20人、零PM、90%代码由AI写——Palona AI的反直觉组织实验

「未来可能没有工程师，大家都是 Builder。」1

说这话的人叫任川（Kelvin Ren）。他是 Palona AI 的联合创始人，前 Google、LinkedIn 工程师，现在正用一支 20 人的团队，在没有全职 PM、没有 SRE 的情况下，构建餐饮行业的 AI Agent 产品。

这句话听上去像是 AI 狂热者的豪言，但他能给出一套具体的运作逻辑。

20人团队，拿掉了什么

2024 年 4 月，Palona AI 在硅谷成立，专注于为餐饮连锁客户提供 AI Agent 解决方案，2025 年 1 月完成约 1000 万美元种子轮1。团队规模大约 20 人。

大多数 20 人公司已经在头疼「人手不够」，Palona 的路数反过来——主动减人。

「20 人团队，没有一个全职 PM，零 SRE。」任川说得平静，但这对任何一个见过传统软件团队的人来说都算冲击。没有 PM 意味着什么？需求沟通、路线规划、与客户对齐这些事谁来做？没有 SRE 又怎么保证服务稳定？

他的答案是：这些工作，由工程师直接承接，由 AI 辅助完成。

任川把这描述为刻意的架构选择：减少「人与人之间的交互」，让决策路径更短。不是因为招不到人，而是觉得多余的协作本身就是问题。

最能说明问题的是一个具体数字：Palona 的 Code Review 效率提升了 144 倍1。

传统团队的 Code Review 需要 1-2 天——等待有空的同事、来回沟通上下文、回复评论。在 Palona，这件事压到了 10 分钟以内。背后的机制是把 AI 引入代码审查流程，让 AI 承担初步检查和上下文理解的工作，人只在关键判断点介入。

这不是孤立的优化，而是他们更大方法论的体现：90% 的代码由 AI 生成。

任川说的最关键的一句话是这个：

「应该是人为 AI 提效，而不是反过来——人是 Context Provider，为 AI 提供上下文让 AI 工作。」1

这个逻辑翻转了大多数公司「用 AI 给员工提效」的惯性思路。他说的不是 AI 帮你写代码，而是你的工作内容变成了「把任务背景、业务逻辑、质量标准喂给 AI」。人的核心贡献从执行（写、改、测）变成了描述（说清楚什么是对的、什么是重要的）。

所以「零 PM」背后其实有逻辑：如果工程师本身就在做「定义任务、注入上下文」的工作，PM 的很大一部分职能已经被工程师和 AI 分解掉了，并没有真空。

任川分享了一条他自己也觉得「反直觉」的实践心得：减少人与人之间的交互2。

通常我们觉得团队协作越紧密越好。但他的观察是：在 AI 能够处理大量执行层任务之后，过多的人际协作反而成为决策瓶颈。每一次同步会议、每一轮评审等待，都是上下文传递的摩擦。与其靠人传递上下文，不如把上下文沉淀成 AI 能理解的结构，让 AI 完成传递。

听上去反常识。但仔细想想，AI 最怕的恰恰是上下文断裂——当人反复传递背景信息时，信息失真的概率也随之增加。减少人际中间环节，某种程度上也是在给 AI 减少噪声。Palona 目前 20 人的运转状态，至少证明这件事跑得通。

需要说清楚一点背景：Palona AI 是一家技术密度极高的 AI Agent 创业公司，团队核心成员几乎全是工程师，产品本身就是 AI 系统。这套「零 PM、零 SRE、AI 生成 90% 代码」的玩法，建立在一个前提上——团队里每个人都有能力直接和 AI 协作完成端到端的工作。

对于以下背景的团队，参考价值最大：

对于规模更大、职能更分散的团队，「零 PM」可能会带来其他协作问题；但「把人定义为 Context Provider」这个底层逻辑，以及 Code Review 工作流的改造思路，几乎适用于任何规模的技术团队。

AI 原生组织最终指向一个问题：在 AI 能做到的边界不断扩张之后，人的不可替代性到底在哪里？按任川的逻辑，不是执行力，不是工具熟练度——是你能不能把「正确的事」说清楚。这比写代码难多了。

原始来源：42章经播客《组织能力才是AI公司真正的壁垒 | 对谈 Palona AI 联创任川》，小宇宙，2025-09-20