The AI Team You Actually Need Is Smaller Than You Think
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。