AI时代的理想团队应该是怎么样的？

type

status

date

slug

summary

传统的组织逻辑里，团队规模和产出是线性挂钩的。AI领域这个假设失效了。

AI产品对人的要求变了。要的是判断力。什么时候该用LLM、用哪个模型、上下文窗口怎么管、幻觉怎么控制，这些决策点上大家的认知不一致，产品方向一定会跑偏。

认知对齐是有成本的。团队成员对AI的默认假设差距越大，对齐成本越高。我自己的经验是，认知对齐消耗的精力应该控制在总精力的20%以内。

为什么是百分之20？经过几次会议我发现，如果1个小时的会议中，有20分钟左右的时间，在交代背景、设计原因、方案介绍、概念对齐，那这个会议将不会有任何结论，并且起不到推进作用的同时，还让主讲方丧失沟通的动力。

超过这个阈值，Leader的状态也会变，从管理团队变成了替团队思考。这也是最容易出问题的状态。

团队的「小」是结果，不是目的。AI工具让一个个体可以变成多面手，多面手可以独立撑起一个完整环节，完整环节需要更少的人来协调，对齐成本自然就下来了。

跟「人多力量大」的古典逻辑是反的。

小团队的第二个优势是决策速度。AI领域的大部分决策没有「最优解」，只有「当下能做的最差里最不差的」。等你想清楚再动，技术栈可能已经变了，模型换代了，用户需求也漂移了。

我越来越觉得，做了比不做，做了比正在做，都要有结果得多。

小团队不需要自下而上的审批流程，不需要考虑「动这块会动到谁的蛋糕」，不需要平衡所有人的意见。一次拍板，快速执行，跑出来再调整。这种决策密度在大团队里不存在。

但有个前提：小团队的优势在于没有历史包袱。不需要讨论「为什么以前这么做现在不能这么做」，不需要在会议里说服七八个利益相关方。

不过「没有历史包袱」不等于「没有历史积累」。

要区分两个概念：积累是分为有效积累和无效积累的。

有效积累是同类决策的经验、快速迭代的方法论、对AI能力边界的校准。这些可以迁移，离开当前项目还能带走。

历史包袱是复杂冗余的代码、为了管理而存在的管理流程、一套又一套的审批节点。这些只绑定在当前产品上，换个项目就完全失效。

理想团队聪明的地方在于：只保留前者，主动迭代掉后者。

古典时代团队最宝贵的资产是人。AI时代，人的作用不会消失，反而更重要了。但要求也更严格了。

一个水平一般的员工，在古典团队里可能只是不出彩，在AI团队里就是直接拖后腿。AI能替代的恰恰就是那些重复性、低判断力的工作。能留下来的人，必须具备AI短期内替代不了的东西：判断力、跨领域思维、快速迁移的能力。

所以AI团队的选人标准应该重新定义：

最后一条尤其关键。一个团队如果所有人都在执行Leader的判断，那Leader的认知天花板就是团队的天花板。真正的人才，会在关键时刻给出不同声音。

有人会问：怎么鉴别、筛选、培养这样的人？

这个问题本身就问反了。

如果一个团队真的需要「培养」，说明选人的起点就错了。

AI团队里，选人比对齐认知更重要。 不是所有人都能被培养到同一个AI认知水平，但你可以选那些已经有基础认知框架的人进来，再用20%的精力对齐具体项目的判断标准。

这意味着Leader最重要的工作不是「管理」团队，而是「塑造环境」。

人是环境的产物。Leader要做的是让环境本身有吸引力。

人才会去往人才该去的地方。这是人才为什么叫人才的核心原因。

如果一个团队留不住人，问题在环境，不在人。而环境的塑造者，是Leader，这是相互关联且相互依赖的。所以AI团队对Leader的考验更大。

正如刚才所述：Leader也是环境的产物。

一个5到8人的团队，每个成员都能独立撑起一个完整环节，认知起点足够高所以对齐成本极低，没有历史包袱所以决策密度极高。Leader的工作是给方向、给资源、给责任，然后让团队自我驱动。

Leader设置目标，不分配任务。塑造环境，不做管控。让团队想得比自己更深，不替团队思考。

至于怎么走到这个状态，答案很简单：先把Leader自己变成对的环境。

写到这里想到最近读到的一篇项目复盘，里面讲的军事化管理、高压迭代、战略频繁变动，几乎是今天聊的每个原则的反面。但反向看也很重要，从失败的项目里反推什么该做、什么不该做，是这套思考能成型的一个起点。

这种把人当作耗材的角度，把组织的物质资产当作组织本体，在当前内卷的环境下或许更为合适。

不过也会让我更加好奇，这么做的代价是什么呢？