一个人和一组Agent，正在重写公司

4月3日，我看到阶跃星辰发了一篇文章，标题很醒目：《阶跃已经没有“纯人类”员工了》。它正好和我长期以来关注的一个问题相关——AI到底在怎样改变一家公司的内部组织？

在这个样本中，Agent（智能体）已长驱直入。

文章写到：工作的最小单位，已经变成“人+AI”；团队里有主虾，也有子虾，公司已经有上千名Agent员工；Agent进入了会议室预订、纪要生成、招聘Mapping、产品设计、Benchmark接入、代码编译和实验验证这些日常工作。

在国内，愿意把组织内部如何与AI协作讲到流程节点程度的公司，本来就少；讲得这么细、这么透的，更少。

阶跃星辰是一个很鲜明的样本，但问题显然不止停在这一家公司。国内还有没有别的公司，也在发生类似变化？它们把AI放进了哪些环节？放进去之后，改写的到底是效率，还是组织本身？

带着这些问题，我又去找了更多公开资料，发现不少公司都在把AI往组织内部压，只是路径不同，深浅不一。

沿着这些线索回望，2026年一个引人入胜的企业新叙事已悄然成型：AI正在向组织“深水区”泅渡。它不再仅仅盘桓于浅层的工具应用，而是长驱直入，抵达了组织的腹地。

在当下，AI是先进生产力的代名词；而真正的分水岭在于，谁能率先在AI的底座上重构生产关系，谁才真正握住了通往未来的入场券。这种带有范式转移色彩的叙事，足以令任何一位时代的弄潮儿为之神往。

阶跃星辰的文章里有一句话很关键，工作的最小单位，已经成了“人+AI”。顺着这句话往下看，会发现它对应的是一套已经落进公司内部的协作结构。

过去，一家公司最基础的生产单元，通常是一个岗位上的一个人。产品经理负责需求，招聘负责搜寻和转化，研究员负责实验和优化，行政负责会议室和纪要。任务会流转，流程会协同，责任和动作大多还是落在人身上。

阶跃星辰正在发生的变化，是把AI接进这些原本由人独自撑着的工作链条里。在这家公司内部，有人把自己调度的一组Agent叫作“虾”，有主虾，也有子虾。有人会给自己配一只负责整体调度的主虾，再配招聘虾、数分虾、健康虾，还拉出“2人2虾”的群。

这样的称呼带着很强的日常感，也带出另一层意思，AI在这里已经有了分工，有了位置，也有了持续被维护、被训练、被调度的角色属性。

这些Agent进入的，也都是公司运转里最具体的环节。它们订会议室，写纪要，整理周报，也进入招聘Mapping、产品设计、语音Benchmark接入、代码编译和实验验证这些更靠近业务主干的工作。

在大厂的既往逻辑里，人是流水线上的定型环节，被包裹在绵密的汇报关系与流程节点中。现在，人成了以智能体为中心的环扣。给目标，喂上下文，做判断，看结果。Agent填充进组织的中段，将那些高频、重复、可拆解、可验证的任务一段段吞吐。原本由人力维系的协调成本被算法消解，人从繁冗的执行链条中抽离，转而守在逻辑的开口与闭环处。

工作开始呈现出另一种组织方式，一份产出背后，站着的往往已经不再是单独一个人，而是一个人带着一组Agent。

负责Agent产品的员工提到，一款新产品从想法到完整网站上线，在Agent协助下只用了四天半。原来要分阶段推进的调研、原型、PRD、设计讨论、开发测试，被压进了一个更短的闭环里。产品经理把更多精力放在问题定义、方向选择和方案取舍上，Agent跟着补知识、延展想法、分析反馈、承接执行。一个原本层层往下传递的过程，如今变成了高密度迭代的过程。

