的！

推荐阅读

袁晓辉、余一：

那些跑通 AI 变革的团队做对了什么？图4

👇 点个“在看”分享洞见