「自驅(qū)型公司」來了！代碼暴增3倍，事故不增加

編輯｜Panda

沒錯，又一個新概念來了。

這一次是「自驅(qū)型公司（The Self-Driving Company）」，來自 Replit CEO Amjad Masad。

顧名思義，自驅(qū)型公司是指由人設(shè)定目標(biāo)、確定優(yōu)先級并承擔(dān)最終責(zé)任，而將信息收集、任務(wù)執(zhí)行、結(jié)果驗證和常規(guī)協(xié)作等大量具體工作交由相互協(xié)同的 AI 智能體完成的組織形態(tài)。它并非用 AI 取代員工，而是把員工從重復(fù)性執(zhí)行中釋放出來，使其更專注于戰(zhàn)略判斷、創(chuàng)造性思考和關(guān)鍵決策，從而在提升效率的同時增強業(yè)務(wù)響應(yīng)速度與交付質(zhì)量。

這個概念究竟意味著什么，或許還需要時間檢驗；但它顯然擊中了當(dāng)下 AI 圈的討論熱點。博客發(fā)布僅一天多，瀏覽量便突破 1.1M。

原文地址：https://x.com/amasad/status/2077802290304684404

這么高的流量自然也引發(fā)了不少討論。當(dāng)然，點贊居多：

有趣的是，就在這篇《自驅(qū)型公司》大熱之際，Claude Code 之父 Boris Cherny 也分享了他看到的行業(yè)現(xiàn)實，并將其總結(jié)成了一份《AI 采用步驟》表格。

表格中，「自驅(qū)型公司」可以說整體已進入第 3 階段「受監(jiān)督的自主運行」，并在少數(shù)閉環(huán)場景中開始觸及第 4 階段「AI 原生」。

機器之心對這篇《自驅(qū)型公司》進行了整理。接下來，我們就來看看 Replit 這家 AI 應(yīng)用開發(fā)公司，是如何將「自驅(qū)」從一個概念，變成實際工作方式的。

自驅(qū)型公司

我們正開始看到：當(dāng)一家公司學(xué)會自主運轉(zhuǎn)時，會發(fā)生什么。

過去六個月里，Replit 的工程師將代碼產(chǎn)出提升了近三倍。代碼審查耗時保持穩(wěn)定，回滾次數(shù)和產(chǎn)品事故并未增加，質(zhì)量指標(biāo)反而有所改善，發(fā)布節(jié)奏也更快了。人們通常擔(dān)心的那些取舍，并沒有出現(xiàn)。

代碼只是最直觀的部分。更有意思的變化，其實發(fā)生在水面之下。

如今，智能體會調(diào)查線上事故、審查拉取請求、回答問題、分析業(yè)務(wù)數(shù)據(jù)、分流支持工單、研究銷售客戶，并持續(xù)改進支撐 Replit Agent 本身的系統(tǒng)。

這感覺像是一個貫穿每位員工工作流程的單個「主智能」（master intelligence），盡管它實際上并非如此。它是一個不斷擴展的智能體系統(tǒng)，遍布公司各處：從人那里接收目標(biāo)，收集上下文，執(zhí)行任務(wù)，檢查結(jié)果，并在需要人類判斷時升級處理。

我們認(rèn)為，這代表著一種新型組織的開端：自驅(qū)型公司。

自驅(qū)型公司并不意味著不再需要人。人仍然決定目的地：決定哪些問題重要，權(quán)衡困難的取舍，運用判斷與品味，并為最終結(jié)果負(fù)責(zé)。

但越來越多時候，人不再親自完成抵達目的地所需的每一個步驟。

這一轉(zhuǎn)變始于去年年底。和許多從事 AI 工作的人一樣，我們圣誕假期歸來時，強烈感到某些根本性的東西已經(jīng)改變：模型能夠在更長的時間跨度內(nèi)持續(xù)完成工作。

過去屢屢失敗的任務(wù)，例如告警分流和根因排查，開始變得可行。AI 也開始解決我們一些最棘手的漏洞。因此，我們不再把智能體看作只存在于編輯器或聊天窗口里的工具，而是謹(jǐn)慎地將其編織進公司的運作體系。

工程團隊驗證其價值后，采用迅速自發(fā)擴散。一個又一個團隊開始把最枯燥的工作交給智能體，從而騰出時間，投入真正推動業(yè)務(wù)發(fā)展的戰(zhàn)略思考和創(chuàng)造性工作。人們并不覺得自己被自動化取代了，反而感覺自己獲得了晉升。

這就是 AI 如何徹底改變 Replit 工作方式的故事。

工程團隊最先看到了影響

一月底，我們啟用了相關(guān)基礎(chǔ)設(shè)施，以便快速試驗內(nèi)部智能體應(yīng)用場景。我們利用已有的智能體運行框架、微型虛擬機和遠(yuǎn)程文件系統(tǒng)，讓每位工程師都能并行編排多組智能體。

