智能体
www.xiaoyuzhoufm.com ·
@卫诗婕｜商业漫谈Jane's talk
与网易阮良聊 AI 原生组织与企业 Agent 实战：个人提效 500%，为何交付只从 20 天变 17 天
播客访谈网易集团副总裁、网易智企 CEO 阮良，围绕企业 AI 落地展开。他提到网易内部统计显示个人用 AI coding 效率提升 300% 甚至 500%，但整个软件交付流程只从 20 天缩短到 17 天，原因是企业任务链条更长、角色关系更复杂，木桶短板决定提效上限。节目还讨论取消周会、让 AI 同步信息，SaaS 能否成为 Agent 基础设施，企业私有知识库与 API 编排对智能客服的作用，中层减少后强个体带 Agent 军团回到一线，以及用 Token 消耗作为人才信号但不宜直接等同绩效等观点。
AI推荐理由 网易集团副总裁、网易智企 CEO 阮良的一线访谈，提供了企业落地 AI 的具体观察：内部统计个人 AI coding 效率提升 300%-500%，但软件交付周期仅从 20 天缩短到 17 天；并讨论取消周会、企业知识库作为 Agent 燃料、多 Agent 的冗余与鲁棒性、Token 消耗与人才信号等议题。这些是来自企业实践者的经验性判断，有具体数字和场景，对 AI 原生组织与企业 Agent 落地有参考价值。局限在于：效率数字为企业内部统计，未给出统计口径与验证方式；播客内容多为观点与经验，非可复现的实证研究；部分结论（如 Token 消耗领先者成果领先）属于个人观察，需保留不确定性。
72
正文
8 月底，一篇讨论 AI 普及率真相的文章在 X 上引发大量讨论——这篇文章的名字叫做《AI Adoption is a Myth》中文意思是，AI 普及是个神话。文章指出，目前 AI 产品真正的鸿沟，不在"用不用",而在"用得多好”——事实上，企业中能深度使用 AI 的始终只是一小撮人，而当下 AI 产品的设计也正在强化这一点。 就在同一时间，我在杭州访谈了本期嘉宾，网易集团副总裁、网易智企 CEO 阮良。 阮良 2006 年从浙大计算机毕业后加入网易,从一线代码晋升至管理层，历经互联网、移动互联网、AI 三次技术浪潮。这一波大模型浪潮中，他重新拾起代码，深度使用 AI 并在企业内部推广，从业务角度思考，企业需要什么样的 AI。 在这期节目中，他带来大量一线、反共识的观察。比如，网易内部统计发现,个人用 AI coding 效率提升了 300%甚至500%,但整个软件交付流程却只从 20 天缩短到 17 天。为什么 AI 看似武装了所有人,整个组织的运转速度却没有变快？建立 AI 决策中枢和执行闭环，究竟需要什么？ 阮良带来了他的思考和答案。 本期嘉宾：阮良（网易集团副总裁 网易智企 CEO） 本期 Shownotes： 01:57 阮良亲历的三次技术浪潮：AI 堪比印刷术，改变知识的获取与解释权 AI 可能进入个人生活与组织运行的每一处「毛细血管」 AI 的根本变化：个性化、极致细分的服务，开始变得可供给 07:38 十年没写代码，为自己造一套 CEO AI 对管理者而言，AI 最有价值的，是把注意力还给真正重要的问题 Chat 是一次性的短任务；当工作被固化进 Agent 和工具链后，效率才开始形成复利 「你完全可以去刷个短剧、看会风景、或者喝杯咖啡」 14:07 AI 进入组织时，有哪些「从没人说过的真相」？ 个人提效 500%，为什么交付只从 20 天变成 17 天？ 大模型之外仍需大量调教 个人使用 AI 多是短程闭环；企业任务由多人协作完成，链条更长、角色关系更复杂 木桶的短板，决定了提效的上限 企业落地 AI 要跨过的三道坎 20:06 取消周会：让 AI 同步信息，人只解决问题 飞书文档、飞阅会的边际效应 工具效率与认知退化同时存在 AI 不是一次工具升级，而是一场组织能力的压力测试？ 28:10 SaaS 未死：真正的分水岭是能否成为 Agent 的基础设施 SaaS 的本质是 Service；交付形式可以从软件界面变成 AI 或 Agent，但服务本身仍然存在 沉淀了企业核心知识与流程的产品反而可能变得更强 未来调用企业服务的不只是员工，而是数量和行动频率都远超人类的 Agent 智能客服的核心不只是大模型，而是企业私有知识库，以及对内部系统、流程和 API 的调用与编排 蒸馏人？人的经验先被写进软件，但经验未必来自于「人」 企业知识库不是静态文档仓库，而是 Agent 执行任务时的燃料 37:39 当工作被记录，经验归员工还是归公司？ 经营数据、客户声音和决策留痕的重要性 老板 AI ：是一种刚需 未来高端人才入职，可能带来一整套由自身经验训练出的 AI 资产 企业 AI 的数据问题，到底是什么？ 44:17 中层变少之后：强个体带着 Agent 军团回到一线 AI 原生组织：从多部门、多层级，向小型精英单元过渡 拥有强技能、能在一线指挥 Agent 的人才会增加 什么是人类真正稀缺的能力？ 「AI 替代任务，而不能替代完整的人」 47:19 AI 的价值：质量 × 节省时间 × 单位时间价值 把 AI 只当作裁员工具，是对其价值的误判； 最适合优先交给 AI 的任务有四个特征：耗时、频率高、不得不做、不同人完成后的结果大体一致 先用最好的模型验证任务能否被完成，流程跑通后再寻找更经济的模型 Agent 能带来真实的规模的生产价值吗？ 当每个企业都有几十上百个 Agent 时，管理能力比模型能力更稀缺？ 当企业有 100 个 Agent 时，目前的 Token 消耗量如何？这是一笔怎样的账单？ 怎么评估 Agent 的工作效果？AI 化指标怎么定？ 「Token 并不贵」：数千元模型费用换来的产能增长足够大 「让需求更猛烈地爆发，让创新更猛烈地爆发」 56:13 当 Agent 「破圈」：Agent 开始走出程序员，Token 消耗成为人才信号 2025 年 AI Coding 已经开始兑付价值，2026 年则是非 Coding 场景开始规模化兑付价值 大模型的泛化能力与 Coding 能力打破了供给门槛 多 Agent 的意义不仅是观点多样性，也在于冗余和鲁棒性 Token 消耗显著领先的人，其工作质量和成果往往也显著领先 不要把 Token 消耗量直接等同于绩效 01:03:12 大明王朝 1942： 企业有一万种理由用不好 AI 什么样的公司拥抱 AI 最彻底？ 企业用错 AI vs 不用 AI 的代价，哪个大？ 大企业如何推进 AI 改革？ 最出乎意料的企业案例是什么样？ 如何用 AI 串成一个更短的机会兑现链条？ AI 原生组织该是什么样？ 01:09:02 决策中枢的核心不是模型，而是决策历史 企业级 AI 需要「围栏」 ：别把材料全塞给模型，去建立高质量知识库 如何让组织智慧能够被保留、调用与持续更新？决策知识库最有价值的内容是什么？ 「接下来有两个趋势：人站在 AI 的肩膀上，以及 AI 站在自己的肩膀上」 加入听友群⬇️：