AI已经能做什么，已不是关键；组织是否敢让AI去做，才是。 一个"看起来合理"的数字 往往掩盖了真正的保守 围绕AI的讨论，外界已经形成了一套相对稳定的叙事框架：算力决定上限，模型决定能力，数据决定 智能水平。 但如果你真正置身一家"all-in AI"的企业，会看到另一条并不对称的曲线——AI能力的提升近乎指数 级，而组织的适配速度却依然是线性的，甚至是阶梯式的。瓶颈并不在技术本身，而出现在一个更少被 直面的问题上： 2025年初，我向技术团队提出了一个看似直接的问题：目前公司里，有多少代码是由AI完成的？答案 是30%。一个在行业里并不罕见，甚至听起来还不错的数字。 但这个数字的关键，并不在于高或低，而在于比较对象。如果这是从0%到30%，它意味着进步；但如 果在技术条件允许的情况下，本可以接近100%，那么30%反而暴露出组织的克制。这并非效率问题， 而是决策边界的问题。 要真正理解AI如何改变组织，单靠概念讨论并不足够。边界在哪里？代价是什么？风险会出现在哪一 层？这些问题，只有在真实实践中才能被验证。 因此，在2025年4月，我重新回到一线角色，与CTO组成了一个最小化团队，尝试从零开始，用AI构建 ...