隨后，我們通過訪問策略、令牌代理、審計日志和 ZeroTrust 網(wǎng)絡(luò)對整套系統(tǒng)加以保護。到這一步，我們才有信心讓智能體訪問日常完成工作所需的各種系統(tǒng)：GitHub、GCP、Azure、Linear、Notion、Slack、Zendesk 等。

當(dāng)智能體獲得跨系統(tǒng)的上下文后，生產(chǎn)力實現(xiàn)了躍升。此前失敗的實驗變得容易實現(xiàn)，最直接的體現(xiàn)就是編碼數(shù)據(jù)。

三月 Agent 4 發(fā)布前的沖刺周，通常是我們代碼產(chǎn)出的高峰期：會議減少，范圍明確，工程團隊進入純執(zhí)行狀態(tài)——有時一天工作長達 16 小時。

但這一次不同。我們的生產(chǎn)力曲線以此前從未見過的方式陡然上揚，原因可以追溯到新內(nèi)部智能體系統(tǒng)的普及。從一月初到六月底，提交的代碼行數(shù)增長了 5.8 倍。

每周變更的代碼行數(shù)：既有工作流與新的智能體工作流

其中一部分增長來自招聘本身。新智能體縮短了新員工達到穩(wěn)定生產(chǎn)力的時間，這當(dāng)然很好；但為了獲得更干凈的數(shù)據(jù)，我們可以剔除招聘因素。若只觀察固定的一組貢獻者，他們產(chǎn)出的代碼量仍達到此前的 2.9 倍。

傳統(tǒng)上，團隊規(guī)模擴大時，若能保持每位工程師的人均產(chǎn)出不下降，就已相當(dāng)出色。而我們在團隊人數(shù)翻倍的同時，將人均產(chǎn)出提升到了原來的三倍。

你或許會問：這么多新增代碼由誰審查？我們是否在審查流程中制造了新的瓶頸？

答案是沒有。代碼審查延遲保持穩(wěn)定，主要是因為我們也讓智能體參與了代碼審查。它現(xiàn)在能夠評估風(fēng)險等級，只在必要時才要求第二位人工審查者介入。這意味著人工進行 PR 審查的時間已經(jīng)節(jié)省了 30%，而且比例仍在上升。

既然智能體編寫和審查的代碼更多了，我們自然也該擔(dān)心質(zhì)量。如果觀察 PR 回滾率和新建事故數(shù)量，趨勢都保持平穩(wěn)。這意味著，相對而言，我們其實在持續(xù)改善。

原因之一是：這些流程同樣得到了智能體輔助。人工代碼審查配有智能體共同審查者，因此能捕獲更多缺陷。對事故（包括重大漏洞和實際線上事故）的調(diào)查，也有智能體協(xié)助定位根因，因此平均緩解時間（MTTM）正在縮短。

最后還要驗證：新增代碼輸入是否真正轉(zhuǎn)化為價值輸出。

歸根結(jié)底，工程團隊交付功能是為了服務(wù)用戶。我們通過 Linear 跟蹤項目，讓銷售和營銷團隊能在新功能推出時及時與用戶溝通。可以看到，隨著代碼量增加，項目完成率也顯著上升。

一支自驅(qū)型工程團隊能夠在提升質(zhì)量的同時，交付更多成果。

智能體的「智能體管理者」

讓規(guī)模化循環(huán)式工程成為可能

再深入看一層，就能理解這套機制的樣子。變化最顯著的場景，出現(xiàn)在工程師設(shè)計出「循環(huán)」時：他們派出一組智能體，去完成可驗證的任務(wù)。

每位員工都可以使用一個管理型智能體。它能啟動多個智能體，代表你編排它們循環(huán)協(xié)作。由此產(chǎn)生的 PR 圖表非常獨特，例如下圖所示：

一位工程師完成了一項長期停滯的 CSS 系統(tǒng)遷移，并分享了經(jīng)驗；另一位工程師自動化了一項遷移工作，使產(chǎn)品能夠?qū)崿F(xiàn)本地化；還有工程師自動維護不穩(wěn)定測試。我們的 CTO 則借助一群智能體，終于攻克了與 PSC 和文件描述符關(guān)閉有關(guān)的、最棘手的網(wǎng)絡(luò)問題之一。

我們對于「什么是可能的」的所有假設(shè)，都已改變。

最令人振奮的自驅(qū)案例來自 AI 團隊。他們構(gòu)建了一套持續(xù)學(xué)習(xí)系統(tǒng)：它分析用戶反饋，提出改進建議，再結(jié)合基準(zhǔn)測試和 A/B 測試驗證效果。Replit Agent 正在自我改進。

「自建還是采購」的討論已經(jīng)改變

新的內(nèi)部智能體也改變了我們對于「自建還是采購軟件」的討論。我們經(jīng)常試用新的 AI 工具。采購現(xiàn)成方案可以幫助我們提速，我們也會持續(xù)評估市場。

