我一直认为，在 AI 时代，组织形式的重要性被大大低估了，但长远来看，它很可能成为创业公司最核心的竞争壁垒。因此，我最近一直在和各种人探讨 AI 时代的组织形式。

在上期和 Mercor 首位中国员工虞快的对谈中，我们也曾聊到过这个话题，但没来得及深入展开。于是，我又请来了一位在湾区创业的朋友——Palona AI 的联创任川，和虞快一起做了一场活动，继续探究硅谷最先进的组织形式。

Palona AI 是少数在思考、真的在实践 AI Native 组织形式的公司，而且成立后不久，他们就把 AI 全面嵌入了研发流程中（比如他们 90% 的代码都是 AI 写的），运转效率很高。在这次的活动中，任川毫无保留地分享了他们打造 AI Native 工程团队的核心经验，对国内创业者极具参考价值，所以我们决定把他的分享剪出来，尽快分享给大家。

在本期节目的上半段，任川从工作流、人才、组织三个维度，总结了一套可复制的实操经验。下半段则是现场交流，其中不乏很多好问题，比如怎么筛选真正会用 AI 的人、如何招到并留住顶尖人才等等，也很精彩。

刚听完任川的分享时，我有点感慨也有点兴奋：这场分享的听众，或许正在见证新时代组织形式的诞生与变革。虽然这句话听起来有点大哈哈，但这确实是我当时最真实的感受。所以，也希望这期节目能给大家带来一些启发。

【人类博物馆】

导游：曲凯，42章经创始人

41 号珍藏：任川，Palona AI 联合创始人，前 Google、LinkedIn 工程师

【时光机】

Part 1 用 AI 重构研发工作流的经验

3:51 一个例子：AI 如何远不止十倍地提效？
5:55 ① 默认由 AI 承担所有研发工作
- 7:00 分享几个亲测好用的工具
8:18 ② 只要有 SOP，就没有 Claude Code 无法完成的任务
9:36 ③ 反直觉经验之减少人与人之间的交互

Part 2 AI 时代最需要什么样的人才？

10:51 ① 人是 Context Provider
- 11:00 一个重要的观念转变：应该是人为 AI 提效，而不是反过来
12:33 ② 做 Fast Learner，快速掌握「最少必要知识」
13:27 ③ 每个人都是为最终结果负责的 Builder

Part 3 AI Native 的组织与分工

14:37 怎么分工更高效？
- 15:34 为什么工程师也应该去跑客户？
16:16 工程团队和其他团队怎么配合？
17:56 未来的组织结构可能什么样？怎么留住核心人才？

Part 4 Q&A 精选

19:49 我们 20 人的团队，没有一个全职的 PM
- 20:47 未来可能没有 Engineer，大家都是 Builder
24:22 硅谷对 AI Native 的组织形式形成共识了吗？
26:09 大厂很难转型成 AI Native 的组织形式？
28:59 AI 有能力处理复杂的历史代码吗？
30:51 AI 还可以重塑什么工作流？
31:55 该如何打造 AI Native 的组织形式？
33:07 如何筛选出真正会用 AI 的人？分享两个方法
36:27 怎么衡量 AI Code Review 的效果？
39:54 不同阶段的公司分别需要设立什么样的岗位？
43:57 怎样招到并激励 AI 人才？

【任川在节目中提到的工具&文章】

CodeRabbit：AI Code Review 工具，可以把一次代码审查的时间从 1-2 天缩短到 10 分钟

Linear：AI 项目管理工具，在其中创建任务后，可自动分配给 AI 生成代码

Devin：华人团队开发的 AI 编程工具

incident.io：日志分析与告警工具，可覆盖近一半的运维工作

刘小排公众号 @刘小排r：大家可以去其中学习下他使用 Claude Code 的方法

文章《「全职员工」的消逝与「合伙人」及「小时工」的崛起》：zhuanlan.zhihu.com

【The gang that made this happen】

制作人：陈皮
剪辑：陈皮
Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

组织能力才是 AI 公司真正的壁垒 | 对谈 Palona AI 联创任川