从招聘的视角看，更能看出这种改写是怎样发生的。

一个千人级的人才Mapping任务，以前要靠人手动去多个站点来回检索、补全、比对。现在，一只主虾带着6个子代理，围着目标自己拆路径。它先去OpenReview抓论文和作者，再去Google Scholar补学术背景，再到GitHub挖commit邮箱，然后拿个人主页和LinkedIn交叉核对。信息返回后，它还会继续抽查、审计、打置信度标签，再按人才等级分层。

原来靠人一点点串起来的长链条，如今被拆开后分给了多个硅基角色去跑。

研发场景里，这种变化更深入。语音团队把80多个测试集里90%以上的接入工作交给AI去做，让它下载数据、处理数据、接入代码库、跑测试、提MR，研究人员把主要精力留给最后的review。做GPU算子优化的员工，也把Agent接进auto-research流程，让它写代码、编译、跑profiler、看二进制，再回头改实现。

之前占掉大量时间的执行事务，被明显压缩，人的工作重心也跟着往上挪，越来越靠近架构、思路和判断。

这种变化会慢慢改写岗位本身。员工手里的工具更多了，岗位里的动作却在减少。做事的人，逐渐更像一个任务系统的调度者，要设定目标，分发任务，检查偏差，定义验收。单点技能仍然重要，新的分水岭也已经浮出来了，一个人能不能带着一组Agent高效工作，正在变成新的能力差异。

阶跃星辰的案例价值也就在这里。它把一家AI公司内部已经发生的变化摊开来了。外界看到的，已经不只是“公司在用AI”，而是一种更具体的组织现实。

人还在岗位上，流程也还在运转，最底下那层工作单元已经悄悄换了形状。

把视线从单个公司拉开，京东是眼下国内互联网大公司里最容易看清的一家。

2025年四季度及全年业绩公告里，京东提到，运营端已经有一批AI agents接入内部工作流，用来增强业务洞察和运营效率。到2025年四季度末，京东内部系统中的AI agents数量已经超过5万。

由此来看，Agent在京东内部已经不是零散试验，也不是几个团队的小范围尝试，它进入了公司级系统，进入了日常运转。

大公司体量大，链条长，一个环节接一个环节，很多事情靠人往下传，靠系统往回收。AI一旦接进业务关系链条里，变化就会顺着流程往里走。原来由人一段段接力完成的工作，会被拆成更多节点，再交给不同的硅基角色去处理。人还会继续定目标、定边界、做验收，但执行链条已经长出了另一套结构。

京东把这个口子打开之后，外界也第一次比较具体地看到，国内超大互联网公司的AI化，已经走到了组织接入这一步。

当然，腾讯也在往AI组织化的方向走，只是它公开出来的路径更分散一些。腾讯在2025年四季度及全年业绩资料中提到，公司正在借助AI辅助编程提升开发效率。另一份数据里提到，腾讯会议的AI代理可以代替用户同时参加多场会议，并生成摘要；腾讯云的智能体开发平台则面向企业客户提供客服助手和编码助手。

把涉及腾讯的几份材料放在一起看，线索已经连起来了。AI正在进入腾讯的研发链条，也进入会议、文档、协作这些高频场景。它还没有被展开成一幅完整的内部协作图景，方向已经露出来了，公司内部最密集、最日常的那些动作，正在一点点被改写。

至于阿里，它走的是另一条线。3月17日，阿里推出面向企业的AI agent平台“悟空”，可处理文档编辑、表格更新、会议转写、研究协调等复杂任务，并接入钉钉。阿里把这套能力放进钉钉，意味很清楚。文档、表格、会议、研究，这些原本散在公司日常里的事情，正被重新接线，开始汇入同一套agent能力里。

外界眼下看到的，更多还是平台和产品层，阿里自己内部各岗位怎样与Agent协作，公开细节还不多，入口已经摆在那里了，位置也挑得很准，都是组织内部最频繁、最靠近业务推进的地方。

百度也在这轮变化里，只是它公开材料里的重心落在经营结构上。百度2025年四季度及全年业绩公告里，把百度核心业务分为AI驱动业务、传统业务和其他业务，AI已经被提到经营盘子的核心位置。

