作者：Lex Sokolin
編譯：佳歡，ChainCatcher
本文探討 AI 如何重塑組織架構本身。公司正從亞馬遜式的「雙披薩團隊」，（一個團隊約 6–10 人，保持敏捷的組織架構。）轉向由 3 到 5 人組成、生產力大幅躍升的「AI 原生」小組。
我們比較了兩條路徑:
Klarna 的 AI 替代戰略以失敗收場。員工人數從 5,500 砍至 3,400，服務質量問題最終迫使其重新招人。
Coinbase 與 Ramp 則選擇圍繞 AI 增強與編排來重組業務。Coinbase 裁員 700 人，同時轉向單人產品團隊和 AI 代碼生成。
Ramp 則打造了一套內部 AI 驅動框架（harness），99.5% 的員工每天都在使用，涵蓋逾 350 項業務技能。
此外，我們還剖析了 Box 和 Plaid 等公司為何被資本市場作為 AI 基礎設施重新定價，核心在於它們掌控著 AI 智能體運轉所必需的、帶權限的企業級數據。
組織形態的第三次進化
幾個月前，我們討論過「零人類公司（Zero Human Companies）」和 AI 經濟自主化曲線：
雖然已有力量在推動建立完全沒有人類干預的組織，但目前的經濟主體仍是我们人類。
當下最棘手的工作，是將現有的傳統公司改造為 AI 優先的形態。
這是一個極其龐大的機遇，以至於 Anthropic 正與整個私募股權行業攜手推進此事。
除了那些驚人的財務數據之外，我們開始明顯感知到 AI 影響的另一個切入點：人們建立和組織公司的方式。
組織架構本身就是一種技術。
瀑布式開發（Waterfall）孕育了統治早期科技時代、層級森嚴的軟體開發巨鱷。
隨後行業轉向運用敏捷方法論的精益團隊，接著敏捷又演化為亞馬遜首創的「雙披薩團隊」。正是這種運營結構構築了如今的每一家現代金融科技公司。
但潮水的方向再次改變。
麥肯錫的 Martin Harrysson 和 Natasha Maniar 在 2025 年末給出了下一個版本的預判:
AI-native roles inherently mean we are shifting from a "two-pizza structure" to single-pizza teams of 3 to 5 people.
人數減半，工作照常。
2026 年 5 月 5 日，Brian Armstrong 通過裁員 700 人，為這一論斷添上了有力的注腳。
Coinbase 做了什麼？
Coinbase 裁減了 4,951 名員工中的 14%。
部分原因在於，這仍是一家業務與交易量高度绑定的公司的正常市場週期操作——預計其第一季度營收為 17 億美元（同比下降 26%），每股收益（EPS）暴跌 86%。
但值得高度關注的是，其管理層是如何規劃現代金融科技／加密公司中 AI 落地路徑的，以及他們對未來人均生產力的期許。
Coinbase 的工程師們現在只需幾天就能發布過去需要數週才能上線的產品，且這種提效正在加速。
Armstrong 正在重構業務線，確保在 CEO 和 COO 之下最多只存在五個管理層級。
純粹的「管理者」將不復存在——每位領導者都必須身兼個人貢獻者，必須是精通現代工具、既能帶隊又能親自下場的「球員兼教練」。
跨職能的 "AI 原生小組" 全面取代傳統團隊。Coinbase 甚至在內部試點將工程、設計和產品職能融合於一人的單人小組。
Coinbase，一家營收達 70 億美元的上市巨頭，正在運轉單人產品團隊。
在 2025 年 9 月，Armstrong 曾公開表示 Coinbase 每天 40% 的程式碼由 AI 生成，並計劃在 10 月將該比例提升至 50%。
在 Stripe 聯合創始人 John Collison 的 Cheeky Pint 播客中，他坦承自己開除了那些在企業版許可證發放一周內仍拒絕使用 Cursor 和 GitHub Copilot 的工程師：
有些人就是不用，所以他們被解僱了。
V1 版本是直接替代，但它失敗了
然而，Coinbase 並非首家以 AI 為由進行裁員的金融科技企業。
还记得 Klarna 在 2024 年那場教科書般的 "AI 降本" 實驗嗎？當時它似乎昭示著未來驚人的生產力爆發。
但我們當時就認為，這更像是信貸週期的緊縮，而非真正的創新。
CEO Sebastian Siemiatkowski 曾高調宣布，由 OpenAI 驅動的 AI 助手在首月處理了 230 萬次對話，佔所有客戶聊天的三分之二，完成了相當於 700 名全職客服的工作量。
- 員工總數從 5,500 人驟降至 3,400 人
- 預期利潤增幅：4,000 萬美元
- 客戶問題解決時間從 11 分鐘縮短至 2 分鐘
然而，這一切在觸碰現實後迅速崩盤。
複雜工單的客戶滿意度（CSAT）暴跌，重複聯絡率飆升。
到 2025 年 5 月，Siemiatkowski 向彭博社坦承公司「步子邁得太大了」。Klarna 不得不開始以類似 Uber 的遠程模式重新招人——聘用時間靈活的學生、全職父母和偏遠地區工人。
澳洲聯邦銀行在幾天內迅速叫停了 45 個語音機器人替代項目。Taco Bell 也從 500 家汽車穿梭餐廳中撤下了語音 AI。
Gartner 預測，到 2027 年，一半曾制定"全面替代計劃"的公司都將放棄該方案。
Klarna 的 IPO 在首日依然大涨 30%，達到 200 億美元估值，這在一定程度上反映出：只要公司及時糾偏，公開市場是相當寬容的。
但這種簡單粗暴的「替代」邏輯，即直接裁掉一個人類崗位，塞進一個大語言模型（LLM），在注重「量」的指標上或許行得通，但在注重「質」的指標上必將崩潰。
The cost of rehiring far exceeds the initial savings. It is evident that the first AI digital transformation attempt in the fintech sector has delivered a mixed result.
