89.当 AI 进入组织，那些「从没人说过的真相」｜与网易阮良聊 AI 原生组织与企业 Agent 实战
推荐理由网易内部的一组数字，是本期最锋利的证据：程序员用 AI coding 个人效率提升 300% 到 500%，同类软件功能从需求到上线却只从 20 天缩短到 17 天。阮良的解释是木桶短板，企业任务是长链条多人协作，个人闭环再快也顶不动整体。他给出三道坎，观念认知、个人短程任务落地、流程与组织改造，并交出一个可复制样本：取消周会，会前按模板填信息进知识库，AI 扫描整合成可追问的报告，决策改开专项会。 适合谁：推动 AI 原生组织改造与企业 Agent 落地的管理者
听前速览
网易集团副总裁阮良基于网易内部实践，揭示 AI 落地企业的核心矛盾：个人效率提升 300%-500%，但软件交付周期仅从 20 天缩短到 17 天，症结在于流程与组织未变，并提出 AI 原生组织的三层改造路径与决策中枢方法论。
个人 AI 提效 300%-500%，但组织整体交付效率提升有限，短板在于流程而非工具
网易内部统计：程序员用 AI coding 个人效率翻 3-5 倍甚至十倍，但类似力度的软件功能从需求到上线仅从 20 天缩短到 17 天。原因是企业任务是长链条、多人协作，产品经理、测试、流程等环节提效不足，木桶短板决定整体上限。
企业落地 AI 要跨过三道坎：观念认知、个人短程任务落地、流程与组织改造
第一道坎是企业认知到 AI 能大幅提升效率；第二道坎是让个人在短程任务（写代码、画原型、写测试用例）中体会到效用；第三道坎最难，改造流程必然意味着改造组织。网易 2025 年上半年做了大量 AI 原生组织尝试才真正提升组织效率。
取消周会、由 AI 同步信息、人只做决策，是 AI 原生组织的一个可复制样本
周会三个目的——同步信息、发现问题机会、做决策。传统周会为 2.5 小时会议付出的准备时间是其十倍，且信息同步本身不充分。网易改革为：会前按模板填写信息存入知识库，AI 扫描整合为精炼、聚焦、可追问的 HTML 报告；AI 预先处理问题与机会清单交人脑确认；决策改为专项会议。
SaaS 未死，真正沉淀企业核心知识与流程的产品会因 AI 调用量激增而更强
SaaS 本质是 Service，交付形式可从软件界面变为 AI 或 Agent，但服务本身存在。企业级 AI 的核心不是大模型，而是企业私有知识库，以及对内部系统、流程和 API 的调用与编排。未来调用企业服务的不只是员工，而是数量和行动频率远超人类的 Agent。
AI 的价值可量化为公式：质量 × 节省时间 × 单位时间经济价值，优先交给 AI 的任务有四特征
四特征：耗时、频率高、不得不做、不同人完成结果大体一致。先用最贵的模型验证任务能否被完成，流程跑通后再寻找更经济的模型。网易程序员每月 AI 费用约几千元，相对其产能提升非常便宜，网易并未收到过所谓天价账单。
其余 1 个要点
AI 替代的是工作环节而非完整的人，高端人才可能带一整套 AI 军团入职，中层减少而一线精英增加
实行管理职责的中层会越来越少，但拥有强悍技能的精英会越来越多，组织向小型精英单元和蜂巢结构过渡。未来面试可能谈判的条件是「我带了一个 AI 团队」，企业需支付相应溢价。AI 应释放人的创造力，让需求更猛烈爆发。
完整摘要
本期是主持人卫诗婕在杭州对网易集团副总裁、网易智企 CEO 阮良的深度访谈。阮良 2006 年从浙大计算机毕业后加入网易，历经互联网、移动互联网、AI 三次技术浪潮，此次重新拾起代码，深度使用 AI 并在企业内部推广。访谈围绕 AI 进入组织后的一线反共识观察展开：网易内部统计发现，个人用 AI coding 效率提升 300%-500%，但软件交付流程仅从 20 天缩短到 17 天，原因在于个人使用 AI 多是短程闭环，而企业任务由多人协作完成、链条更长，木桶短板效应决定了提效上限。阮良提出企业落地 AI 要跨过三道坎：观念认知、个人短程任务落地、流程与组织改造。他分享了取消周会、由 AI 同步信息的组织变革案例，讨论 SaaS 未死的逻辑（SaaS 本质是 Service，沉淀核心知识的产品反而更强）、蒸馏销冠技能训练普通销售、老板 AI 作为刚需、AI 价值量化公式（质量 × 节省时间 × 单位时间经济价值）、Token 消耗作为人才信号、以及 AI 替代任务而非替代完整的人等观点。
