Tom Blomfield（Monzo联合创始人、YC General Partner）最近做了一个13分钟的内部分享，核心观点只有一个：当一家公司可以让AI在所有人睡觉时完成自我修复和迭代，组织形态应该彻底重构。
他举了一个YC已经跑通的例子。白天，有员工向内部agent发了一条查询，失败了。夜里，一个监督agent读到这次失败，自己反推原因——是缺一个确定性工具？还是skills文件要更新？还是换个数据库视图或建个索引？判断完后直接写代码，向代码库提交MR，再由另一个agent完成review、合并、部署。第二天早上，同一条查询就能跑通了。整个过程，YC员工都在睡觉。
罗马军团的活法，过期了
传统公司像罗马军团：层层嵌套，命令从中心传到边陲，人只是信息的导管。Jack Dorsey最近的一条推文点破了这件事：我们一直默认科层制是最优组织形态，但这个假设的前提——信息需要人逐级传导——已经被AI打破了。
一年前大家聊AI，还停留在“提效”层面：给工程师配个Copilot，产出多20%，发版更快。Tom引用Pete Koomen的说法，管这叫“给旧马车装一台更猛的引擎” 。真正该做的是把公司重新理解为一组递归自我改进的AI循环——AI不是副驾驶，它就是公司这台机器运转的方式。
自我进化的公司需要五层架构
沿用YC合伙人Diana Hu的框架，一个完整的AI自进化闭环包含：
感知层：客户邮件、工单、代码变动、退订记录、埋点数据……所有外部信号。
策略层：规定AI的权限边界，什么必须问人、什么必须留痕。
工具层：确定性的API接口，如查数据库、读日历，AI能调用的所有动作。
质量闸门：评估检查、安全过滤，高风险动作走人工审批。
学习层：系统与真实世界交互，捕捉失败点，回到顶层重新跑一遍。
当这五层都能做到最少人工介入时，系统就开始自我进化。
YC自身的演进很清晰：第一代，简单agent查数据库回答事实问题；第二代，加RAG变成能推荐创始人的助手——这两代只是把个人效率提升20%-30%。第三代加上了监督agent，Tom称之为“顿悟时刻”：AI自己跑完整个回路，自己琢磨出如何变得更好。
产品和客服也能跑通同样回路
产品决策上，一个agent可以翻数据找出销售漏斗最大堵点，研究行业最佳实践，自己跑一周A/B测试，选出胜版本并部署，反复循环。无需PM排期，无需工程师手动操作。
客服同理：客户建议涌入，一个agent扮演CPO+CTO的角色做筛选——不符合方向就丢弃；匹配路线图的，当晚写代码、部署、推给客户。全程无人介入。
对比罗马军团式流程：客户建议经过客服→客服主管→产品PM→产品主管→研发PM→研发主管→发布工程师，共7个节点。而AI循环式链路：分流agent→确认匹配→生成代码→测试→合并→部署，链路上没有活人。
多烧token，少招人头
YC观测到：近期跑到Demo Day的批次公司，人均收入比一年半前高出约5倍。Tom判断这个趋势会延续到A轮、B轮，瓶颈很快从员工数变成token用量。
最直接且合理的度量：看每个人的token消耗量。在这个探索阶段，搞清楚谁在极限用token、谁没有，直接决定你的精力该投向哪些员工。
第二个推论：中层管理走向终结。协调工作交给AI即可。所有人都必须是独立贡献者、建设者、操作者，每件事有且只有一个直接责任人，不要委员会，不要一群人。
没记下来的事，AI永远不知道
要让公司适配AI循环，前提是公司对AI“可读”。核心规则只有一条：被记录下来的事，对AI才算真正发生过。
YC的做法：所有合伙人邮件入库；近三四个月开始收录全部Slack消息、私信、office hour录音。Tom甚至反思：刚才在场外聊得挺好，但没录音，转头就忘了要介绍谁。他的解法是手机录音、录音夹、智能眼镜，甚至每个房间装麦克风。
录音只是第一步，关键还要做说话人分离，压缩、提炼，再把精炼后的索引喂给AI。
一个漂亮的示范：YC的旧版手册大多是5-10年前写的，已经过时。上周末，Haj用过去三个月录的约2000小时office hour，做说话人分离，按融资、招人、合伙人纠纷等主题归类，让模型重写了一本手册。周末结束时拿到了一本150页的新手册，质量远胜旧版。后续每月更新一次，新建议与现有手册比对，要么吸收要么丢弃——这本手册变成了一个永远保鲜的“活大脑”。