但這絕不會是最後一次嘗試。
V2 版本是能力增強，以 Harness 為護城河
Ramp 在 2026 年 4 月初正式發布了 "Glass"。
與五位同事共同打造該工具的內部 AI 專家 Seb Goddijn 發表了一篇長文。當天，Ramp 的 CEO Eric Glyman 在推特上轉發。數小時內，該文便霸榜 Hacker News 首頁。
對於 V1 版本為何失敗，Goddijn 一針見血地指出：
The primary barrier to AI adoption is not the model itself, but the extreme complexity of configuring the AI runtime environment.
Glass 正是 Ramp 為粉碎這一壁壘而生：
首先，自動化的訪問配置——只需通過 Okta SSO 登錄，每一個獲得授權的內部工具（Salesforce、Gong、Notion、Linear、Snowflake、Slack、Zendesk，以及 Ramp 自有內部工具）都已底層打通。
其次，設立 Dojo（道場）——一個包含 350 項以上 AI 技能的市場，每一項技能都是一個 Markdown 檔案，負責教導智能體完成一項任務。它們全部存儲在 Git 中，接受程式碼審查並進行版本控制。
一個名為 Sensei（導師）的智能體會在新員工入职首日，智能推送與他最相關的五項技能。
第三，構建持久記憶庫——基於身份驗證連接自动生成，並通過 24 小時綜合處理管道持續刷新。因此，智能體在介入每一次對話時，都已完全掌握該員工所在團隊、參與項目、活躍工單和持續中的溝通脈絡。
如今，99.5% 的 Ramp 員工每天都在使用 AI。
Ramp 一半的程式碼由 AI 撰寫，並正向 80% 進發。其首席產品官 Geoff Charles 推行了一套 L0–L3 成熟度框架，其中 L3 代表直接透過 AI 智能體發布生產級功能。
任何仍停留在 L0 等級的員工，實質上被視為怠工。
Ramp 目前估值高達 320 億美元，ARR（年度經常性收入）達 10 億美元，雄踞 Fast Company 2026 年金融界最具創新力公司榜首。
Klarna 試圖透過自動化降低人力門檻，Ramp 則在努力提升每位員工的產出底線。Coinbase 位於兩者之間。
AI Harness
貫穿這一切的核心，是 "AI Harness" 的概念。
像 Manus 這樣的公司開創了將原始 AI 智能壓縮、轉化為可重複業務流的架構，而 OpenClaw 等編排框架則將其推向大眾。
A harness is a comprehensive integration of authentication, system integration, knowledge base, team-skilled catalog, nightly batch scheduling, and a multi-pane interactive interface enabling analysts to run multiple tasks in parallel.
而那些前沿的大語言模型，僅僅是這套 Harness 中可隨時替換的零部件——當 OpenAI 推出 GPT-5.5，或者 Anthropic 發布 Opus 5 時，Ramp 只需順手替換掉模型，周遭的一切體系照常運轉。
Anthropic 自家的 Cowork 產品於 2026 年第一季度正式商用(GA)，內置了 11 個針對特定崗位的插件，橫跨銷售、財務、法務、行銷、HR、研發、設計和運營——這套崗位分類邏輯與 Glass 的 Dojo 如出一轍。
一旦你接受「AI 的生產力是由業務流而非聊天框塑造的」，崗位角色就順理成章地成為了 AI 組織的最小自然單元。
這也正是致力於打造「零人類公司」的工具在思考如何構建 AI 優先組織時的底層邏輯。詳見下文的 Polsia，以及隨後的行業快速細分版圖。
資本市場正在迎頭趕上
當許多傳統軟體公司正因 AI 的去中介化而痛苦掙扎時，有一類玩家卻在逆勢狂飆。
這些公司早已築起屬於自己的數據護城河，如今正遊刃有餘地將一次性 AI 軟體無縫疊加其上。
以企業級文件存儲公司 Box 為例：其 2026 財年第四季度財報發布後，股價應聲暴漲 10%。Aaron Levie 在財報電話會議上一語道破天機：
Documents are, at their core, the natural units of work for AI agents.
