本文目录 · 6 个章节

一个诸葛亮,能组织多少执行力?

俗话说,三个臭皮匠,顶个诸葛亮。这个比喻让我想到的,是个人能力与集体协作之间的关系:再有判断力的人,也受制于自己的时间,需要其他人把想法落实。过去扩大执行规模,往往意味着招聘更多人,建立更多岗位和管理层。

但我怀疑,这种关系正在发生变化。未来,一个对细分领域有深刻理解、又能跨越产品、技术与商业的人,可能调动成百上千个 AI agents,把研究、实现、试验和检查组织成一套执行网络。一个人的判断不再只能支配一个人的双手。这里的数量是我对未来组织方式的设想,不是当前每个智能体都能等价替代一名员工。

我因此更想问:如果执行能力能够按需扩展,公司为什么还必须随着业务一起增加那么多人?在部分领域,一个足够强的通用型人才,或者一到十人的紧密团队,未来创造的价值未必会输给拥有成千上万名员工的公司。

通用型人才,需要一个足够深的支点

我说的通用型人才,不是每个领域都懂一点、却无法判断任何细节的人。他首先要在某个细分领域足够深入:知道客户真正卡在哪里,知道哪些约束不能破坏,也知道一个看似漂亮的答案为什么不能用。在此基础上,他还能把问题翻译成产品、流程、代码与验证标准。

设想一个熟悉某类企业采购流程的人:他理解审批异常、供应商信息和对账难点,再让 agents 分别做资料整理、原型实现、测试与文档。人的价值不在于亲手完成每一份输出,而在于选对问题、拆对任务、识别错误,并决定什么值得交付。这是说明性场景,不是已经实现的人力替代成绩。

领域理解提供支点,跨领域能力把支点连接到执行。如果不知道什么叫做好,更多 agents 只会更快地产生无法验收的东西。

大公司的规模,也会成为它的负担

我看好小团队,还有一个组织层面的理由。公司越大,需要协调的角色和交接通常越多:需求经过转述,决策需要升级,不同部门又可能围绕各自指标优化。岗位和流程有时从解决问题的工具,变成需要被维持的对象;个人贡献不易辨认时,也给低投入和责任推诿留下空间。

这不是说每一家大公司都低效,也不是说员工多就必然有人无所事事。真正需要警惕的是:新增一个人带来的有效产出,是否已经被汇报、等待和反复对齐消耗掉。少数人能够直接面对客户、迅速讨论并修改产品时,反馈路径更短,调整方向也更容易。

小团队的敏捷同样需要维护。一个创始人包揽全部决定,其他人只能等待,也会制造瓶颈。我期待的是把判断放在最理解问题的人那里,让必要的协作发生,让没有改变结果的行政动作尽量减少。

一个人可以是一家公司,几个人也可以是一支强队

我也看好一个人包办一家公司。包办不意味着每一步都亲手做,而是由同一个人贯通需求、产品、执行与交付,让 agents 承担可以委派的工作。当这个人既深懂领域又有足够广的能力,产品意图不需要在多个人之间反复翻译,决定与反馈可以非常接近。一人公司不是小团队成立之前的临时状态,也可能成为一种长期形态。

如果两三个人或更多人能够带来真正互补的判断,合作同样有吸引力:有人深懂客户与行业,有人擅长系统实现,有人长于验证、交付或商业连接。扩员应当因为新成员带来的价值,而不是因为公司看起来就该有这些岗位。

一到十人是我看好的核心组织尺度,不是某个被证明的最优人数。一个人时,关键是把自己的判断与 AI 执行接起来;多人时,则还要能共享语境、相互信任、有共同话题,并一起成长。默契不能变成只有赞同:独立创业者需要主动寻找外部反馈,小团队也需要有人愿意提出反例。

如果称它为精英团队,我更愿意用领域深度、学习能力、交付能力和承担责任来定义“精英”。它的优势来自少数人彼此增强,而不是用头衔证明自己天然优于更多人。

一千个 agents,并不自动等于一千倍价值

设想一百个 agents 同时写出一百个版本,最后只能保留一个,其余还要花时间检查;这可能比三个分工清楚的 agents 更贵、更慢。任务能否并行、是否共享相互冲突的状态、输出能否自动验证,都会决定扩展有没有意义。

Anthropic 在其多智能体研究系统的工程总结中,也把可并行的任务、清晰分工和评估放在重要位置,同时指出这类系统会显著增加计算消耗。这个案例说明了扩展执行的机会与成本,不能直接证明未来一个小团队能替代多少员工。[1]

所以我希望比较的是:客户的问题是否真的被解决,交付能否持续,扣除模型调用、验证、维护与外部服务后,还创造了多少价值。代码行数、生成内容数量、同时运行的 agents 数量,都只是中间过程。只有当判断、执行和验收接起来,生产力的扩大才可能变成价值的扩大。

竞争可能从人数,转向核心团队的质量

这个变化在软件、数字服务、部分研究与内容产品里更容易想象:交付可以数字化,试错周期较短,执行可以借助已有基础设施。晶圆制造、医院、物流网络或大型工程还依赖设备、现场人员、资本和长期组织经验。大公司也会使用 AI,并不会站在原地等待小团队超过。

而且,一家只有几名员工的公司可能依赖云平台、供应商和承包者。员工少不等于社会投入少,核心团队的高产出,也不能全部算成凭空创造的能力。讨论它的竞争力,需要把这些依赖与成本一起看见。

即便如此,我仍然看好这个方向:未来一部分公司的核心创造力,可能集中在一个通用型人才,或一到十个能持续学习、彼此增强的人身上。他们把人的判断力与 AI 的执行能力连接起来,让组织保持精简,让交付规模继续扩大。公司是否强大,未必还要先看它雇了多少人,而要看这个人或这几个人能否组织出真正值得存在的产品。

来源与延伸阅读

  1. Anthropic · How we built our multi-agent research system(2025)

    依据 · 多智能体研究系统的工程经验:任务拆分、协调、评估与计算成本。不是小团队替代大型企业的实证。