从自研AI智能体到拆掉部门墙：一家科技巨头的转型启示录
当大多数企业还在争论该采购哪款AI工具时，Block已经用一场彻底的组织变革，让全公司朝着节省20%以上手工工时的目标迈进。
本期深度案例聚焦Block（旗下拥有Square、Cash App等知名产品）如何借助AI实现生产力的质变与组织重塑。对于正处于转型期的企业高管和HR负责人，一个反直觉的真相值得警惕：成功部署AI的前提，从来不是堆叠工具，而是先拆除那些阻碍技术流通的组织架构“筒仓”，并且要把AI赋能的重心延伸到法务、风控等非技术团队。
一、生产力飞跃的基石：先改组织，再谈工具
许多企业在引入AI时，最常见的错误就是直接把新工具套在旧的组织架构上。Block的转型实践表明，最关键的第一步其实是看似枯燥的组织重组。
从“诸侯割据”到“中央统筹”
过去，Cash App、Square等业务线像独立公司一样运作（即事业部制），技术团队各自为战，工程师被当成可随意增减的“商品资源”——这正是经典“人月神话”陷阱的体现。
重组后，全公司的工程师和设计师分别向统一的研发负责人和设计负责人汇报。这种职能化转型打破了部门壁垒，使公司能够建立统一的技术标准、共享自研的AI工具，并从根本上改变技术人才的规划逻辑：不再为了堆砌功能而盲目加人，而是聚焦平台模块化和深度建设。
给高管的启示
在某些情况下，解决协作摩擦的组织架构调整，比单纯引入先进的AI工具更能带来实质性的效率提升。康威定律（系统的架构会镜像组织的沟通结构）在这里给出了明确警告：如果你的团队还在各自为战，再强的AI也难以发挥威力。
二、自研AI智能体Goose：从“帮把手”到“你歇着”
Block没有止步于使用现成的大模型，而是开发并开源了内部AI智能体——Goose。目前，重度使用AI的技术团队报告，每周能节省8到10小时的人工时间，全公司（含非技术团队）正朝着节省20%-25%手工工时的目标稳步前进。
MCP协议：给大模型装上“手和脚”
Goose的核心是基于MCP（模型上下文协议）构建的。MCP由Anthropic提出，是一种开放协议，它能让大模型直接与企业现有的工具链（如Snowflake、Tableau、Jira等）无缝交互并执行操作，无需等待供应商开发专属插件。换句话说，AI不再只能“动嘴”，还能“动手”。
最意外的收益来自非技术岗
令人惊讶的是，最大的效率提升并非来自资深程序员，而是来自非技术团队。例如，企业风险管理团队利用Goose，在几小时内就自行搭建出了一套内部工具——这在过去需要向IT部门排期几个季度。
另一个典型案例是移动端自动化测试智能体Gling，它能在原生系统层级自动执行UI测试，大幅减少对外包人工测试的依赖。
三、研发工作流的未来：从“修补”走向“重写”
随着AI能力的跃升，工程师的日常工作模式正在被颠覆。
“氛围编程”只是过渡
目前开发者通过与聊天机器人频繁对话来写代码的模式（被戏称为Vibe Coding），在Block的CTO Doni看来只是一种过渡形态——它仍然过度依赖人类的实时微调。
让AI在夜间“加班”
未来的场景应该是：只要给予足够清晰的需求描述，AI可以在工程师休息时（夜间、周末）继续工作，一夜之间生成多个维度的实验性方案，供人类第二天筛选。
“定期推翻重来”的新范式
软件工程有一条传统法则：永远不要轻易重写代码库，因为维护旧有逻辑的成本极高。但AI正在让重写变得廉价。Doni鼓励团队思考一个激进的方向：如果每个版本发布时，我们都彻底删除原有代码，然后让AI结合所有历史迭代经验从头生成一个架构更完美的应用，未来的研发会变成什么样？
四、务实的产品哲学：好代码≠ 好产品
作为一家高度技术导向公司的CTO，Doni提出了一个极具反差感的观点：优秀的代码架构与成功的商业产品，两者之间没有必然联系。
YouTube vs. Google Video的经典案例
在Google工作期间，Doni亲眼见证了内部对YouTube糟糕代码架构的吐槽——比如用MySQL的Blob字段存储视频，使用运行缓慢的Python栈。反观Google自家打造的Google Video，架构精良、支持高分辨率和超长视频。最终的结果众所周知：YouTube凭借极其贴合用户痛点（快速加载短视频）的体验大获全胜，而架构更优的Google Video却黯然退场。
给管理者的核心提醒
不要让工程师陷入追求“完美代码”的兔子洞，也不要为了省钱而用AI去自研那些非核心业务的SaaS工具。高管团队必须始终将技术资源聚焦于公司的核心使命（对Block而言是“经济赋权”），哪怕这意味着要容忍内部一定程度的“受控混乱”。
五、核心金句速览
“每当我听到这类数据，我都会想：重要的是，这是它未来最差的时刻——现在成了新的基准线。”
“很多工程师认为代码质量对打造成功产品很重要。但这两者其实毫无关系。”
“在某些层面上，组织结构比你所使用的工具本身的有效性更重要。”
朴谷观点
AI转型的本质是组织变革，而非IT采购。 Block的实践为处于转型期的企业提供了三条可落地的行动准则：
第一，打破部门筒仓先于引入AI工具。康威定律决定了技术流通的上限——如果你的组织仍然按照产品线割裂为独立的“小王国”，再先进的AI智能体也无法在全公司范围内发挥乘数效应。建议企业在启动AI项目前，先审视汇报线与协作结构，必要时进行职能化重组。
第二，非技术团队是AI赋能的蓝海。大多数企业的AI试点集中在研发部门，但Block的案例显示，法务、风控、运营等“离代码较远”的团队，往往能带来最惊艳的ROI。因为这些领域长期存在大量手工、重复、规则明确的流程，恰恰是AI智能体最容易切入的场景。企业应主动为非技术岗提供低门槛的AI工具培训，并设立内部“AI创客”激励计划。
第三，保持商业清醒，警惕“完美代码”陷阱。AI让代码生成和重构的成本大幅下降，但企业的核心目标始终是解决用户问题、创造商业价值。高管需要建立新的考核体系：不是看AI写了多少行“优雅”的代码，而是看它帮助业务团队多快验证了哪些假设、解决了哪些痛点。在非核心领域，宁可用现成的SaaS+AI集成，也不要自研；在核心领域，则要敢于拥抱“定期重写”的激进范式，让AI成为组织进化的加速器，而非点缀。
Disclaimer: The information provided in this article is for general informational purposes only and does not constitute financial advice.