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
正在加载统计卡片…
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
正在加载链接预览…
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。
正在加载内容卡片…
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。
围绕这条内容继续补充观点或上下文。