但隨著自建能力增強，我們對外部工具的依賴會越來越少。

我們的內(nèi)部智能體已經(jīng)優(yōu)于許多被視為行業(yè)領(lǐng)先的產(chǎn)品。我們剛剛停用了一個年費達七位數(shù)的 SaaS 方案，因為完全用 Replit 構(gòu)建的內(nèi)部應(yīng)用表現(xiàn)更好，員工也已遷移過去。

突然之間，工具開始像是專為我們打造的。它與知識庫的深度整合，以及我們所做的定制化改造，讓其他方案顯得遜色。

更令我們意外的是，內(nèi)部智能體也超過了我們評估過的垂直領(lǐng)域產(chǎn)品。一個幫助工程師分流告警、排查事故根因的工具，質(zhì)量相近，但運行成本是我們智能體方案的十倍。另一個自動化滲透測試工具，發(fā)現(xiàn)的漏洞比我們的內(nèi)部版本更少，成本卻高出十倍。

我們的兩個版本都很順利地投入了生產(chǎn)：一方面縮短了事故的平均緩解時間，另一方面也強化了關(guān)鍵系統(tǒng)抵御攻擊的能力。

我們?nèi)栽趯W(xué)習(xí)，模型也在持續(xù)進步。因此很明顯：這只是開始。

超越工程，進入整個公司

自驅(qū)型公司不應(yīng)止步于工程團隊。Replit 的每一個職能都在發(fā)生變化。

使用率很快從工程團隊擴散開來，主要得益于 Slack 界面。公司其他同事看到工程師在 Slack 中給智能體分配任務(wù)，也開始自行嘗試。

最初最受歡迎的用法是提問。將知識庫與代碼庫當(dāng)前狀態(tài)結(jié)合后，任何人都可以在無需等待工程團隊答復(fù)的情況下，澄清產(chǎn)品預(yù)期。隨后，他們還可以直接修正文案或文檔。這立刻提升了我們響應(yīng)用戶的速度。

但這只是開始。接下來，公司各部門都開始貢獻新的技能與集成能力。

第一次重大突破來自數(shù)據(jù)團隊。他們?yōu)橹悄荏w提供了數(shù)據(jù)倉庫上的語義層，讓它知道哪些表是權(quán)威數(shù)據(jù)源，以及這些表之間如何關(guān)聯(lián)。

現(xiàn)在，Replit 的任何人都可以提出商業(yè)智能問題，并獲得可靠答案。他們還能基于實時數(shù)據(jù)制作圖表和演示文稿——包括本文的所有圖表。數(shù)據(jù)團隊則能把時間投入到最困難的問題上，而不是不斷處理零散的數(shù)據(jù)請求。

最近，一位產(chǎn)品經(jīng)理能夠自行完成復(fù)雜的發(fā)布分析，因為智能體理解代碼庫中的事件、這些事件如何出現(xiàn)在客戶數(shù)據(jù)平臺中，以及如何將它們與復(fù)雜的訂閱狀態(tài)關(guān)聯(lián)起來。

銷售團隊也找到了同樣的杠桿。銷售開發(fā)團隊利用智能體尋找并補充產(chǎn)品合格線索。由于它能使用通用工具看不到的內(nèi)部知識，外聯(lián)溝通更具上下文，也更有針對性。

客戶經(jīng)理則用它為客戶溝通做準(zhǔn)備：了解哪些客戶獲得了最大價值、哪些項目最活躍，以及積分使用情況與合同約定之間的關(guān)系。隨后，這些內(nèi)容會被整理成面向該客戶定制、帶有品牌元素的演示文稿。

自驅(qū)型銷售團隊可以與客戶形成更多、更高質(zhì)量的觸點。

左右滑動查看

營銷團隊只需一條提示詞，就能讓智能體根據(jù)工程和產(chǎn)品團隊的對話與文檔，從零起草產(chǎn)品規(guī)格說明。這使他們能夠更早地啟動發(fā)布準(zhǔn)備，并持續(xù)掌握最新信息，而不必參加每一場會議。

他們因此有更多時間進行規(guī)劃與創(chuàng)作，這將確保產(chǎn)品發(fā)布時產(chǎn)生更大的影響。

支持團隊則賦予智能體調(diào)查問題、遵循標(biāo)準(zhǔn)處理流程的能力。它可以選擇使用標(biāo)準(zhǔn)客服語氣回復(fù)，也可以將問題連同工單摘要和調(diào)查結(jié)論一起升級給工程團隊。

自驅(qū)型支持團隊處理最難工單（也就是升級給人工的那些工單）的速度提高了 60%。用戶能夠更快回到創(chuàng)造和構(gòu)建中。

在每個案例里，人都沒有被自動化取代，而是獲得了晉升。自驅(qū)模式會將執(zhí)行者轉(zhuǎn)變?yōu)橹笓]者；真正蓬勃發(fā)展的人，是那些以結(jié)果為導(dǎo)向、能夠設(shè)定方向的人。

這正是當(dāng)下最有價值的工作。