把这个活大脑作为背景信息喂给AI agent，相当于一次性获得16位YC合伙人的集体智慧。前提是它必须对机器可读。所以，所有内容都要被记录下来。
业务知识是资产，软件是耗材
第三个推论：每个职能都能随时生成自己需要的即时软件。用一次提示词就能生成不错的内部面板或工具。这意味着内部运营团队应该坐在“智能理解层”之上，自己生成自己的工作流，用完即弃。
底层数据要极其珍惜地保存。Gary Tan把自己所有邮件存成markdown，什么都不删。但跑在数据上的软件是消耗品——能生成就能重新生成。一两个月后模型更聪明了，把旧软件丢掉，把最初那组指令重新喂给模型，再生成一遍。
真正值钱的是人脑子里的理解：这个职能怎么跑，流程中哪些步骤涉及判断，这些认知才是公司的资产。具体执行用的软件，现场生成一套，办完事就扔掉。
人坐在公司大脑的边界上
如果公司中央是一个由数据、邮件、技能和认知拼出来的“公司大脑”，人应该放在哪里？Tom的答案是边界上。
人是这个智能与现实世界之间的接口。线下会议、伦理判断、全新情境、高赌注高情绪的时刻——比如一个创始人认真考虑跟合伙人分家——这些需要活人。对大多数YC创业者来说，未来20年的销售对话大概率也还得靠活人坐在房间里。所以人站在公司大脑的边界上，刚刚好。
现在动手，还是将来推倒重来？
Tom留给创始人的问题：如果今天从零开始做你的公司，你会按这种形态搭建吗？
他的判断是：大多数YC公司体量还小，没有借口不一开始就做对。也有几位创始人正在做一件费力的事——把已经建好的科层公司推倒重建。
对于企业流程自动化团队、早期工程团队、正在纠结“要不要再招一个中层”的创始人，这个问题有直接参考价值。把“多招一个人”换成“为这个职能加一层AI循环”，两者成本差距在未来几个季度大概率会持续拉大。如果你的公司现在还小，这个选择题非常便宜，做错了重来也快。如果已经建起了罗马军团，则要回答另一个更难的问题：重建的阵痛，会不会比继续走老路的代价更小？
朴谷观点
Tom Blomfield的这场分享，本质上是提出了一种AI原生组织的第一性原理。朴谷咨询认为，这不仅仅是“用AI提效”，而是重新定义了组织的底层操作系统。
从专业咨询机构的角度，我们观察到几个值得深度关注的关键点：
组织可计算性的门槛：“没记录就等于没发生”是一个极强的前提。绝大多数企业的数据基础、流程文档、隐性知识沉淀远未达到“对AI可读”的程度。那些率先完成知识资产化（邮件、会议、工单、决策日志）的公司，将率先跑通这个闭环。
中层管理的价值迁移：中层不会凭空消失，但职能会剧烈分化。凡是“信息传递、进度协调、常规决策”类的工作，必然被AI循环替代；而“异常处理、跨情境判断、情感连接、战略模糊性应对”等能力，会变得极其昂贵。未来的中层要么下沉为高杠杆的IC，要么上升为设计AI循环的架构师。
烧token的经济学：人均token用量是一个好的方向性指标，但企业需要警惕“无效token消耗”。真正的ROI来自闭环的质量——监督agent能否准确诊断失败、生成的MR是否安全、A/B测试的设计是否科学。单纯的token量并不能代表组织的进化速度。
适用边界：这套模式最适合数字化程度高、决策可结构化、反馈周期短的业务场景（如客服、产品优化、内部工具生成）。对于物理世界依赖强、监管高度严苛、或长期战略需要大量人工权衡的行业，人作为“外圈接口”的角色会更加突出，AI循环更适合作为辅助而非主体。
重构成本与时机：Tom最后的问题极富现实意义。朴谷的建议是：不要直接推翻现有架构，而是用“平行跑道”的方式启动——在组织边缘找一个完整、低风险的业务闭环（例如内部IT支持、某条产品线的A/B测试），按五层结构跑一个AI循环，用真实数据对比原有模式的效率与质量。当这个实验跑通了，再逐步将核心流程迁移进去。对于大多数中型以上企业，粗暴的“推倒重来”可能比继续走老路代价更大。
总之，AI不会让组织消失，但会让“低可计算性的组织”在竞争中快速失血。未来的赢家，是那些率先把公司变成“一台会自己改自己的机器”，同时把最宝贵的人手安放在机器触及不到的外圈——那里才是真正的护城河。
Disclaimer: The information provided in this article is for general informational purposes only and does not constitute financial advice.