顺着这个逻辑看，百度内部组织的改写肯定已经很深，只是目前外界看到的更多是业务和产品层的变动。它在场，但还没到公开拆解内部协作结构的节点。

大厂入局，路径迥异。京东循着工作流的脉络“贴地飞行”；腾讯在研发与协作的丛林中深耕；阿里将钉钉与多Agent平台化为战略跳板；而百度则径直将AI锚定在经营的主轴之上。

尽管落子点不同，其战略指向却高度合流：将AI压入业务最密集、最高频、最核心的“大动脉”。国内互联网巨头的AI命题，已然完成了从“赋能员工个体”向“重构组织系统”的范式转变。

AI进入组织之后，公司内部那套经典科层制开始松动。大公司之所以一层层设岗，一层层汇报，很大一部分原因，在于信息要往上走，任务要往下落，过程也要有人一路盯着。

AI接进来以后，最先被改写的，就是这一段。

它能汇总信息，拆解任务，跟踪流程，也能把中间结果迅速送到需要的人手里。原本压在中层身上的一部分事务，开始由系统接住。

美国一项研究把企业招聘数据和员工履历数据放在一起，追踪企业增加AI投入之后组织结构的变化。结果很具体。企业AI岗位占比每上升1个标准差，初级员工占比上升1.6%，中层管理占比下降0.8%，高层岗位占比也下降0.8%。

这些数字落在同一个方向上。AI进了公司，中间那段以协调、转述、跟进为主的管理层，位置就会开始收缩。

另一项研究把变化落到了“层数”上。美国国家经济研究局2025年的一篇论文，研究了3100多家美国上市公司和约700万份员工履历，测算发现，美国上市公司平均大约有10层层级。把企业AI采用情况放进去以后，层级层数会下降。靠中间管理者一层层传递的信息、协调的任务、盯住的过程，其中一部分，已经开始由AI系统承接。

经济合作与发展组织2025年的一份报告，把“管理”一侧的变化补得更完整了。这份报告覆盖法国、德国、意大利、日本、西班牙和美国，对6000多家企业展开调查，讨论的是“算法管理”在工作场所里的使用情况。

报告把“算法管理”定义为，用软件自动化或支持任务分配、监测和绩效评估等管理动作。层级在变薄，管理没有跟着变松。原来靠人盯人的地方，越来越多地转成了系统盯流程。

2月10日，《国际组织分析杂志》发表了一篇文章，名叫《告别层级结构，迎接算法：人工智能型组织的崛起》，作者提出了一个叫“AI-Form”的概念。

这项研究究旨在人工智能（AI）驱动的数字化转型背景下，重新审视经典的M型和N型组织形式。研究提出了一种新型的、适应性强的组织形式：AI型组织形式，作为一种独特的结构原型，旨在应对工业4.0带来的挑战

研究者认为，层级分明的M型组织，已经越来越难跟上人工智能带来的冲击。它反应偏慢，也难以承接分布式智能不断增长的需求。

N型组织更灵活，知识流动更快，也更利于协作，但整体容易发散，统一协调和整合控制偏弱。

AI型组织，想解决的正是这个问题。它试图把协调能力和去中心化放进同一套结构里，让系统承担更多调度与连接功能，让人和AI在同一个组织里协同工作。

这种结构下，权力开始沿着两端重新分布。中层原本承担的汇总、传递、监督等职能，被系统持续抽走。决策进一步向掌握全局信息的数字中枢集中。一线团队的动作空间却在扩大。只要处在算法划定的边界之内，许多执行权限会被直接下放到更小的单元。

组织形态也随之变化。层级树没有立刻消失，骨架已经变轻。公司不再主要靠一层层节点维持运转，更像一套围绕任务实时重组的流动系统。团队随任务聚合，也随任务拆分，资源由算法即时调度，响应速度和管理精度同时抬高。

把AI放进流程不难，难的是把活稳稳收回来。差距也会落在这里，谁先把复核、权限、追责和审计接上，谁手里的硅基员工才能真正跑进公司深处。