Foundation Capital 合伙人 Joanne Chen 访谈了 25 家公司——从 50 人的创业团队到上千人的企业——然后写了一份万字长文。
她的结论不是「AI 让每个人更快」，而是一个更根本的判断：整个公司的组织架构，正在被推倒重来。
数据先行
:::先看几个数字。
一家公司的 120 人工程团队，计划缩减到 25 人。另一家跑 30 多个微服务的公司，每个服务的工程师配比从 0.75 降到了 0.1——一个人管过去八个人的活。
还有一个更惊人的比例：专家与通才的配比，从现在的 1:6，计划在 12 个月内变成 1:25，最终目标是 1:100。
Teams are getting dramatically smaller. A 120-person engineering team at one company is planning to cut down to 25.
三个传统角色——产品、工程、设计——在某些公司已经合并成两个：产品构建者（融合 UX 和产品思维）和产品实现者（编排 coding Agent，负责系统设计）。
一家千人公司甚至推出了一个叫 "My First Pull Request" 的硬性要求：每个 PM、设计师、非工程师，都必须用 AI 工具提交代码。
从 pitch idea 到 demonstrate idea，距离在趋近于零。
蒸汽到电力
:::这不是第一次。
1890 年代，工厂从蒸汽动力换成电力。第一批工厂只是把蒸汽机换成电动机，其他不变。效率提升？有限。
真正的爆发发生在 1910-1920 年代——工厂围绕电力重新设计了整个生产线：动力分布更灵活，工作流重新组织，人和机器的角色都被重新定义。
汽车也一样。马路是给马和行人修的，汽车上了路只是跑得快了点。直到公路、交通系统、郊区化、停车场这些配套设施全部建成，汽车才真正改变了城市形态。
Most companies are still in the equivalent of the cars-on-dirt-roads phase of AI.
Joanne Chen 的判断：大多数公司还在「土路上开汽车」阶段。AI 让个体变快了，但更快的个体不等于更高效的组织——尤其当底层架构还是为 pre-AI 世界设计的时候。
四种人
:::在 Agent 接管越来越多工作之后，什么样的人类角色会变得更重要？
Joanne 总结了四种：
第一种：首席问责官。CFO 签文件、总法律顾问出庭、CTO 凌晨三点系统挂了要负责。只要监管机构、法庭、董事会还是人在运行，组织就需要人类来承担最终责任。Agent 做得越多，这个角色的分量越重。
第二种：系统架构师。这是新型组织里学习曲线最陡、杠杆最大的角色。他们设计人与 Agent 的协作方式：什么可以自主、什么需要人批准、怎么衡量绩效、出了问题怎么升级。
第三种：关系专家。信任的基本单位仍然是人对人。企业销售靠饭局建信任，客户经理靠政治嗅觉导航，HR 靠教练能力建文化。在分析和执行工作越来越自动化的世界里，人类的信任层反而更有区分度。
第四种：验证者。这是最关键也最快变化的新角色——审核 Agent 产出、验证代码质量、在人类判断仍然不可替代的边界地带把关。
验证者悖论
:::验证者的需求会遵循一条钟形曲线。
现在，需求还在爬升——大多数公司刚开始大规模部署 Agent。未来 2-4 年，需求会达到峰值：Agent 能做的越来越多，但还不够可靠到完全自主运行。随着系统积累数据、自我改进，人类审核的需求会逐渐下降。
但这里藏着一个致命问题：一代人问题。
Today's validators are experts because they did the IC work themselves. But if agents handle all the junior analyst work, all the first-draft code, and all the entry-level deliverables, how does the class of 2035 build that expertise?
今天的验证者之所以是专家，是因为他们自己做过 IC 工作。但如果 Agent 包揽了所有初级分析、所有初稿代码、所有入门级交付物——2035 届的毕业生怎么积累这种专业能力？
他们可能永远得不到练手的机会。
打个比方：你让 AI 代替了所有实习医生的临床轮转。十年后，谁来当主治医师？
验证者池是一代人的资产。如果不刻意补充，它会在一代人之内枯竭。
四个象限
:::大重组不会在所有公司里长一个样。Joanne 沿两个维度画了一个四象限：产出类型（产品 vs 服务）× 交付方式（数字 vs 物理）。
数字产品公司（最先被重组）：九个职能部门坍缩成三个——研发、GTM、G&A。每个部门内部，一层精简的人类团队搭配一层 Agent：推理 Agent 做分析决策，行动 Agent 做执行交付。
数字服务公司（压力最大）：产品公司里 Agent 帮你造产品；服务公司里，产品就是工作本身——Agent 直接在干活。大型人类交付团队萎缩，剩下的是包裹在 Agent 核心外面的一层人类薄壳。
物理产品公司（最大的绿地）：目前还没有机械工程领域的 Claude Code。但这也意味着最大的机会还在前方。
物理服务公司（最远离全自动化）：清洁工得上门、医生得面诊、卡车司机得上路。变革不在于替代服务提供者本身，而在于围绕他们的一切——排班、路线、文书、调度。
翻译税
:::一个反直觉的洞察：现在的软件全是给人用的。Agent 用这些工具时，得通过 MCP、API 封装、浏览器自动化来导航为人类认知设计的抽象层。
这个开销是可以量化的。
275 倍的差距。在复杂工作流里，这种「翻译税」会快速叠加。
Agent-native architecture skips that overhead entirely, exposing operations directly rather than wrapping them in a human interface.
所以「老工具 + MCP」不是终局。MCP 成了标准连接层，但它修不了底层架构。把 MCP 接到 Jira 或 Figma 上，Agent 还是在给人类设计的数据模型里绕路。
真正的赢家是从零开始为 Agent 设计的工具——Agent 是主要用户，人类监督是一个 feature。
七个方向
:::每一次组织架构变革都会催生一代新创业公司。Joanne 列了七个：
1. 人类系统架构师的工具— 编排平台、工作流构建器、可观测性面板
2. 验证者平台— 连接需要人类反馈的 Agent 和合格的验证者池
3. Agent 原生工具和基础设施— 从零为 Agent 设计，不是给老工具包一层 MCP
4. AI 原生数字服务— 律所、会计所、咨询公司、Agency 的 AI 原生版本
5. 人类关系专家的 AI 管理层— Tennr：月处理 1000 万份文档，97% 一次通过
6. 物理产品的 AI 技术栈— 机械工程领域的 Claude Code 还不存在
7. AI 原生物理服务— 调度、路线、协调的编排层，以及更远期的机器人
每一个方向都有一个共同逻辑：不是优化旧结构，是替换旧结构。
对我们意味着什么
:::这篇文章最值得咀嚼的不是「公司要裁多少人」，而是一个更深层的判断：
组织架构本身就是一种技术。它可以被重新设计、被推倒重来、被优化迭代——就像代码一样。
1.个体加速 ≠ 组织加速— 更快的人不等于更高效的公司，底层架构不改，快也是白快
2.系统思维是最稀缺的能力— 不是 prompt engineering，不是会用 Cursor，是理解人和 Agent 怎么协作的全局视角
3.验证者是一代人的资产— 如果 AI 包揽了所有初级工作，下一代专家从哪来？
4.Agent 原生 >老工具 + MCP— 275 倍的 token 差距说明一切
打个比方：你不是在给现有的组织装一个涡轮增压器。你是在重新设计发动机。
而最值得注意的是——这篇文章来自一个 VC。当投资人开始画组织架构图的时候，说明这不再是一个管理学话题。
这是一个市场信号。