文字稿
说话人 1：
当每个人都被 AI 武装起来，但是组织没有变化。
说话人 2：
就像我最喜欢的电视剧大明王朝 15661 样，国策很好改道为商。
说话人 1：
流程和组织，它仍然是这块木头里的短板。
说话人 2：
实行管理职责的中层会越来越少，但是拥有强悍技能的精英人士应该会越来越多。你 token 如果消耗断崖式领先，你的工作质量、工作成果的大概率是断崖式。
说话人 1：
Hello 大家好，我是狮杰。八月底一篇讨论 AI 普及率真相的文章在 X 上引发大量讨论。这篇文章的名字叫做 AI adoption is a miss，中文意思是 AI 普及是个神话。文章指出目前 AI 产品真正的鸿沟不在用不用，而在用的多好。事实上企业中能够深度使用 AI 的只是一小撮人，而当下 AI 产品的设计也正在强化这一点。
说话人 1：
就在同一时间，我在杭州访谈了本期嘉宾，网易集团副总裁，网易智企 CEO 阮良。阮良 2006 年从浙大计算机毕业后加入网易，从一线代码晋升至管理层，历经互联网、移动互联网 AI 三次技术浪潮。这一波大模型浪潮中，他重新拾起代码，深度使用 AI 并在企业内推广，从业务角度思考企业需要什么样的 AI 在这期节目中他带来大量一线反共识的观察。比如网易内部统计发现，个人用 AI coding 效率提升了 300%甚至 500，但整个软件交付流程却只从 20 天缩短到 17 天。为什么 AI 看似武装了所有人，整个组织的运转速度却没有变快？建立 AI 决策中枢和执行闭环究竟还需要什么？阮良带来了他的答案和思考。我们越来越。
说话人 2：
清晰地看到，大模型这条路真的是越来越扎实，越来越像某种意义上的 AGI 去演进。我们是真实的看到了这个趋势。虽然我已经超过了 40 岁，但是现在依然像一个年轻的二十多岁刚毕业那个年轻的小伙子一样，天天充满着好奇心，充满着某种斗志，甚至充满着某种理想。
说话人 1：
第二波移动互联网浪潮来的时候，你多大？
说话人 2：
我那个时候 30 出头.
说话人 1：
那个时候有现在这种感觉吗？
说话人 2：
那个时候说实话没有现在那么兴奋。因为早年我作为一个工程师，我主要是沉浸在代码的世界。那个时候其实最大的快乐就是写代码，交付出一个软件，然后得到一个结果，然后给很多用户用到，这是最大的快乐。那为什么没有这个情绪？就是那个时候一方面是可能积累还不够。那个时候移动互联网虽然是突破了某种物理限制，因为是可以移动的，包括最明显的变化是位置 LBS，LBS 摄像头的变化，带来了新的这种创新。所以我们可以看到类似于像抖音，所有的互联网应用都带来 LBS 位置信息，去带来新新的创新。
说话人 2：
但是现在看到 AI 带来的变化，或者说脑海中想象到可能的变化，远胜于当时这些移动互联网的特性带来的变化。它可以深入到所有人所有场景，或者组织的公司的所有场景的毛细血管里面，而不仅仅是几个核心技术。比如说像陀螺仪，位置流量或者摄像头这样的变化，它甚至可以让 AI 越来越像个人。
节目说明
8 月底，一篇讨论 AI 普及率真相的文章在 X 上引发大量讨论——这篇文章的名字叫做《AI Adoption is a Myth》中文意思是，AI 普及是个神话。文章指出，目前 AI 产品真正的鸿沟，不在"用不用",而在"用得多好”——事实上，企业中能深度使用 AI 的始终只是一小撮人，而当下 AI 产品的设计也正在强化这一点。
就在同一时间，我在杭州访谈了本期嘉宾，网易集团副总裁、网易智企 CEO 阮良。
阮良 2006 年从浙大计算机毕业后加入网易,从一线代码晋升至管理层，历经互联网、移动互联网、AI 三次技术浪潮。这一波大模型浪潮中，他重新拾起代码，深度使用 AI 并在企业内部推广，从业务角度思考，企业需要什么样的 AI。
在这期节目中，他带来大量一线、反共识的观察。比如，网易内部统计发现,个人用 AI coding 效率提升了 300%甚至500%,但整个软件交付流程却只从 20 天缩短到 17 天。为什么 AI 看似武装了所有人,整个组织的运转速度却没有变快？建立 AI 决策中枢和执行闭环，究竟需要什么？
阮良带来了他的思考和答案。
本期嘉宾：阮良（网易集团副总裁 网易智企 CEO）
本期 Shownotes：
01:57 阮良亲历的三次技术浪潮：AI 堪比印刷术，改变知识的获取与解释权
