为什么发放工具还不是终点
2025 年引入 Claude Code 后，DoorDash 注意到工程之外的人也开始直接从终端发布，于是决定给每位员工配备编程智能体。目标是抬高全公司的 AI 使用基本功，也就是'底线'。许多员工仍只把 AI 当作聊天工具，但当它连上 Gmail、日历和 Slack 的那一刻，知识工作的效率就不一样了。
然而吞吐量一上升，被掩盖的瓶颈就暴露出来。代码大量涌入后，合并队列和代码评审开始积压，安全问题在全行业增多。DoorDash 又用 AI 代码评审智能体把这一环自动化来应对。解开一层速度，下一堵墙就出现——再把那堵墙自动化，这才是 AX 的真实样貌。
学习如何扩散到整个组织
最具扩展性的扩散方式是'书面产出物'。让优秀的人和成功案例形成文档，全公司都能阅读，副产品是智能体也获得了可参考的材料。派人逐一手把手教的方式，在组织规模上无法扩展。
不能只让大家分享成功。必须有一种文化，让失败——'这个流程行不通'、'这个 MCP 集成只是浪费了 token'——也能同样自在地分享。只有当每个团队都能在自己的渠道里同时呈现成果与局限时，学习才会积累。
实验团队需要什么才能真正动起来
当你给团队定下'用 AI 把这件事做快 3 到 5 倍'的目标时，若只让他们在日常职责的范围内去做，人们会很快放弃。因为代码生成之外的障碍——跨职能对齐、评审流程、审批环节——依然存在。
所以 DoorDash 为实验团队配上 VP 与高管级别的赞助。除了 token 预算，还赋予团队把代码之外的阻碍向上反映的权力。当领导亲自介入、扫清阻碍时，团队才能安全地实验。
如何找到 AI 冠军
如果自上而下指定'把这个流程自动化'，通常会挑错流程或挑错人。到底哪里是瓶颈，只有每天做这件事的人才真正清楚。
所以要给人自由，寻找自发涌现的冠军。在销售、市场、运营、支持各个领域，那些连业余时间都在钻研工具的人会自己显露出来——因为热情让他们忍不住在 Slack 里分享成果。这些人会找到本领域真正的瓶颈并将其自动化，或做成同事都能用的共享 skill。
那么组织到底要重新设计什么
最令人印象深刻的重新设计是评审流程。过去工程师要花时间把设计做到像素级完美；如今工程师只把它做到可运行状态，由设计师自主完成收尾。于是产品评审和设计评审反而成了瓶颈，DoorDash 便反问：这些评审是否还需要保持原来的形式。
核心原则是自足性。个人与团队越自足，动作就越快，所以只保留少数领域专家作为把关者，其余的人则培养成能在代码库中自由穿梭的通才。当编程速度是瓶颈时，那速度决定了团队结构、流程和评审节奏——但如今工程已经变快，这一切都必须重新设计。
ROI 有两种看法。一是通过削减人人都做的任务的时间来抬高'基线'；二是按部门、按领域自动化特定流程。后者可能带来更大的影响。哪怕每位员工只提升 10% 的生产力，在大型组织里也是巨大的差别。归根结底，指标不是代码合并得多快，而是客户价值是否交付得更快。