文章核心观点 - 10月31日快手技术沙龙第六期在北京举办，主题为“从研发效能走向企业AI生产力”，快手、OPPO及软件工程领域专家共同探讨AI如何从个人提效走向企业级生产力 [1] - 快手企业AI生产力副总裁王诩表示AI带来研发变革的同时也带来Token费用上升、重复建设与安全风险等问题，并将快手AI发展总结为实践、工具推广、岗位调整、组织变革四个阶段，今年9月份企业AI生产力（iWork）组织正式成立 [1] 快手AI生产力建设路径 - 快手最初从工程师提效切入，目标到2026年底将80%的线上交付需求提升至L2（人机协同完成需求交付）水平，当前这一比例已超70% [2] - 快手将编程助手与Work整合为通用智能体MyFlicker面向全员开放，周活跃用户数较2025年末增长约2.5倍，并以“词元积分制”控制预算 [2] - 年中复盘发现个体提效不等于组织提效，存在经验难沉淀的“孤岛区”与数字员工效率平平的“空转区”，快手据此转向团队，遵循“先蒸馏，再折叠”的思路沉淀团队经验，再招募数字员工承担重复性工作 [2] - MyFlicker升级至2.0，已有500多个团队Agent、1000多个数字员工独立工作，快手成立iWork并推进MyFlicker3.0，建立企业级AI基座 [2] 快手磁力引擎风控团队转型实践 - 快手磁力引擎风控技术负责人王东旭分享团队从“超级个体”到“臭鼬工厂”的探索，推进全栈转型，提出“全栈不是多做一份工，而是少等一个人” [3] - 借阿姆达尔定律说明编码仅占端到端耗时20%时整体提速上限约为25%，团队通过“绑目标、缩节点、搬工位”让各职能围绕同一目标协作，将需求流转节点从12个缩至6个 [3] - 试点中29名成员的需求吞吐率由36%升至84%，交付周期压缩至原来的五分之一 [3] - 快手磁力引擎风控质量负责人吕冬冬给出“需求测试分级、风险挖掘与AgenticAITesting”框架，基于“云帆”平台形成高、中、低三类风险应对策略，高风险由人工主导、低风险由AI承担更多验证 [3] - 针对“AI测AI”的同源闭环问题，提出通过异源模型分工、黄金真值与差分变异测试降低同源偏差，并强调质量团队将从执行者转向规则制定者 [3] OPPO互联网业务AI组织探索 - OPPO产研提效产品负责人郝刚分享OPPO互联网业务从工具普及、个人提效到组织提效，再探索AINative组织的路径，重点建设高质量知识库与AI交付工作流 [3] - 走向AINative需自上而下与自下而上双路径共同推进 [3]