最近大家应该能发现，越来越多的公司，开始强调打造AI Native组织了。
过去，都在讲国内的互联网公司迭代速度快，但在这轮大模型浪潮，反而是Claude这样的公司迭代速度更快，每隔几天Claude Code就要出个新功能，它们的模型也是迭代速度最快的，而且比同类的产品做的要更好。
我觉得是个值得思考的问题，一方面，芯片和投入资源的限制是个原因，毕竟我们搞AI 大模型据说只用了美国1%的投入，但另一方面，可以从AI Native组织的角度去思考。
01 部署自己项目碰到的坑
前段时间我把自己的公众号排版工具更新了一版。当我在本地让AI写代码时，每一轮指哪打哪，改得非常快。
但改完后我必须自己测试一下，怕改出问题，而这时候，你会发现，AI改代码的速度远远快于我做测试的速度，它几分钟写完的代码，我需要花几十分钟来测试。
当把功能全部改完，接下要进入部署上线的环节。
我用的是阿里云的服务器，但我对服务器运维这块不能说是知之甚少，可以说是一窍不通了，但服务器也没有接入AI编程Agent，只能纯靠我在本地和AI对话，让它教我怎么手动部署，每个环节我都得去了解，否则容易出问题。
这时，不出意外的出意外了，在部署阶段，我就踩了两个大坑。
第一个坑，我本地用的是SQLite数据库，它只能同时写入单条数据，无法面对高并发的场景，而部署的时候我才想到这点。
索性为了以后省心，调研了一番，我最终选了用MySQL，因为它在我的服务器兼容性比较好，也有朋友给我推荐了PostgreSQL，但它针对金融那类复杂业务比较适合，我这个场景用不上，就没选。
然后，我花了一天时间，把本地的代码做了一轮适配MySQL的改造。
接下来就踩了第二个坑，到服务器上部署MySQL时，它需要安装对应的数据库应用，而原生的mysql，内存占用很高，我的服务器配置根本吃不消，又是一番折腾，幸好有补救方案，我换成了性能开销比较低的MariaDB。
结果编译安装各种失败，鼓捣了1天，最后下了个二进制安装包才搞定。
大家可以看到，我这次功能上线，最大的卡点不是AI帮我写代码这个环节，反而是我自己手动操作的那些环节——测试、部署上线。
因为这几个环节并没有引入AI帮我去执行，而我自己又不懂。
02 为什么大家都想打造AI native组织
从上面的例子就能看出来，人在很多环节慢慢变成了卡点。
最近，很多公司都在大搞特搞Skill，以至于有个笑话流传甚广——“我的同事被蒸馏成了Token”。
那些可以被流程化的工作，在这一轮浪潮中，逐渐被Skill给替代，甚至在优化流程的过程中，会发现原有的某些流程不需要了，有的流程又成了新的卡点，比如开发阶段的测试等环节。
这就是很多公司要转型AI Native最直接的原因——降本增效。
AI改变了我们的生产力，进而引发了生产关系的改变。
这时，回到开头的问题——为什么Claude这个公司迭代速度这么快？
你会发现，它们公司不管是做Claude Code，还是训练模型，都引入了AI的参与，但光引入肯定还不够，人依然会成为卡点，所以我猜他们公司的工程流程一定针对AI协作做了适配性的改造，这也就是我说的AI Native组织，它将会大大提升生产效率。
所以在未来，很多公司都需要向AI native组织转型，将AI融入到自己的工作流程中，而这个的关键就是不再让人成为卡点。
但是，具体形式应该是什么样的，其实我也不知道。不过我发现有的公司走得很激进，他们要求产品经理的需求文档都用AI写，不允许人写。对于产品经理来说，写文档其实就是对产品的思考，这目前AI是替代不了的。
所以，打造AI native组织，如果什么都让AI干，这也是不对的，必须在合适的环节让AI融入进来。
03 如何找到合适的环节
那么，如何找到合适的环节？
这需要在和AI协作的过程中，发现哪些环节是被人卡住的——能不能用AI解决？
如果不能，怎么让人和AI更好地协作来提高效率？也许这才是正确的方向。
其实不光是公司，对于个人来说，我们也逐渐走在向AI native个体转型的路上，在后面我会继续和大家聊对AI Native个体的思考。