当一个人带着16个Agent工作，人开始成为瓶颈

瑞华智策合伙人高燕给自己配置了16个Agent，分别处理产品、交付、品牌、营销、个人IP、理论研究、战略、销售管理等工作。

遇到一个课题，她会先和Agent讨论，方案逐渐明确后，再让Agent调用工具和Skill继续执行。

但这16个Agent不会同时工作。高燕每天真正保持活跃的，大约只有5个。

十几个Agent同时启动，方案、问题和待确认事项很快就会涌过来。哪些结果能用，哪些需要修改，下一步往哪里走，是否继续授权，都需要她判断。

“如果十几个Agent同时工作，我本人很快就会成为决策瓶颈。”她说。

传统管理经常研究一个管理者适合带多少人。

Agent进入公司后，一个新的问题出现了，那就是一个人到底能同时管理多少个Agent？

这支做企业级AI落地服务的团队，从组建时就在尝试AI原生的工作方式。工作增加，他们不会立即想到再招一个人，第一反应是，这件事能不能先交给AI？如果一个Agent不够，能不能让AI进一步调用AI？

在高燕看来，这也是AI原生组织和传统公司“+AI”的不同之处。

01

AI 重写组织扩张的“加人”逻辑

瑞华智策目前的组织很薄。

高燕直接面对技术、交付、商务、营销等职能成员，成员下面是各自使用的Agent，人的组织关系基本只有两层。未来团队增加到几十人，她预计可能再增加一层，但三层基本就是上限。

人数和层级增加，信息传递和协作成本也会增加。Agent同样如此。

调用一个Agent解决问题，链路相对直接；

多个Agent组成“专家团”，协作反而可能变慢，甚至在彼此讨论中陷入循环。

所以，当工作量增加、现有人手不够时，团队先判断AI能不能承担，再考虑增加人。

这种方式已经进入具体工作。

公司的营销型网站由一名资深人员借助AI完成。高燕自己的公众号，从选题、创作、排版到生图，大量环节交给Agent。

她确认选题之后，Agent可以继续完成写作、修改、排版和配图，最后因为平台权限等原因，再由人工完成发布。

PPT也换了一套做法。高燕发现，直接让Agent生成传统PPT，质量和Token成本都不理想，团队后来改用HTML生成可以翻页、带交互的演示页面。

Logo、版式、版权标识等品牌规范也被做成Skill。

团队早期请兼职设计师参与Logo和基础视觉规范设计，之后把这些规范转换成Agent可以调用的规则。再生成材料时，Agent直接按照统一标准执行，一些过去反复出现的制图、排版和PPT制作工作随之减少。

业务量增加之后，瑞华智策习惯先增加Agent、Skill和自动化能力，再决定要不要增加人。

这条路很快碰到了另一个问题。

02

AI 跑得越快，人越需要慢下来判断

AI的执行速度上去了，人的时间没有增加。

高燕举过一个编程场景：Agent可以整夜生成代码，第二天工程师可能根本审不过来。她自己的情况也类似：

一个Agent给出一个方案，需要判断一次；

十几个Agent同时推进，等待确认的节点会迅速增加。

所以，她虽然配置了约16个Agent，每天通常只让5个左右保持活跃。“这样才能给自己留下决策和思考的空间。”

5个并不是标准答案，只是她现阶段的个人经验。

她的工作包含大量决策和深度思考，如果Agent持续推送结果，一天很容易变成接收、审核、反馈，再接收、再审核。Agent能并行，但人脑有“带宽”限制。

这也改变了团队成员的工作方式。

每个人都要自己判断今天优先调用哪个Agent，多个Agent如何分配时间，什么时候启动新任务，什么时候停止，哪些结果必须人工接管。

Agent配置好了，任务也不会因此自动跑完。

目标仍需要由人说清楚。如果需求表达模糊，Agent可能沿着错误方向执行，生成大量冗长、不准确的结果，同时增加Token消耗。

因此，高燕把目标拆解、任务分配、结果审核都视为成员需要具备的基本能力。这些过去更接近管理者的工作，现在一个没有管理头衔的人，也可能每天调度多个Agent。

传统管理里有“管理幅度”，讨论一个管理者适合带多少人。高燕认为，AI时代也会出现类似的问题，即一个人究竟能同时管理多少Agent？

而数量并非越多越好。Agent持续并行工作，会把越来越多结果和决策节点推给人。

人的注意力被不断切分，审核和判断很快跟不上机器的产出速度。高燕也提到，长期处在这种状态里，人的工作幸福感和成就感都会受到影响。

Agent可以不断增加，但人的判断力却无法同步扩容。

03

岗位在减少，也在重做

Agent进入工作以后，一些岗位已经开始变薄。

高燕首先提到的是以前只负责上传下达的中层，这个人群所做的工作一般是收集下面的数据，整理后再向上汇报。

如果信息可以由系统直接整理和传递，这类工作的空间会受到明显挤压。另一类是纯工具型岗位，简单制图、排版和PPT制作已经可以大量交给Agent。

与此同时，一些工作却在加重。FDE就是其中之一。

瑞华智策做To B服务。高燕发现，把Agent部署（高燕称之为“硅基员工”上岗）到客户企业只是开始。很多企业即使拿到了Agent，也未必知道怎样安全、高效、低成本地使用；原来的流程、权限体系、岗位分工和人员能力，也不会随着AI上线自动改变。

