腾讯汤道生罕见长文：首谈AI原生组织，核心是重做产品、研发和团队

图源：网络

文章最初来自腾讯内部专业刊物《知点》年刊，从基础模型、AI应用、WorkBuddy、Agent，一直谈到组织和长期主义。

有意思的是，这篇文章本身就是汤道生和AI一起完成的。AI先“读”了他过去的讲话和笔记，把散落的内容重新整理，他再判断、修正。

这个细节和整篇文章讨论的变化很一致：AI已经不只是一个执行工具，而开始进入思考、研发、协作和决策过程。

外界可能更关注他对“腾讯AI是不是慢了”的回应。汤道生承认，过去腾讯整体算力不足确实拖慢了混元训练和产品发展，但他仍把AI竞争看成一场刚跑完“头一公里”的马拉松。

但从组织角度看，这篇文章里更值得关注的，其实是第五部分的标题：

这也是目前腾讯高管对“AI原生组织”比较具体的一次公开表达。

过去互联网公司的研发是一条相对标准的流水线：产品经理写需求，设计师做交互，工程师开发，前后端联调，测试跑用例，运维上线。专业分工越来越细，一个需求从提出到真正落地，要经过很多角色和很多环节。

这套体系过去是效率的来源，但AI正在改变它。

汤道生在文章中提到，当AI可以同时参与原型设计、界面、前后端代码、测试用例甚至简单功能开发后，原来的角色边界开始模糊，同样一件事情，需要的人更少，完成时间也明显缩短。

这实际上触碰到了AI原生组织最核心的一个问题：AI带来的变化，不应该只是产品经理效率提高30%、工程师效率提高30%、测试再提高30%，然后原来的组织结构一动不动。

如果过去必须经过六个人完成的一条任务链，现在两三个人加AI就能跑通，那么真正需要重做的，是这条任务链本身。

产品经理可以直接把想法做成prototype，工程师不再把大量时间花在敲代码，测试和评测可以更早进入，产品、工程、算法、设计之间也不必等上一个角色“交付”之后才开始工作。

汤道生判断，当AI能够覆盖多个环节之后，大团队流水线反而可能变得臃肿低效，跨界会成为员工的常态，也是“小团队办大事”的基础。

这比“AI提效”往前走了一层。

真正变化的是组织的基本单元。

今年6月，汤道生与腾讯AI首席科学家姚顺雨公开对谈时，已经谈到过WorkBuddy的团队方式。他专门观察过这个团队，发现它和腾讯过去很多产品团队不太一样：组织非常扁平，更多是三到五个人的小团队，围绕某一个领域攻坚；不同小分队同时做大量实验，大部分实验未必成功，所以组织必须允许快速探索和试错。

这次长文，则把WorkBuddy背后的形成过程补得更完整。

WorkBuddy并不是腾讯几年前按照一张完整战略蓝图规划出来的。它最早来自腾讯云长期积累的DevTools能力。因为商业模式不好，这些开发者工具一度长期亏损，在CSIG降本增效阶段甚至差点被收缩。后来随着AI Coding发展，团队做出CodeBuddy；2026年初又基于CodeBuddy底座做出面向非研发人员的WorkBuddy。腾讯文档团队随后调整到CSIG，与团队融合，补上文档编辑等能力。

WorkBuddy的研发方式也发生了变化。

过去往往是先写文档、评审、排期，再开发；现在团队会先让AI把可运行的原型做出来，人直接围绕真实结果判断、修改、继续迭代。文章披露，WorkBuddy上线三个月迭代了40多个版本，代码大量由AI生成，人的工作更多转向判断、调试和把关。

汤道生把这个过程总结成一句很值得记住的话：

这句话放在组织管理里很重要。

AI变化太快以后，企业越来越难提前三年把一个产品、一个场景规划完整，但可以长期积累底层能力，保留有潜力的小团队，给团队留下试验空间，在机会出现的时候快速重新组合资源。

所以WorkBuddy真正值得看的，并不只是一个产品怎么做出来，而是背后的创新机制：

能力长期积累，小团队快速探索，AI先Build出来，用户真实反馈，再高频迭代。

这套机制和传统的大项目制研发已经很不一样。

它也直接改变了人的角色。

汤道生在6月的对谈中提到，过去工程师大量时间用于写代码，现在越来越多代码可以交给AI，工程师反而更像一个有想法的Leader，驱动多个Coding Agent围绕产品目标完成研发，同时还要更早参与产品判断、测试、评测和质量保证。

