AI 作為企業作業系統：從工具到原生組織的轉型框架

幾個月前，Tim O'Reilly 無意間看到了 Dan Guido 在 [un]prompted 大會上的演講影片。Dan 是軟體安全研究公司 Trail of Bits 的 CEO 兼聯合創始人，但那場演講講的是如何讓企業真正成為 AI 原生組織。O'Reilly 一直在摸索這件事，卻缺少結構化方法，此後便沿著 Dan 提出的路徑前進。Dan 在這場對談中花了 35 分鐘重新展開他的演講，內容依然資訊量十足。

Dan 首先指出企業級 AI 採用的現狀：根據《財富》雜誌報道的美國國家經濟研究局研究，約 6000 名高管中近 90% 表示，三年內 AI 沒有給公司就業或生產率帶來可衡量的變化。人們稱之為新索洛悖論。但 Dan 認為這不是 AI 無效的證據，而是大多數公司部署 AI 的方式錯了——它們只是分發 ChatGPT 和 Claude 的許可證，然後等奇蹟發生。

他劃分了 AI 採用的三個層次。AI assisted（輔助）階段，AI 只是提升個人效率的工具，組織結構和流程不變；AI augmented（增強）階段，工作流被重新設計，比如 AI 先做程式碼審查的第一輪，人再做第二輪；AI native（原生）階段則要圍繞 AI 的存在從零重構公司和工作流，把 AI 當作核心參與者和隊友，而不是工具。對 Trail of Bits 來說，這個“作業系統”有明確的使命：讓安全專長以程式碼形式持續積累，每一次專案都讓下一次更快更好。

阻力首先來自員工。Dan 坦言，當他宣佈公司全員投入 AI 時，只有約 5% 的人支援，20% 的人公開抵制，75% 的人消極抵抗，表面順從、暗地裡希望風頭過去。他沒有跟員工爭辯，而是研究人們拒絕新技術的文獻，歸納出四種需要應對的偏見：自我增強偏差、身份威脅、不透明感和對不完美的零容忍。例如，身份威脅源於知識工作承載著“我是誰”的意義，所以他把 AI 描述成“讓你成為更危險的審計員”，而不是“替你完成審計”。

針對每種偏見，Trail of Bits 設計了具體對策：用可見的 AI 成熟度矩陣對抗自我增強偏差，用技能倉庫和駭客松化解身份威脅，用經過篩選的外掛市場、沙箱和加固預設值避免首次 AI 體驗變成災難，用書面的 AI 手冊代替“請相信我們”來回應不透明感。Tim 認為這是一種機制設計：從期望結果出發，設計激勵、預設選項和地位階梯，而不是把 AI 採用當成採購或溝通問題。最後，CEO 必須以身作則。Dan 說他是第一個走進 AI 大門的人，公司裡那些觀望的 50% 員工看的不是領導怎麼說，而是領導怎麼做。

Trail of Bits 的 AI 成熟度矩陣有四個層級：not engaged、capable、adoptive、transformative。最高等級不是使用 AI 最多的人，而是發明新的工作方式、用 AI 構建工具的人；等級零意味著拒絕 AI，屬於原則分歧，而不是技能問題，Dan 坦言因此進行過艱難對話，也有人離開了公司。

駭客松是推動員工爬梯子的重要機制。公司每兩個月舉辦一次，提前一週公佈主題和學習目標，要求兩人一組互相評審，結束後留下專人收集可複用的工件並歸檔。駭客松不按產出件數衡量，而是看參與者下週在能力梯子上處於什麼位置。第一場駭客松被 Dan 比作“海灘大掃除”——用 AI 清理公開開源倉庫的陳舊依賴和 issue，讓大家看到 AI 能減輕負擔；第二場則讓工程師在預先準備的沙箱裡，以繞過許可權的完全自治模式執行 Claude Code；當前一場的主題是讓持久的後臺代理在審計中領受任務，帶回合 PoC 漏洞利用或發現草稿。

公司還執行三類技能庫：內部工作流庫、任何人都能使用的公共庫，以及稽核第三方技能的精選庫。把技能釋出到公共庫不只是宣傳。Dan 說，這能迫使團隊寫出公司內外都能使用的東西，同時幫助他們梳理內部“部落知識”。