如何打造 AI 原生公司：招聘、标准与节奏

如何打造一家 AI 原生公司：招聘、标准与节奏 2026 年 8 月 28 日 · 8 分钟阅读 · 查看原文 ↗ AI Loops Claude 营销 我们花了一年时间办黑客松、AI 培训和 office hours。但什么都没变，直到我们把 AI 能力变成了一项硬性要求。 一年前，我希望 Single Grain 的每个人都能熟练使用 Claude Code。 我们走了那套常规打法：黑客松、培训、office hours、工具权限，还有大量的鼓励。 那些东西是有帮助的。我仍然会推荐。 但我们在 AI 原生人才上最大的一次跃升，是从我们提高了人才门槛、重写了公司内部"卓越表现"的定义那一刻开始的。 你可以把最新的模型发给每个人，却保持同样的节奏、期望、激励和"好工作"的定义。人们参加一下工作坊，存几个提示词，然后回到他们原本就会的工作流程里去。 当"用不同的方式工作"成为期望，并且你愿意围绕它做昂贵的决策——你雇谁、谁升职、谁拿到更多权限——事情才会真正动起来。 对我们来说，那意味着改三件事： 我们雇谁 卓越的工作要求什么 让标准保持鲜活的管理节奏 招聘 1. AI 原生性是一种能在作品里看出来的心智模式 我们遇到的最强的 AI 原生人才，很乐意展示他们的工作。他们共享屏幕，走过他们构建的东西，解释什么在生产环境里跑、什么坏过、他们贡献了什么、AI 贡献了什么，以及还有谁在用这个结果。 他们也往往知道最近发生了什么变化。他们在测试 Claude Code、Codex、新模型、agent 系统。具体用哪个工具，远没有这个行为本身重要。 当我们问候选人他们的工作有多少涉及 AI 时，有些工程师告诉我们，他们大约 95% 的代码是 AI 写的。一位候选人告诉我们，她 70% 以上的战术性工作都跑在 Claude 上。 这些数字是自我报告的。我们在他们的生产性工作和现场演示里看到的东西能佐证，但它们不是全公司的遥测数据。 这些人把更多时间花在指挥、检查、调试和改进 AI 辅助的工作上。他们用省下来的时间，去接更宏大的问题。 年龄和资历都预测不了这个。我们见过实习生比有十年经验的人执行得更好。我们也见过经验丰富的操盘手因为改变工作方式而急剧加速。 经验仍然重要。当它和适应力、好奇心、判断力以及行动偏好结合时，它的价值要大得多。没有这些，经验会退化成对旧工作流程的执念。 2. 我们用生产性证据替代了面试上的光鲜 简历和面试仍然能告诉我们一些东西。但它们是对一个人当下如何运作的弱证据。 我们的招聘原则： 展示，不要空谈。 我们请候选人带来两三个卓越工作的例子。然后深挖。你自己具体做了什么？什么来自队友？什么来自软件？AI 做了什么？ 对相关岗位，候选人共享屏幕，带我们走一遍真实或有代表性的工作。我们会改一个输入、加一个约束，或者弄坏点什么，请他们现场回应。 一场排练好的演示几乎能扛住任何东西。当环境改变时，真正的理解才会显现。 对某些岗位，我们还用有边界的工作试用。非常短的练习，在适当且合法的情况下可以不付费。任何更实质的东西都是付费的、预先划定范围的，并且被当作双向测试。他们也在评估我们。 门槛是：直接做这份工作的能力、经核实的卓越工作案例、一场扎实的对话，以及我们四条价值观的证据： 偏向行动 不知疲倦地学习 不合理地坚韧 押注大胆的长期赌注 AI 熟练度贯穿这四条。一个强的操盘手用 AI 更快地行动、通过测试来学习、在系统出故障时恢复，并把重复性工作变成可复利的资产。 只会写提示词是弱证据。我们关心的是完整闭环： 输入 → 判断 → 行动 → 质量控制 → 输出 → 采纳 → 衡量 → 改进 标准 3. 每个员工都必须交付一个可复用的 AI 工作流 为 AI 原生行为而招聘，会提高人才密度。这个标准必须在 offer 之后延续下去。 每个新员工必须在 30 天内，交付或改进一个可复用的 AI 赋能技能、agent、loop、自动化或工具。 它必须： • 替代或减少重复性的战术工作 • 跑在真实的 Single Grain 客户和内部工作上，而不是一个测试用例 • 产出可用的输出或完成一项动作 • 被至少另一位员工成功使用 • 包含一个基线、负责人、说明文档和基础控制 一个提示词库不算。一张图不算，一段 Loom 不算，只在你自己的测试文件上跑过的东西也不算。 员工在第一周识别一个机会。经理批准它、收窄它或替换它，并负责解决公司可控的那些障碍。 到第 60 天，这个工作流必须相对它的基线展现出可衡量的改进。