快手把 AI 从技术模块，改成了组织建制。
9 月 30 日，快手宣布成立跨事业部虚拟组织"企业 AI 生产力"，负责基础办公系统基座的稳定运行，统筹通用 Agent、企业上下文体系和企业信息系统的统一建设。公告里点了一句关键差异：相比其他互联网企业主要整合办公套件和通用 Agent，这次把内部信息系统也纳入了统一建设范围（来源：南方都市报，转引自《AI行业24小时》，2026-10-01）。
两个数字解释了为什么要动组织：截至今年 6 月，快手员工使用各类自研 AI Agent 产品的占比超过 92%，研发技术人员的 AI 代码贡献率达到 60%（来源：快手内部统计，转引自南方都市报 2026-09-30，本地归档《AI行业24小时_20261001_10》）。
同一条线上还有另一件事：程一笑兼任社区科学线负责人，原负责人于越转任可灵 AI 公司董事兼 CEO。可灵二季度营收超过 8.5 亿元，同比增长超过 200%；截至 6 月，全球用户突破 1 亿、企业客户接近 5 万家（来源：智东西，转引自《AI行业24小时_20261001_10》，2026-10-01）。
三特征：Context 共享、没有岗位、AI 驱动
有篇讨论 AI-Native 组织的文章把特征收敛成三条，并认为这三条充分且必要：Context 共享，所有人知道"所有事"；没有岗位，所有人"能做"所有事；AI 驱动，AI 能做的一切都由 AI 做（来源：《AI-Native 组织充分且必要的三个特征》，2026-09-10）。
它给了一个很具体的观察：Codex、Claude Code 这类工具让具体工作的执行效率有了 10 倍提升（来源：《AI-Native 组织充分且必要的三个特征》，2026-09-10），但整个组织的效率提升并不明显。沟通占了大头——不是讨论新想法，而是纯粹的协作沟通，也就是"对齐 Context"。
传统组织共享 Context 靠两种办法：层层对齐和跨部门协作。按该文的估法，层级制下信息传透要经过大约 logN 级，部门之间两两对接的组合数是 N 的平方级，两项相乘，就是组织越大、对齐越贵的由来（来源：《AI-Native 组织充分且必要的三个特征》，2026-09-10）。层级本身就是这套成本的来源。
这套提法和组织形态的对比研究能对上：有分析把 AI Native 组织与传统组织的差异拆成四个维度做结构对比，落点都不在工具清单上（来源：《AI Native组织vs传统组织区别：四个维度的结构性对比》，2026-09-15）。
图注：三条特征相互支撑——不做 AI 驱动，Context 就拿不全；Context 拿不全，AI 的执行效果又会被反过来拖住
为什么"岗位"要先拿掉
岗位的本质是分工，分工意味着人是流水线上的一环。工业时代这套是为了极致执行效率，代价是压制创造力。
AI 把执行效率拉到极致之后，组织之间比拼的就不再是执行效率，而是创造效率。所以文章主张：AI-Native 组织必须消除岗位，并且"所有人知道所有事"之后，自然会衍生出"所有人可以做所有事"。
这里有个容易误读的点：没有岗位不等于没有职责，它指的是"不设边际"——你在解决问题时不会撞上协作阻碍点，也不会因为一个感兴趣的问题不被允许参与而被挡在外面。
图注：岗位制把人固定成流水线上的一环，不设边际保留职责但解除范围限制，两者对应的是执行效率与创造效率两种目标
92% 和 60% 这两个数的位置
先把口径立起来：这两个数都是企业内部统计，分母、活跃度定义和统计周期都没披露，"AI 代码贡献率"也没有行业统一算法。这类数字适合看趋势，不适合横向对比不同公司。
回到快手。92% 的员工在用自研 Agent，60% 的代码贡献来自 AI，这两个数放在一起看，说明工具已经在组织里铺满了（来源：南方都市报，2026-09-30，转引自《AI行业24小时_20261001_10》）。真正值得注意的是它下一步动的是内部信息系统，而不是再加一个 Agent 产品。
这跟"三特征"里那条最容易被忽略的相互依赖关系对上了：如果组织里的工作不是大范围被 AI 驱动，AI 就获取不到完整的 Context；而 AI 的执行效果又严重受制于它拿到的 Context 完整度。AI 执行、AI 沉淀 Context，这是个正向循环；反向也成立，循环转不起来，工具铺得再满也只是个体的效率。
图注：Agent 使用率与代码贡献率讲的是"工具铺满"，可灵的季度营收讲的是"业务跑通"，两件事之间隔着一层组织形态
组织效率的账怎么算
把工具效率和组织效率分开记，是这件事最实用的一条。
工具效率可以按人天算：一个工程师一天产出多少代码、一份报告多久出稿。组织效率得按"决策到交付"的链路算：从问题出现到资源到位用了多久，中间经过几次对齐。
快手这次把内部信息系统纳入统一建设，改的正是后半段。层级和部门带来的对齐成本，是靠流程压不下来的，只能靠统一 Context 底座去删。
反面也清楚：只采购工具、不改组织，得到的是个人提速、组织不变。这笔账很多企业算过一次，结论都差不多。
还有一个容易被忽略的成本项：Context 本身的维护。组织的目标和约束每隔一段时间就会变，谁来更新、多久同步一次、过期信息怎么清掉——这些工作在传统组织里靠会议和汇报摊销，在 AI-Native 组织里必须显式设计成一套机制。机制缺位，"Context 共享"就会退化成"文档库里堆着一堆没人认领的旧结论"。
源势AI观点
我们的判断是，企业上 AI 的第二个阶段，预算会从"买工具"转向"改流程和改账"。
第一阶段很好做：给员工配账号、给团队配 Agent，效率立刻看得见。第二阶段难在没人愿意动组织——因为动组织要动考核、动权限、动数据的归属。
我们给客户做 FDE 落地时的经验是，先找那条"对齐成本最高"的链路，而不是找"最容易上 AI"的场景。前者省下的是组织成本，后者省下的只是个人工时。多数企业的 AI 收益清单里，前者被系统性低估了。
还有一条边界要记住：这次成立的是虚拟组织、无独立法人，实际权限取决于从各事业部划转多少资源和考核关系。把它读成一次对外产品发布，目前没有依据。
话题标签：#AI原生组织 #企业落地 #组织效率
