这是YC 合伙人Tom Blomfield,最近在思考的一个问题。
大多数老板听到这个问题,想的是怎么用AI让团队快 20%。
但他的意思是,你在旧模式上换了个更强的引擎。真正的命题是把公司这架机器整个拆了重装。
他做了一套完整的框架,而且 YC 内部已经在跑了。
但我看完之后的感觉是:这套框架对软件公司成立,对实体业务可能没那么快。
核心框架是五层闭环。
感知层收信号(客户邮件、工单、代码变更、用户取消),
策略层定规则(什么能做什么要批准),
工具层给能力(查数据库、看日历这些 API),
质量层做安检,
学习层把失败反馈回起点。
这五层串起来,关键效果是系统在你睡觉的时候也在自我优化。
YC 内部已经跑出了几个案例:
1、他们做了个 agent,最开始只做问答。后来加了一个监控 agent,检查每个查询为什么失败,然后自动写代码修复、合并、部署,夜间跑完。
2、从 2000 小时 office hours 录音里自动蒸馏出一本 150 页的手册,按融资、招聘、合伙人纠纷分类。每月自动更新。
3、产品优化,agent 自己分析漏斗数据、设 A/B test、选 winner、部署。
整个链路不需要人类介入。
这个趋势的判断一句概括:Burn tokens, not headcount消耗 Token,而非人力。
YC Demo Day 的人均营收已经比 18 个月前高了大概五倍。他说未来公司的瓶颈不是你招多少人,是你烧多少 token、你的组织上下文质量有多高。中层管理的协调功能会被 AI 替代,公司只需两种角色:自己动手的人和老板。
然后他给了四条实操建议:
1、记录一切。邮件、Slack、会议录音。没被记录的等于没存在过。
2、软件可丢弃,上下文永久。Codex 5.5 已经够好,内部工具用完即弃。有价值的是业务理解,不是代码。
3、守门员法则: 能自我改进且被 AI 读取的内容就留着,其他扔掉。
4、创始人必须自己用这些工具,不能外包。
隐含假设:你的业务在本质上是信息处理和规则执行的链条。 软件公司天然满足这个条件。
人处理 AI 进不去的场景、高情绪浓度的判断、伦理决策。我认同,但他低估了"无法信号化的工作"在公司里的比例。
对软件公司来说可能是 20% 需要人类,对很多传统行业来说这个比例可能是倒过来的。
组织对 AI 可读、软件可丢弃上下文永久、创始人亲自用。这些今天就能做。
需要思考的是: 你的工作流里,有多少是能用五层闭环覆盖的?