OpenAI 工程团队内部数据（2026 年 2 月）
工程师变成了巫师：OpenAI 内部视角下，AI 原生团队的四个运作信号
OpenAI API 平台工程负责人 Sherwin Wu 用内部数据揭示 AI 原生工程团队的四个运作信号：IC 工程师从写代码者转为 agent 舰队管理者、管理者 50% 时间服务 top 10%、Tiger Team 替代自上而下命令、不为模型弱点建护城河。
工程师变成了巫师——OpenAI 内部视角下，AI 原生团队的四个运作信号
Sherwin Wu 是 OpenAI API 平台工程负责人，他管理的团队是 OpenAI 产品与外部开发者之间的核心接口。2026 年 2 月，他在 Lenny's Podcast 上分享了 OpenAI 内部如何用 AI 重构工程团队的完整逻辑——不是泛泛的愿景，而是用内部数据支撑的四组可观察信号。1
통계 카드를 불러오는 중…
信号一：IC 工程师变成了「舰队管理者」
OpenAI 平台团队的工程师现在每人日常管理 10 到 20 个并行 agent。1 他们提供高层意图和「咒语」，agent 负责执行具体的语法劳动。Sherwin Wu 用了一个借自 MIT 经典教材《计算机程序的构造与解释》（SICP）的比喻：
「IC 工程师正在变成技术负责人，本质上像是管理者。他们管理着一个又一个 agent 舰队……大量的并行线程，他们只是检查进度、指引方向、给出反馈。」1
링크 미리보기를 불러오는 중…
但这个新能力也带来了「巫师学徒」风险：工程师如果在 agent 运行时「睡过去」，agent 很快就会产生连贯但错误的大量代码，让整个代码库充斥着自洽却有问题的逻辑。AI 原生工程师的价值，不在于「做」，而在于「判断 agent 往哪走」。
信号二：管理者要重新学会「怎么支持人」
Sherwin Wu 的管理哲学借鉴了《人月神话》里的外科手术团队模型：管理者的职责不是发号施令，而是在顶级工程师开口前就递上手术刀。
当 AI 让顶级工程师的产出提升 70%，被流程拦住的代价也同比上升了 70%。他给出了一个具体操作：管理者应当把 50% 的时间花在团队中表现最顶的 10% 工程师身上，用 LLM 合成 Slack 记录和 Notion 文档，主动找出并清除「阻塞项」，而不是被动等工程师来报告。1
信号三：Tiger Team，而非自上而下的 AI 命令
许多企业的 AI 部署出现负 ROI，原因是高层发出「用 AI」的指令，却没给出「为什么用」和「怎么用」。员工被迫把 AI 用在无关痛痒的任务上，对实际生产力毫无影响。
有效的路径是识别「Excel 奇才」——那些高主动性、天然着迷于 AI 工具的内部员工。让他们而非管理层来推动 AI 渗透：他们主导内部黑客马拉松、传递一线经验，让周围同事自发感受到工具的价值。这是 Sherwin Wu 所说的「AI 成功是自下而上的现象」。1
Jack Dorsey 在 2026 年初宣布将 Block（前 Square）的员工规模从超过 10000 人压缩至 6000 人以下，理由是 AI 和更扁平的团队已经可以用完全不同的方式运作公司。2 这与 Sherwin Wu 的观察从不同维度指向同一个方向——AI 原生组织的扩张逻辑不再是线性增加人头。
콘텐츠 카드를 불러오는 중…
信号四：「模型会吃掉你的脚手架」
AI 创业公司常见的一个陷阱：花大力气建复杂的 agent 框架或专用向量数据库，专门解决当前模型的不足，下一个模型版本一出，这些脚手架全部作废。
Sherwin Wu 引用了 FinTool 创始人 Nicholas 的观察：「模型会在早餐时间就把你的脚手架吃掉。」他的建议是，不要为模型现在的「弱处」建护城河，要为模型「接下来会去哪」建产品——即能处理多小时连贯自主任务的 agent 工作流。1
具体来说，行业已经从过度工程化的 RAG 管道（含复杂向量数据库）转向更简单的文件级上下文管理（如
.md 文件或 MCP 协议）。模型的进步让中间层的工程复杂度不断被压缩。
对 AI 创业者的直接含义
四个信号合在一起，给出了一张 AI 原生团队的操作地图：
| 维度 | 传统团队 | AI 原生团队 |
|---|---|---|
| 工程师角色 | 写代码的执行者 | 管理 agent 舰队的决策者 |
| 管理者职责 | 监督和汇报 | 主动清除 top 10% 的阻塞项 |
| AI 采纳路径 | 高层命令 | Tiger Team 自下渗透 |
| 产品护城河 | 针对模型弱点的工程复杂度 | 面向模型未来能力的工作流设计 |
扩张时不再需要线性增加人头——但这也意味着判断「agent 往哪走」的能力，直接决定了团队的上限。
이 콘텐츠를 둘러싼 관점이나 맥락을 계속 보강해 보세요.