因此，他们把FDE的工作范围做得更宽。

Neuters

客户AI成熟度低，FDE可能需要带着专家团队做更长时间的辅导；

客户成熟度高，服务才会逐渐变轻。他们更关心客户最后有没有真正用起来、有没有产生业务价值。

现在负责FDE的人，原来做数字营销。他并不是以“成熟FDE”的身份从市场上招进来的。

团队看中他的技术研究能力、专业导向和服务意识，先让他参与内部AI改造和客户交付，再逐渐承担FDE负责人角色。

高燕认为，新岗位刚出现时，市场上很难直接找到成熟人才。团队会先看这项工作要解决什么问题、需要哪些能力，再从现有成员中寻找具备相应特质的人，在实际工作中逐步培养。

知识管理也被重新放到了重要位置。即使团队很小，瑞华智策仍专门设置了知识管理职能。

高燕有一个知识管理Agent，除了把过往的沉淀整理成了结构化的知识服务层，还会定期从日常互动、内容、讲话和资料中，把有长期价值的思想“蒸馏”出来，持续加厚这个知识服务层，供所有其他Agent 接入和调用。

这样，负责个人IP的Agent会越来越熟悉她的表达，其他Agent也能继承已经沉淀下来的方法和判断。

但她并不主张把所有东西都塞进知识库。

IM里的闲聊、隐私信息、低价值内容，没有必要全部保存；历史数据全量清洗的成本也可能高于收益。她更愿意留下那些“能够穿越周期”的知识。

过去，知识管理主要解决“以后能不能找到”。现在，沉淀下来的经验、规则和方法，还会继续进入Agent，影响以后的工作。

04

80%是老兵，周报却被取消了

瑞华智策还有一个看起来不太“AI原生”的特点：团队里约80%的成员拥有15年以上工作经验。

高燕认为，这和To B服务有关。

客户不会因为AI出现，一夜之间变成AI原生企业。服务团队需要理解客户原来的组织怎么运转、业务流程怎么跑、哪些环节风险高、哪些地方可以改，以及怎样设计一条客户能够接受的过渡路径。

这些东西依赖长期积累。所以现阶段，他们首先选择的是经验丰富、同时又能够深度使用AI的人。

但经验也会形成惯性。

高燕自己是70后，也会反复提醒自己，过去形成的工作方法可能成为约束。接下来团队还会再引入更年轻的成员，包括“00后”。

年轻成员往往更容易直接使用新的AI工具和基础设施，不需要先放弃已经熟悉多年的工作方式。

两类人各有价值：一边有行业Know-how，一边是对AI的“原生”手感。

在日常管理上，瑞华智策做了不少减法。

团队没有固定早会，也没有周报。季度开始时确定策略、分工和季度末需要完成的里程碑，过程中出现困难、需要同步进展或共享关键信息时，再开会。

高燕不太认同依靠高频汇报维持控制。

她更关心共同认知、价值观和边界是否清楚。当然，这套方式也与团队规模有关。人数继续增加后，很多今天可以直接沟通解决的问题，仍可能重新需要机制和流程。

人数增加会让协作网络变复杂，Agent增加也是如此。

采访最后，高燕谈到一个更基础的问题：如果执行、检索、制图、写作、编程越来越多交给AI，人还留下什么？

她给了两个答案。

一个是责任。AI可以给方案，也可以参与决策，但无法承担后果。在企业级场景里，授权到哪里、采用哪个结果、出了问题谁负责和兜底，最终仍然落在人身上。

另一个是人与人之间的连接。尤其是大客户销售、咨询和服务，信任很难靠一份Agent生成的完整方案直接建立。现场的一句话、一次反馈、一次理解，人到客户现场感受到的内部独特氛围和“政治议题”都可能影响合作是否继续。

高燕每天只让5个左右的Agent真正活跃，看起来只是一个使用习惯，却已经触碰到AI进入组织后的一个新约束。

过去，公司担心没人干活。现在，Agent越来越能干，人开始担心自己审不过来。

执行能力迅速增加以后，判断正在变成新的稀缺能力。

本文来自微信公众号“牛透社”（ID：Neuters），作者：Alex，36氪经授权发布。