文章记录了 Manus 团队在研发 AI Agent 产品的过程中，用自家产品改造自身组织运作的实践。研发团队通过 Manus-mono 统一入口和给 AI 的说明书，让一个工程师能同时处理十几个需求，一人写完前后端和移动端；产品团队实现了端到端上线，所有产品经理都提交过代码，甚至用视频代替传统 PRD 表达需求；市场团队则引入'数字同事'参与工作流，自动跟踪发布、复盘数据、跨团队对齐。整体上，组织从 Human in the loop 走向 Human on the loop，减少人与人之间的打断损耗，人更多承担监督、判断和决策的角色。
作者作为一家30多人AI公司的创始人，用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板，并将其封装为Skill；随后解决了同事们Vibe Coding应用部署与分享的痛点，将中台包装成MCP，接入飞书登录与权限体系，实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页，并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产，期待AI原生的组织变革。
作者基于一年运营 AI 原生公司并帮助客户转型的经验，提出打造 AI 原生公司的七步方法论：先清理数据与上下文（建立 Company AI Brain），再构建共享基础设施而非零散自动化；让全员在 Harness（如 Claude Cowork、Codex）中工作；用技能、上下文和新模型解决大部分工作；全员教育并培养 Champion 推动进化；自定义 Agent 最后才建；并保持持续尝试。作者还破除 Agent 神话，指出'人机三明治'模式依然存在，人的角色随信任与上下文积累而变薄。
文章论述企业不会在瞬间被 AI 击败，而是逐季度缓慢落后。作者引用 PwC 和 McKinsey 调查数据指出，尽管员工普遍使用 AI 工具，但大多数企业未获得显著财务回报。类比电力时代工厂保留蒸汽机传动轴的教训，说明仅购买 AI 许可证而不重构工作流程无法释放价值。结合 Microsoft 及医疗授权平台等案例，作者强调必须围绕 AI 重新设计工作流。文末提出企业落后于 AI 的七个阶段，警示渐进式衰退的风险。
作者重读Notion创始人Ivan Zhao被读600万次的名文《蒸汽、钢铁与无限心智》，梳理其核心观点：每个时代由'奇迹材料'塑造，钢铁造就镀金时代，而AI正以'无限心智'形态到来。文章评价：个人层面，10倍工程师通过指挥多个AI智能体成为30-40倍工程师，但'无限心智'受限于人类有限的验证注意力；组织层面，AI如同组织的钢铁，能极大提升效率，但我们仍处于'替换水车'阶段，且概率性材料盖确定性高楼需更深地基；经济层面，知识经济将如城市从佛罗伦萨演进为东京。作者同时警示：脱离一线的监督者会失去质量手感，年轻人的手艺底子可能变空。
作者基于对30多家公司和50多位从业者的研究，提出AI成熟度模型L0-L5之外更深层的洞察：真正的AI原生公司不是给员工配AI工具提升效率，而是构建'软件工厂'。工程团队的角色从写产品软件转变为构建harness——提供上下文、权限、评估、模型路由和护栏，让全公司（市场、销售、财务、PM）都能自主开发软件。作者提出软件工厂测试五要素：看见（See）、构建（Build）、传播（Propagate）、记忆（Remember）、察觉（Notice）。通过Ramp Glass/Inspect、Vercel d0等案例说明，当软件开发成本坍缩，瓶颈从构建能力转向识别值得解决的问题的能力。
