Richard Teachout // Teachout.com
← 全部文章

The AI Team You Actually Need Is Smaller Than You Think

Richard Teachout
Richard Teachout Ashley Furniture Industries 首席技术官 —— 高管级技术领导者、创业者、AI 领导者、架构师、问题解决者、前开发者。 2026年10月28日
AI
你真正需要的 AI 团队,比你想象的小

每家公司都以为自己需要的 AI 团队是十个人。真正能出活的 AI 团队,往往是三个。

招聘恐慌是真实的。我看到的每一张组织架构图里,AI 团队都以同样的形状膨胀——一个 AI 负责人、一个平台团队、每个业务单元一个 ML 工程师、一个数据科学小队、一个提示词工程师(一个两年前还不存在、如今已经代表三种不同工作的岗位),以及一个盯着所有人的治理岗。预算巨大,产出却往往是一堆业务根本用不上的基础设施。

这是那些真正在交付的组织给出的、让人不舒服的模式:AI 团队很小,角色很具体,而「小」是特性,不是局限。

真正重要的五个角色

组织里的 AI 工作可以拆成五个角色。注意是角色,不是头衔——一个人可以兼任多个,而好的小团队大多如此。

构建者。能把东西交付出去的人——集成模型、搭流水线、把工具接进真实工作流。这是工程角色,也是所有人最先招的那个。它也是最容易找到的角色,因为它看起来就像一份普通的软件工作。

评估者。那个对「这够不够好?」负责的人。这是几乎从不被招、却又几乎总是需要的角色。评估者建测试集、跑回归、在模型变化时盯住质量基准。它是个奇怪的混合体——半 QA、半数据科学家、半领域专家。正是这个角色,把信任自己 AI 的团队和拿 AI 赌博的团队区分开。

操作者。在生产里运行它的人——看仪表盘、处理事故、管审查队列、知道「正常」长什么样。操作者是那个在周二就发现模型行为开始异常的人,而不是等到周五变成客户问题。

领域负责人。来自业务方、真正了解 AI 所做工作的那个人——流程、边缘情况、AI 试图复刻的那种判断。这个人根本不在技术部门里,而这正是重点。他们是质量基准的来源,也是说出「那个输出错在指标看不见的地方」的声音。

审查者。对重要输出签字的人——高风险结果上的人工检查。这个角色往往是领域负责人兼的第二顶帽子,或者是一组轮换的业务人员。无论哪种,它都必须存在,而且必须是真实的,不能是橡皮图章。

AI 团队是五个角色。它不是五个部门。它是五个座位,而被跳过的那些座位,才是决定成败的地方。

让三个人就够用的组织模式

行得通的模式是「中心加辐条」。一个小的核心团队——构建者、评估者、操作者——拥有平台和实践。再加上一组分布在业务中的领域负责人和审查者,当他们的工作流被自动化时接入核心。

核心团队是三个人,因为平台对每个用例都是一样的形状。评估 harness、路由、可观测性、升级路径——这些建一次就复用。第三个业务单元采用 AI,不需要一个新的构建者。它需要一个新的领域负责人,而领域负责人已经在业务单元里,已经了解工作,只需要核心团队把工具做得可用。

这正是大团队忽略的模式。他们在中心雇了十个人,业务里一个都没雇,然后纳闷为什么采用这么慢。采用活在辐条里,不在中心。那个属于业务团队的领域负责人,才是让 AI 真正贴合工作的人。

为什么大团队会失败

大 AI 团队失败有一个结构性原因:它们用流程取代了判断。当你有十个人,你就需要协调,于是你造出各种仪式——需求登记表、评审委员会、优先级框架、需要三层审批的路线图。这些仪式吞噬了团队,AI 团队和业务之间的距离越拉越大,直到 AI 团队在构建它想象中业务需要的东西。

三人团队负担不起这些仪式。构建者直接跟领域负责人谈。评估者的测试集由审查者的判断定义。这个回路短到反馈以天而不是季度为单位流动。小不是局限。它是让团队保持诚实的那种结构。

真正重要的那个招聘问题

当你忍不住想扩张 AI 团队时,问一个问题:五个角色里缺哪个,而业务能不能不靠新招人就补上?

如果答案是构建者,你大概率有理由招——那是真正的瓶颈。如果答案是评估者、操作者或审查者,你不需要招人。你需要把角色指派出去,而那个指派通常就是一直没被做出的那件事。角色一直都在那儿,只是没人认领。

五个角色,三人核心,业务里的辐条。这才是能交付的形状。十个人的组织架构图,是那种「开会讨论交付」的形状。招构建者,指派评估者,信任操作者,把领域负责人放在他们本来就在的地方。能出活的团队,是小到能互相说上话的团队。

觉得这套论述适合你的活动吗?跟我说说那个场合 —— 日程是有选择的.

开始对话
English简体中文Tiếng Việt