那可以是采纳率、时间、质量、成本、营收或决策。 这适用于现有员工、经理和高管。资历不创造豁免。监督别人的工作流，并不能满足一个经理自己的要求。 4. 公司也必须签下这个标准 一个没有公司对等义务的高门槛，会变成创始人的表演。 你不能一边要求员工有主人翁意识，一边扣着他们拥有任何东西所需的权限、语境、权限或反馈。 这就是为什么我们的《卓越标准》把双方的义务都写清楚。员工对结果负责、及早沟通风险、雄心勃勃地使用 AI、闭环，并创造可复用的能力。 经理提供清晰的结果、有用的语境、员工不用问第二遍就能用的决策权、及时的反馈、获批的工具、安全的测试路径，以及障碍清除。 一个经理不能无视一份提案、扣着权限，然后在员工错过截止日期时怪他。领导层同理。 绩效决策需要证据、直接的反馈、一个回应的机会，以及审视工作负荷、权限、不清晰的优先级、或公司制造的障碍是否参与其中。 5. 我们移除了"等待"作为默认行为 AI 提高了一个有能力的人能产出的量，这让缓慢的决策变得更昂贵。 我们标准里有一条行为，叫"通过否定来指挥"（Command Through Negation）。当一个人在等待回应时，负责人声明： "除非另有指示，否则我将在 Z 之前，就 Y 做 X。" 然后他们定义风险边界： • 绿色：在获批范围内推进可逆、可见、低成本的行动 • 黄色：通知相关人员，设定一个异议窗口，然后推进一个有边界的协调决策 • 红色：在法务事项、支出、合同、安全、敏感数据、公开声明、招聘、薪酬、实质性范围变更和不可逆行动上，等待明确批准 沉默永远不能把一项红色决策变成许可。 这给了高能动性的人行动空间，又不把速度变成鲁莽。一家 AI 原生公司承担不起先造出有能力的人、再把管理层变成瓶颈。 节奏 6. 标准只有在改变决策时才重要 我们的标准靠一套循环的节奏运转： • 每周领导层标准检查（Standards Check）：一个现场问题、一个动作、一个负责人、一个回顾点 • 每周公司标准时刻（Standards Moment）：一个真实故事，对应标准里的一行 • 每月创始人笔记：一个故事、一条标准、一个教训、一个挑战 • 每季度领导层审计：标准改变了哪些决策或纠偏？ • 每季度员工评估：结果、价值观、AI 能力、可复用系统、团队影响，以及公司障碍 • 每年招聘信号回顾：屏幕共享、试用、推荐人和面试证据，是否预测了后来的表现？ 我们还维护一份私密的证据台账，记录强案例、失败、领导层纠偏、教训和后续动作。 标准会影响我们雇谁、谁获得更多权限、谁升职、我们修哪些领导体系，以及谁的持续契合度需要审视。 如果一条标准从未改变过一个昂贵的决策，它就是品牌包装。 这套系统长这样： 从证据中招聘 ↓ 要求 30 天内交付可复用工作 ↓ 第 60 天前用基线衡量价值 ↓ 每季度回顾行为和结果 ↓ 改变招聘、权限、晋升或契合度 ↓ 改进标准 这提高了节奏，也制造了摩擦。一个带牙齿的标准，会让谁想在这个新节奏下学习和建设、谁需要直接支持、谁宁可去别处工作，变得更清晰。 我们拒绝表演式的过度工作和慢性过劳。 目标是一家由强者组成的公司——用 AI 产出更好的工作、移除重复性的战术劳动，并让周围的人更有能力。 所以与其问有多少员工参加过 AI 培训，不如问：你的人在当下能反复产出什么，是公司以前产不出的。 我们正在把这套系统的净化版变成 Single Brain 的 AI 原生卓越标准。公开的 playbook 解释它是怎么运作的。可编辑的 Google Doc 和实施模板，通过 Skills Dojo 获取。 如果你想为你的业务搭建 AI 系统：https://www.singlebrain.com 需要营销帮助：https://www.singlegrain.com 加入 14,000+ 营销人和创始人一起读 Leveling Up 通讯：https://levelingup.beehiiv.com/subscribe 想加入我们团队？先打败 AI ;) https://github.com/ericosiu/beat-claude 标签：# X # AI # Loops # Claude # 营销 # 增长 # 指南 相关文章 Loop Engineering：Anthropic 工程师用来构建 Claude Code 的习惯 *它构建、对照你设定的终点线检查自己的工作，并把坏了的东西修好直到完成。同样的习惯，每个项目，无论你写不写代码。* Claude AI Loops 营销