作者：王林Lincoln | MindsLeap创始人 | Founders Space合伙人 | 企业家AI俱乐部创始人
Claude 官方频道在 2026 年 5 月 8 日发布了一段题为《Running an AI-native engineering org》的演讲视频。视频中，Claude Code 工程负责人 Fiona Fung 分享了一个很值得企业管理者关注的判断：当 agentic coding 从个人工具变成团队默认工作方式之后，真正难的往往不再是“能不能写代码”，而是组织原来的流程还能不能承受新的代码吞吐量。
这也是这段演讲最有价值的地方。它没有停留在“AI 编程工具好不好用”，而是把问题往组织层面推了一步：当 AI 让写代码变快，瓶颈会转移到哪里？
Fung 的答案很直接。过去，工程带宽和编码吞吐量很贵，所以很多软件研发流程都是围绕“写代码很慢”这件事设计的。团队会花很多时间做前置规划、技术讨论、所有权划分和排期，因为真正动手实现的成本很高。
但一旦 AI 让原型、重构和代码生成变得更便宜，原来的瓶颈就会移动。
她在演讲中提到，新的瓶颈开始出现在验证、代码评审、跨职能协作、安全、维护和产品判断上。换句话说，AI 并没有让工程组织不再需要流程，反而让那些原本隐藏得比较深的流程问题暴露得更快。
一个特别关键的说法是：很多流程会“安静地失效”。流程通常是为了解决某个问题而被加入的，但它们很少会自己消失。团队往往只会继续叠加新的流程、更多 SLA、更多检查点，直到有一天发现，原来服务于旧瓶颈的流程，已经不再适合新的工作方式。
这对正在引入 AI 编程工具的公司是一个很现实的提醒。AI 原生工程组织，不是给每个人发一个 Coding Agent 账号就结束了。真正的问题是：当代码产出速度上来之后，谁来评审？谁来维护？CI 和构建系统能不能跟上？安全和权限边界有没有变清楚？产品品味和法律风险还由谁把关？
在 Claude Code 团队内部，Fung 提到了一些新的工作方式。
比如，技术争论的方式变了。过去技术方案很容易停留在白板讨论里；现在，如果实现成本下降，团队可以直接生成多个 PR，用实际代码比较不同方案的实现方式和调用方影响。她的核心意思是：当构建变便宜，争论就变贵了。
代码评审也被重新拆分。Claude 可以承担大量样式、lint、PR 反馈、补测试、发现和修复部分问题的工作。但在法律、风险容忍度、信任边界、安全敏感代码和产品品味上，她仍然强调人类专家的判断。这里的逻辑不是“全自动替代人”，而是把机器适合处理的检查交给机器，把真正需要判断的地方留给人。
角色边界也在变模糊。她提到，PM 和其他非传统编码角色现在可以做更多工程相关工作；工程师也可以借助 AI 更好地完成原本偏内容、设计或跨职能沟通的任务。这意味着 AI 原生组织要重新思考的不只是研发效率，还有团队构成、招聘标准和协作方式。
更有意思的是组织结构。Fung 说，在 Claude Code 团队中，她倾向于让组织尽可能保持扁平，并希望管理者先以 IC 的方式进入团队，真正使用产品、理解代码和工作流，再承担管理责任。这背后是一种很强的 dogfooding 逻辑：AI 编程工具不是外部采购来的效率插件，而是团队自己每天工作的底层方式。
那么，如何判断这种转型是否真的有效？
Fung 提到三个可以观察的指标。
第一，新人上手时间是否缩短。工程师、设计师或产品经理加入团队后，需要多久才能真正开始产生有效贡献？
第二，PR cycle time 是否缩短。这个指标不只是看 AI 用得好不好，还能暴露工程流水线里的其他瓶颈，比如构建、CI、产品基础设施是否还能跟上更高的代码提交量。
第三，Claude-assisted commits 的比例是否上升。根据她的说法，在 Claude Code 团队中，默认情况下每个 commit 都是 Claude 辅助完成的；她甚至表示，自己已经大约四个月没有见过一个非 Claude 辅助的 commit。
这三个指标的价值在于，它们把 AI 工程转型从“大家感觉效率提高了”变成了可观察的组织信号。
对中国企业来说，这段演讲真正值得借鉴的，不是“也去复制 Claude Code 团队的做法”，而是换一种方式看 AI 落地。
很多公司现在还停留在工具采购阶段：买一个 Coding Agent，接一个内部知识库，试几个 demo。但如果 AI 真的进入研发主流程，组织必须回答更深的问题：
- 原来的评审机制还够不够？
- 原来的工程基础设施能不能承受更高频的提交？
- 原来的职责边界是否还清楚？
- 哪些流程应该自动化，哪些流程应该取消？
- 哪些地方必须保留人的判断？
这也是“AI-native organization”这个概念最容易被误解的地方。它不是“组织里有很多 AI 工具”，而是组织的流程、角色、评审、度量和治理方式，都开始围绕 AI 带来的新生产速度重新设计。
从这个角度看，AI 原生工程组织的核心问题，不是模型能力够不够强，而是组织能不能跟上模型带来的速度。
如果说过去的软件工程管理，主要是在稀缺的工程带宽下安排优先级；那么 AI 编程工具普及之后，新的管理重点会变成：如何验证更多代码，如何减少旧流程摩擦，如何让团队在更快的节奏里保持质量、判断和责任边界。
这可能才是这段演讲最重要的新闻点：AI 编程工具正在把软件工程从“写代码效率问题”，推向“组织设计问题”。
来源说明
本文由 Lincoln 根据 Claude 官方频道 2026 年 5 月 8 日发布的视频《Running an AI-native engineering org》进行解读，演讲人为 Fiona Fung。
关于 MindsLeap 心智悦动
MindsLeap 心智悦动是硅谷知名孵化器 Founders Space 的中国区合作机构，长期致力于连接硅谷前沿创新资源与中国企业家的真实转型需求。我们聚焦 AI 战略、企业家社群、创新研学与高管培训，帮助企业在 AI 时代建立更强的认知、方法与行动能力。