第一财经当时也提到腾讯内部正在观察一个变化：AI原生团队更加扁平，团队越来越小，原本产品、研发、测试之间的角色开始融合，“大家都要做产品经理”。

这里当然不是说未来不需要专业产品经理。

更准确的理解是：每个人都要更靠近用户和结果。

过去专业化分工越来越细以后，一个工程师可以只关心代码，一个测试只关心测试，一个产品经理负责需求传递；当Agent开始承担越来越多执行工作之后，人留下来的价值越来越集中在理解用户、判断什么值得做、拆对问题、给AI足够好的Context、判断结果是否正确，以及最终对结果负责。

岗位边界自然会变宽。

AI原生组织需要的也不再只是“把自己这一段流程做完”的人，而是更多能够从问题一直看到结果的人。

团队变小只是表面，更深的一层变化是过去清晰的组织边界正在重新连接。

汤道生这次文章里专门强调了一个词：

在传统软件时代，底层技术团队先把技术做好，产品团队拿过来使用，这种分层相对清楚。但Agent时代很难继续这么干。

Coding Agent需要理解代码、工程架构和数据结构；PPT Agent需要理解会议纪要、企业资料、模板、市场信息甚至表达习惯。模型到底缺什么能力，只有放进真实任务里才能知道。

产品团队知道用户有什么问题，却未必知道模型为什么失败；模型团队知道模型能力，却未必天然理解具体业务里的Context。

所以腾讯现在推动混元与元宝、WorkBuddy进行Co-Design：共同确定优化目标、构造环境数据、进行后训练，再通过真实实验不断验证。企业微信、腾讯文档、ima、腾讯会议、iwiki等产品也在与WorkBuddy打通，让真实任务、用户反馈和场景Context继续反哺模型。

这对传统企业同样有启发。

很多企业现在的AI组织仍然是：技术部门做平台，业务部门提需求，中间通过项目经理连接。

这样的分工很容易把AI项目重新做成一个传统IT项目。

但AI原生工作方式要求技术、业务、用户场景更靠近。模型、Agent和工作流要在真实业务中一起迭代。

所以未来企业真正需要建设的，可能不是一个孤立的“AI技术部门”，而是一组围绕真实业务场景长期运行的跨职能小团队。

而且组织变小、角色融合，并不意味着管理变少了。

恰恰相反，它需要另一套更清晰的管理机制。

汤道生在文章里提到，团队更扁平之后，目标需要更早对齐，评测指标要更清楚，实验和试错会成为研发流程的一部分，验证工作也要尽可能前置。

原因很简单。

AI让执行变便宜以后，错误方向反而变得更贵。

一个Agent几小时就可以做出过去几周才能完成的东西，也意味着错误能够以更快速度被放大。

所以未来流程并不会简单消失，只是管理重心在迁移。

过去大量管理动作，是协调人的执行、跟进任务和检查进度；未来更重要的工作，会变成确定方向、拆问题、补充Context、定义评价标准、设置边界，再让小团队拥有足够自主权去快速实验。

这可能才是AI时代真正的“扁平化”。

过去一年，“AI原生组织”这个词被讲得很多，但如果把汤道生这次长文和腾讯今年公开的WorkBuddy实践放在一起，已经能看到几个很具体的变化。

团队会变小。三五个人借助AI，可以完成过去更大团队才能完成的工作。

层级会变少。信息和决策距离缩短，小团队直接围绕用户问题快速迭代。

岗位会变宽。产品、工程、测试、设计之间更多交叉，每个人都需要理解问题和最终结果。

AI开始成为真正的执行能力。人的工作从亲自完成大量任务，逐渐转向驱动Agent、判断、调试和把关。

实验成为基本工作方式。不是所有事情都等需求完全定义清楚之后再开发，而是快速做出来，用真实反馈不断修正。

模型和产品也开始走向Co-Design。技术、产品、数据和业务场景不再串行交接，而是在同一个反馈闭环里不断进化。

这可能也是汤道生这篇长文里，比“腾讯AI到底快还是慢”更值得企业管理者关注的部分。

过去企业AI转型的第一阶段，主要解决的是让员工用上AI。

接下来更难的问题是，当员工真的可以借助AI完成越来越多工作之后：

这些问题已经不是工具培训能够解决的了。

它们开始进入真正的组织设计。

所以汤道生在文章最后仍然回到一个很朴素的判断：

AI原生组织最终也不应该只是一个“用更少的人完成更多工作”的效率模型。

更重要的是，当AI把大量执行工作接过去以后，企业能不能重新设计工作，让更小的团队拥有更大的自主权，让人的时间真正回到判断、创造、用户和结果上。

从WorkBuddy目前的实践看，腾讯至少已经开始用自己的组织去回答这个问题。