作者基于与300多位大企业高管的交流，指出企业AI落地失败的根源：把AI当作'涂料'直接套用在低效旧流程上，结果只是'更快地生产垃圾'。文章引用1990年Michael Hammer关于IT投资的历史教训，说明真正的价值在于流程再造而非局部提速——如保险案例中22天流程里实际工作时间仅17分钟，优化等待和交接环节才是关键。作者提出企业不应'应用AI'，而应像数字化转型一样进行'AI转型'，通过流程重构和Agent部署实现可衡量的ROI。
文章基于麦肯锡 2026 年 8 月《The state of AI in 2026》报告指出：80% 受访者称 AI 提升了个人生产力，但仅 37% 认为 AI 对组织 EBIT 有正向贡献，高绩效组织仅占约 6%。作者通过职场故事说明，把 AI 当润色器与把 AI 当隐形团队的人差距会滚雪球式扩大。文章提出个人应在组织变革前主动重构工作流、沉淀模板与经验、学会管理 AI 成本、成为责任节点；同时分析中层管理者的尴尬处境、岗位任务被重新切分的趋势，强调未来值钱的是敢为 AI 参与后的结果负责的人，而非只会操作工具的人。
Peter Diamandis 介绍其合作伙伴 Salim Ismail 提出的“组织奇点”理论：70% 的 CEO 承认公司存在高利润业务可在 60-90 天内被两名 AI Agent 使用者复制。文章阐述 AI 原生公司的五层智能架构（感知、解释、决策、编排执行、学习），人类仅在检查点做是否批准。传统公司无法内部转型，需采用边缘策略——在防火墙内建立数字孪生，逐步用智能栈重构工作流并替代旧系统。预计 AI 原生组织性能将提升约 100 倍，仅需 20% 人力；中层管理萎缩 60-80%，静态组织架构与五年规划消亡，而 MTP、法律实体、专有数据与人类判断得以保留。
文章指出全球88%的企业使用AI但仅6%能算清收益账，核心问题不在技术而在于一号位的提问方式。以美团全员配AI却日烧千万token为例，说明把AI当工具发放与当业务杠杆重构的巨大差异。文章辨析了工具与Agent的本质区别——主动性，借冯·诺依曼瓶颈的典故强调一号位的职责是给业务问题起对名字，并提出“组织底数大于1”是享受AI指数红利的前提。
本文对比中美 AI 岗位招聘差异，提出 AI Business Partner（AIBP）是未来几年最值得普通人押注的职能方向。作者分析指出，企业 AI 落地的瓶颈不在技术而在变革管理、数据质量和流程重构，AIBP 作为嵌入业务线的第三种 BP，能弥合业务与技术的结构性张力。文章将其与提示词工程师、FDE、AI 产品经理、管理咨询顾问和培训岗逐一区分，拆解了岗位的三层结构（工作流、能力、人），并给出九十天检验标准和五类适合转型的背景，其中商务拓展是最被低估的入口。
本文解读 Bain & Company 发布的企业 AI 转型 CEO 指南，指出多数企业的 AI 尝试只是“假装进步”：把试点数量当转型深度、在旧流程上叠加 AI 按钮、用短期 ROI 筛选项目、误把供应商能力当自身能力、战略激进但机制保守。文章认为真正拉开差距的是三样买不来的核心资产：专属数据、编码化工作流和闭环学习机制，并介绍了企业 AI 转型需要做对的七项核心决策。
作者围观其 FDE（前线部署工程师）社群自发组织的线上讨论，多位从业者围绕企业 AI 落地各抒己见。文章提出多个非主流判断：FDE 热潮是需求爆发与技术供给转移的叠加，供给增速可能远超付费需求；AI 项目复杂度上升但客户付费意愿反降，形成危险剪刀差；老板的 AI 焦虑不等于真实需求；最适合改造的是「半数字化企业」；真正困难在于组织与人而非技术。作者认为 FDE 应作为客户入口，沉淀可复用行业资产，最终稀缺的是客户入口、行业理解与组织信任。
李开飞分享其新书《AI Native》，阐述企业如何真正实现AI转型。他指出许多公司虽投入AI但未见实际收益，强调AI转型必须是CEO的首要任务，需重塑企业核心而非仅作为工具附加。书中探讨了智能化带来的组织变革与领导力挑战。