-
AI 可能进入个人生活与组织运行的每一处「毛细血管」
-
AI 的根本变化：个性化、极致细分的服务，开始变得可供给
07:38 十年没写代码，为自己造一套 CEO AI
-
对管理者而言，AI 最有价值的，是把注意力还给真正重要的问题
-
Chat 是一次性的短任务；当工作被固化进 Agent 和工具链后，效率才开始形成复利
-
「你完全可以去刷个短剧、看会风景、或者喝杯咖啡」
14:07 AI 进入组织时，有哪些「从没人说过的真相」？
-
个人提效 500%，为什么交付只从 20 天变成 17 天？
-
大模型之外仍需大量调教
-
个人使用 AI 多是短程闭环；企业任务由多人协作完成，链条更长、角色关系更复杂
-
木桶的短板，决定了提效的上限
-
企业落地 AI 要跨过的三道坎
20:06 取消周会：让 AI 同步信息，人只解决问题
-
飞书文档、飞阅会的边际效应
-
工具效率与认知退化同时存在
-
AI 不是一次工具升级，而是一场组织能力的压力测试？
28:10 SaaS 未死：真正的分水岭是能否成为 Agent 的基础设施
-
SaaS 的本质是 Service；交付形式可以从软件界面变成 AI 或 Agent，但服务本身仍然存在
-
沉淀了企业核心知识与流程的产品反而可能变得更强
-
未来调用企业服务的不只是员工，而是数量和行动频率都远超人类的 Agent
-
智能客服的核心不只是大模型，而是企业私有知识库，以及对内部系统、流程和 API 的调用与编排
-
蒸馏人？人的经验先被写进软件，但经验未必来自于「人」
-
企业知识库不是静态文档仓库，而是 Agent 执行任务时的燃料
37:39 当工作被记录，经验归员工还是归公司？
-
经营数据、客户声音和决策留痕的重要性
-
老板 AI ：是一种刚需
-
未来高端人才入职，可能带来一整套由自身经验训练出的 AI 资产
-
企业 AI 的数据问题，到底是什么？
44:17 中层变少之后：强个体带着 Agent 军团回到一线
-
AI 原生组织：从多部门、多层级，向小型精英单元过渡
-
拥有强技能、能在一线指挥 Agent 的人才会增加
-
什么是人类真正稀缺的能力？
-
「AI 替代任务，而不能替代完整的人」
47:19 AI 的价值：质量 × 节省时间 × 单位时间价值
-
把 AI 只当作裁员工具，是对其价值的误判；
-
最适合优先交给 AI 的任务有四个特征：耗时、频率高、不得不做、不同人完成后的结果大体一致
-
先用最好的模型验证任务能否被完成，流程跑通后再寻找更经济的模型
-
Agent 能带来真实的规模的生产价值吗？
-
当每个企业都有几十上百个 Agent 时，管理能力比模型能力更稀缺？
-
当企业有 100 个 Agent 时，目前的 Token 消耗量如何？这是一笔怎样的账单？
-
怎么评估 Agent 的工作效果？AI 化指标怎么定？
-
「Token 并不贵」：数千元模型费用换来的产能增长足够大
-
「让需求更猛烈地爆发，让创新更猛烈地爆发」
56:13 当 Agent 「破圈」：Agent 开始走出程序员，Token 消耗成为人才信号
-
2025 年 AI Coding 已经开始兑付价值，2026 年则是非 Coding 场景开始规模化兑付价值
-
大模型的泛化能力与 Coding 能力打破了供给门槛
-
多 Agent 的意义不仅是观点多样性，也在于冗余和鲁棒性
-
Token 消耗显著领先的人，其工作质量和成果往往也显著领先
-
不要把 Token 消耗量直接等同于绩效
01:03:12 大明王朝 1942： 企业有一万种理由用不好 AI
-
什么样的公司拥抱 AI 最彻底？
-
企业用错 AI vs 不用 AI 的代价，哪个大？
-
大企业如何推进 AI 改革？
-
最出乎意料的企业案例是什么样？
-
如何用 AI 串成一个更短的机会兑现链条？
-
AI 原生组织该是什么样？
01:09:02 决策中枢的核心不是模型，而是决策历史
-
企业级 AI 需要「围栏」
-
：别把材料全塞给模型，去建立高质量知识库
-
如何让组织智慧能够被保留、调用与持续更新？决策知识库最有价值的内容是什么？
-
「接下来有两个趋势：人站在 AI 的肩膀上，以及 AI 站在自己的肩膀上」
加入听友群⬇️：
