在大量使用 AI 之后，等待代码审查的时间增加了五倍。
美国工程数据分析公司 Faros AI 在今年第二季度报告中给出的数据。对过去两年中 22,000 名开发者、约 4,000 个团队的真实工作记录进行分析，比较同一组织在少量使用 AI 与大量使用 AI 时的差异。处理的工作量增加了接近 34%。然而审查等待时间却增加了五倍，周发布次数反而下降了约 12%。是“做得更多，却交付得更少”。
最近在一个讨论串里看到一篇引用了这些数字的文章。两位正在进行第二次创业的联合创始人用一年时间尝试打造“AI 原生公司”，结论非常明确：如果团队结构仍沿用旧方式，AI 带来的生产力几乎全部被稀释。我在大型企业的 IT 战略、CTO 以及咨询现场也多次看到同样的情形。
1. 工作一天，交接却要三天
把工作划分为策划、设计、开发、测试，然后把产出交给下一个人，这种结构在制作周期最长的时代是最佳答案。现在制作环节是最短的，剩余的时间都花在交接、等待和对齐上。如果一个人用 AI 在一天内完成工作，但交到下一个人手里需要三天，那么这实际上是一项需要三天才能完成的工作。
在国内企业还有一层额外的阻碍——审批链。即使负责人上午用 AI 完成报告初稿，经过团队长、部门主管、总部负责人等层层审批，也要花上一周时间。我把这称为“交接成本”。AI 将制作成本几乎降至 0，但交接成本一点也没有被削减。相反，随着产出量的增加，交接环节前的排队长度也随之增长。Faros 的数据正是这条队列的写照。
2. 早点完成反而吃亏的结构
从员工的角度看，这一点更为直观。只负责整体流程中一个环节的人，如果用 AI 在半天内完成自己的份额，会得到什么回报？要么得到下一项任务，要么只能等待前后同事的配合时间。成果仍需经过他人手中才能到达客户手里，因而并未转化为可见的业绩。
因此，悄悄保留省下的时间成为一种理性的选择。我并不把这视为懒惰，而是结构在“要求”我们这么做。AI 使用率提升了，但生产力没有同步增长的根本原因，往往不是工具，而是工作单元的划分。只有让一个人从头到尾负责完整的业务领域，才能让“快速完成”真正转化为个人业绩。
3. 取消中层管理并不能解决问题
Jack Dorsey 在今年 3 月与 Sequoia 的 Roelof Botha 合著的文章中宣布，将信息上下流动、部门间协作的中层管理职责交给 AI 系统。组织结构重新划分为：实干者、对特定结果负责的 DRI、以及在一线工作并培养人才的玩家教练。
国内企业直接照搬并不容易。裁员并非易事，且很多公司把职级直接等同于待遇。不过，我认为并不需要盲目模仿。关键不在于减少管理者的数量，而在于明确谁负责到底。
更需要警惕的陷阱是：如果去掉了中间环节，却失去了相互信任，所有决策又会重新向上汇报。讨论串的作者也给出了同样的警告：取消中层管理后，结果是唯一的 CEO 成为了全公司的中层管理者。新的瓶颈不再是人数，而是信任。
4. 需要重新制定的文件是授权审批规定
因此，我建议刚开始引入 AI 的公司，先把“授权审批规定”而不是工具清单摆在桌面上。该文件列明在什么金额、什么范围内，负责人可以单独决策。过去这些规定的前提是：制定过程耗时、错误成本高。
这一前提已经改变。草案几分钟即可生成，出错了也可以重新制作。于是应当扩大无需审批的范围，只把真正难以逆转的决策上报。审查也同理：不是全覆盖的审查，而是明确哪些点必须审查的精简审查，才能真正减少审查次数。
讨论串的作者把当下的许多公司比作在高速公路上只开了几条收费站的通道。
如果您希望在 AI 引入的同时重新规划组织和审批结构，欢迎随时联系。 Knowverse AX 咨询