文章指出2030年前中小企业将形成“老板+核心员工+数字员工+外部生态”的新型组织。关键不在于减少人力，而在于通过销售、交付、复盘三个数字员工构建高杠杆系统。老板需转型为AI业务架构师，核心员工需成为“AI领班”，将数字员工嵌入业务流程，实现从“+AI”到“AI+”的流程再造与知识沉淀。
文章指出中小企业引入数字员工的核心不在于工具选择，而在于业务流程的岗位化重塑。作者建议首个数字员工应避开高风险决策，优先在销售助理、客服答疑等“高频、重复、低风险”的环节切入，通过标准化流程实现信息沉淀与效率提升。
本文展望了2030年中小企业的组织形态，指出未来企业将演变为“老板+核心员工+数字员工+外部生态”的混合模式。文章强调，老板需转型为AI业务架构师，核心员工需具备定义问题和判断结果的能力，而企业知识将成为真正的护城河。AI转型不仅是工具替换，更是流程重构和组织能力的系统升级。
文章基于Notion对10个国家6118人的调查，将企业AI落地分为四个级别：L1（参谋）、L2（助手）、L3（同事）、L4（系统）。88%的企业处于前两层，主要利用AI提升个人效率；L3和L4则侧重于自动化与组织变革。L2到L3是转型最难的鸿沟，涉及技能重构和组织调整。AI转型被比喻为“大装修”，企业在业务不停摆的情况下进行硬装改造。
本期 Indigo Talk 邀请 Bill Sun 探讨 AI 对投资、组织形态及人类存在的深刻影响。Bill 拥有 Google Brain 与量化对冲基金的双重背景，他指出 GPT-3.5 曾让其 20 人团队的工作被 AI 替代。对谈核心观点认为 AI 是“极端放大器”，而非平等工具，它会让顶级人才效能倍增，同时加速组织“U 型坍塌”——中部消失，分化为超级资源体与“一人公司”。此外，文章还深入探讨了如何造出像索罗斯一样思考的 AI，以及在 AI 时代人类如何寻找存在意义。
文章以“黑洞”比喻“可复制的智能（AI）”，探讨了在AI技术奇点临近时，传统的薪酬、绩效、职位定义及管理体系面临的失效与崩塌。作者指出，AI通过将高认知劳动转化为低成本的API调用，导致了“暗生产力”的诞生、岗位核心任务的空心化、以及评价体系（如绩效秤）的“答案通胀”危机。同时，现代企业的科层制结构正在本能地阻碍光速智能的引入，导致了组织层面的排异反应。
文章指出，虽然AI工具层出不穷，但企业面临的核心瓶颈是缺乏将AI有效融入实际业务并推动组织转型的人才。单纯的工具使用与利用AI实现业务降本增效之间存在巨大鸿沟。文章定义了“AI转型人才”的五大核心工作：寻找高价值场景、重构业务流程、打通数据系统、建立评估标准及推动组织变革。随着行业从“模型竞争”转向“落地竞争”，具备“AI×业务×转型”复合能力的个人将成为未来的关键资产。
文章指出，尽管AI模型能力飞速提升，但企业部署成功率却在下降，形成了“AI实施鸿沟”。作者借用医学界的“实施科学”理论，提出将CFIR等框架引入AI领域，以解决技术落地中的组织、人员和流程问题。文章预测，到2030年，AI实施将成为一门独立学科，而解决“落地税”和“能力幻觉”将是行业的关键。
文章基于对旧金山 AI 原生公司的实地考察，总结了它们在运营模式上的显著变化。核心发现包括：传统产品经理（PM）角色正在被工程和设计职能吸收；技术栈迅速收敛至 Claude Code、Linear 等工具；非技术人员（如财务、客户经理）借助 AI 获得了直接构建产品的能力。文章强调，在执行成本趋近于零时，审美（Taste）成为核心护城河。这些公司通过快速迭代和并行实验，实现了知识的指数级积累，与仍停留在“AI 战略”讨论阶段的企业形成了巨大差距。
文章探讨了 AI 如何从个人智能进化到协作智能。作者指出，目前的 AI 虽然提升了个人效率，但在组织层面收效甚微，因为缺乏对上下文和社会协作的理解。通过回顾科学学会、电话交换机和 Git 等历史案例，文章认为真正的突破在于将 AI 视为具备社交能力的参与者，嵌入到人类的协作工作流（如邮件、文档、代码库）中，从而实现组织生产力的指数级跃升。