Enterprise Advanced——Box 主打 AI 與工作流的高級訂閱層——其定價直接比傳統旗艦版 Enterprise Plus 高出 30% 到 40%。
第四季度賬單金額（billings）達 4.2 億美元，同比增長 5%。
- Box Extract 能夠從合約中精準抽離結構化數據
- Box Shield Pro 將智能體化 (agentic) AI 直接引入存取控制體系
- Box AI Studio 的專業模式與擴展模式，允許智能體在更大的上下文視窗中處理多步驟負載
Levie 在 GeekWire 的訪談中感慨：
Except for the first 12 months after its establishment, Box has never felt this much like a startup today.
要知道，高達 95% 的企業數據都是非結構化的。AI 智能體極度渴求這些數據，且必須在權限邊界完整保留的前提下被調用。
誰掌控了這個帶權限的數據金庫，誰就能擺脫「廉價存儲」的標籤，被資本市場作為「智能體基礎設施」重新估值。
過去，市場將 Box 視為 Dropbox 那位略顯尷尬的兄長，股價長期徘徊在 26 美元。如今，華爾街的一致目標價已落在 35.63 美元，相對當前價格還有 35% 的溢價空間。
另一個例子是 Plaid——這家金融數據聚合商曾幾乎被 Visa 收購，並寄望於借此成為一個直接的支付網絡。
但有一段時間，Plaid 處境相當尷尬：Web3 後來居上，取代 Web2 成為新晉的金融基礎設施寵兒。
從 2021 年 134 億美元的估值高峰，Plaid 下滑至 2025 年 4 月一級市場輪的 61 億美元，隨後在 2026 年 2 月一筆為員工提供流動性的二級市場要約收購中，回升至 80 億美元。
它必須進化。
Plaid 最新客戶中約有 20% 是 AI 原生公司——他們正在構建需要獲取金融數據授權訪問、並依賴可信身份基礎的智能體。
Plaid Protect 的反欺詐平台在 2026 年初的測試中，檢測出的欺詐嘗試比同類身份驗證工具多出 50%。
Plaid Bank Intelligence 則攜帶 Retention Score 及即將推出的 Primacy Indicators，把客戶流失預測能力反向賣給銀行。
Plaid 正被重新定價為全球最大的、帶授權的金融交易數據語料庫。
它不是一條數據管道——數據管道從來都是廉價品。真正的資產，是構築在其之上的智能，而 AI 原生客戶的占比，正是這一論點最有力的佐證。
一個典型案例，是它與 Perplexity 的集成——共同打造一個完整集成的個人財務管理「計算機」。我們何其懷念 Mint.com！（2006 年誕生的美國國民級個人記賬 App）
Box 和 Plaid 站在同一条賽道的同一側。
兩家公司在零利率（ZIRP）時代均被以「SaaS 霸主」的邏輯定價，經歷估值腰斬後，如今正根據一套全新的邏輯重新估值——非結構化內容庫與帶權限的數據網絡，是 V2 時代企業可被智能體讀取的底層基質。
V3 版本是編排——"單人公司"誕生
Sam Altman 與其他科技 CEO 之間有一個賭局，押注第一家「十億美元規模的單人公司」將於何年誕生。
Dario Amodei 將其在 2026 年內出現的概率定於 70% 至 80%，並點名了三個領域：自營交易、開發者工具、自動化客戶服務。
紅杉（Sequoia）正在調整投資承銷模型，將「智能體槓桿（agentic leverage）」即人均收入作為首要信號。Y Combinator 早期批次的入孵公司，95% 的代碼已由 AI 生成。
事實上，已經有公司憑藉 AI 創造出驚人的經濟槓桿。
在這種公司裡，CEO 化身為 "agent orchestrator"，在一個巨型駕駛艙中調度無數 AI 智能體。
組織架構圖，變成了一張可外包給機器執行的業務流圖。勞動力預算，變成了算力預算。
這類公司的初代形態，將棲身於狹窄的領域——自營交易、開發者工具、具備網絡效應的細分消費軟體。這些場景裡工作完全數位化、監管輕、信任成本低。
它們會很脆弱，因為所有單點失效系統都脆弱。
它們也難以打入受監管的企業市場，因為在那裡，合約上的姓名和那張臉，本就是結構性的存在。
但這種公司，已經出現了。
每一次技術變革，都會摧毀上一個範式視為關鍵的角色——"computer(早年人工計算員)"、生產線工頭、項目經理、中層管理者。
而那些率先弄清 "經濟組織新形態" 的公司，往往因為先動而獲得巨額回報。
例如：亞馬遜的「雙披薩規則」，以及其在百萬員工規模下仍能保持創新能力，本身就是一道護城河。
我們最終會落在「單人公司」還是「零人類公司」，並非真正的问题。
當下，我們仍處於數位化轉型的進程之中，而沿著這一脈絡在全經濟範圍內交付價值，將帶來數千億美元的回報。
真正的問題是：誰能在今天擁有或建構出正確的 AI Harness，誰就能為 2026 年的公司設計出正確的組織架構圖。
這意味著升級這具企業超級有機體，讓它繼續戰鬥下去，再活一天。
但願，我們人類也能從中得償所願。